Article de recherche

S

echeresse 2013 ; 24 : 57–63

Adaptation de l’agriculture sah
elienne

aux changements climatiques :
une approche par la mod
elisation
stochastique
Copyright © 2017 John Libbey Eurotext. Téléchargé par un utilisateur anonyme le 05/03/2017.

Abdoulaye Diarra
Bruno Barbier
Hamma Yacouba

sume
Re

Institut international d’ing

enierie de l’eau et de L’objectif de cet article est d’
etudier la r
eponse de l’agriculteur sah
elien aux
l’environnement (2iE)
s

echeresses de plus en plus r
ecurrentes pr
evues par le Groupe d’experts
Rue de la Science
01 BP 594 intergouvernemental sur l’
evolution du climat (GIEC), d’
evaluer les pertes qu’elles
Ouagadougou 01 occasionnent et, enfin, de s’interroger sur les façons de rem
edier, au moins
Burkina Faso partiellement, a  leurs effets n
egatifs. Nous avons montr
 partir d’un mod
e, a ele
<abdoulaye.diarra@2ie-edu.org> stochastique, que l’impact d’une augmentation de la fr
equence de mauvaises ann
ees
<bruno.barbier@2ie-edu.org> de production reste tr es co^uteux pour l’agriculteur sah
elien. Lorsque le risque de
<hamma.yacouba@2ie-edu.org> mauvaises ann
ees est multipli

e par 3,5, l’agriculteur voit sa richesse baisser de 34 %
par rapport a  sa richesse initiale, et ce malgr
e une r
eorganisation des syst emes de
cultures vers des sp
eculations plus r
 la s

esistantes a echeresse. Nous avons ensuite
montr
e que le paysan est pr^  payer 21 % de sa richesse, soit 44 862 francs CFA
et a
par an, pour e
viter toute forme de risque dans l’exercice de son activit
e agricole. Il est
donc dispos
ea contribuer au financement de technologie comme l’irrigation pour
garantir un certain niveau de revenu. Enfin, nous avons montr
e qu’une information
sur le risque de mauvaise ann
ee, transmise de façon pr
ecoce aux agriculteurs permet
de limiter de mani ere significative leur perte de richesse et de r
eduire les aides
alimentaires.
Mots cl
es : agriculture, Burkina Faso, changement climatique, information climatique,
risque, Sahel, s

echeresse.

Abstract
Adaptation of Sahelian agriculture to climate change: A stochastic modeling approach
The purpose of this paper is to study the response of Sahelian farmers faced with the
increasingly frequent droughts envisaged by the IPCC, to assess their losses and,
finally, to consider how to address, at least partially, the negative effects. Using a
stochastic model, we have shown that the impact of increased frequency of bad
years of production is very expensive for Sahelian farmers. When the risk of bad
years is multiplied by 3.5, the farmer sees his wealth drop by 34% from its initial
level, despite a reorganization of crop systems to hopefully make them more
doi: 10.1684/sec.2013.0371

resistant to drought. We show that farmers are willing to pay 21% of their wealth
(44,862 CFA francs per year) to avoid all forms of risk in the performance of their

Pour citer cet article : Diarra A, Barbier B, Yacouba H, 2013. Adaptation de l’agriculture sah

elienne
aux changements climatiques : une approche par la mod
elisation stochastique. S

e cheresse 24 :
57-63. doi : 10.1684/sec.2013.0371
Tir
 part : A. Diarra
es a

S

e cheresse vol. 24, n8 1, janvier-f

e vrier-mars 2013 57

D’
apres le dernier rapport du
Groupe d’experts intergouverne-
mental sur l’

evolution du climat
(GIEC) (IPCC, 2007), il faut s’attendre
en Afrique de l’Ouest a  des conditions
climatiques plus difficiles (s
echeresses,
temp
eratures plus e
lev

ees) et a  une
baisse de la disponibilit

e de la ressource
en eau. Dans la zone sah
elienne, le
processus de changement climatique se
Copyright © 2017 John Libbey Eurotext. Téléchargé par un utilisateur anonyme le 05/03/2017.
traduira par une augmentation de la
fr

equence des e
pisodes de s
echeresse.
Les enjeux pour le secteur agropastoral
et partant pour la s
ecurit

e alimentaire
sont donc importants pour les pays
sah
eliens : l’agriculture est essentielle-
ment pluviale et la population agricole
atteint 50 a 80 % de la population totale
selon les pays ; le secteur agropastoral
participe pour entre 25 et 30 % de leur
PIB ; enfin, la consommation de c
er

eales
couvre entre 80 et 85 % des besoins
caloriques de la population (OCDE/
CSAO, 2008). Face a  ces enjeux, il
devient important d’anticiper la r
eaction
des agriculteurs dans un contexte de
changement climatique afin de trouver
les m
ecanismes n
ecessaires pour limiter
les effets du changement.
L’objectif vis
e par cet article est donc
d’
etudier la r
eponse de l’agriculteur
sah
elien a des s
echeresses de plus en
plus r
ecurrentes, d’
evaluer les pertes
occasionn
ees et, enfin, de s’interroger
sur les façons de rem
edier, au moins
partiellement, aux effets n
 partir
egatifs a
des donn
ees de la litt
erature et des
r

esultats d’un mod ele stochastique.
Importance du risque de production
dans le contexte sah
elien
L’agriculture des pays sah
eliens est en
majorit
e pluviale et, par cons
equent, tr
es
d
ependante des conditions pluviom
etri-
ques. Selon, Lecaillon et Morrisson
(1984), l’eau conditionne et explique
environ 50 % des fluctuations de la
productivit
e et des potentialit

es agricoles
des pays sah
eliens. La figure 1 pr

esente
l’

evolution des rendements des cultures
de mil, maı̈s et sorgho dans la province
58
agricultural activities. They are willing to finance technology such as irrigation to
ensure a certain level of income. We then show that information on the risk of bad
years, given to farmers early enough, can significantly limit their loss of wealth and
reduction in food supplies.
Key words: agriculture, Burkina Faso, climate change, climate information, drought, risk,
Sahel.
du Yatenga (Burkina Faso) entre
1996 et 2005. Elle montre que les
rendements agricoles ont connu une
forte variabilit

e ces derni eres ann
ees.
Cette variabilit

e diff
ere suivant les cultu-
res. Avec un coefficient de variation de
56,4 %, le maı̈s est la production la plus
al

eatoire, ensuite nous avons le sorgho
avec un coefficient de 25,4 % et, enfin,
le mil avec un coefficient de 21,6 %

cart entre le risque de
Le faible e
production du sorgho, culture sensible
au stress hydrique, et le mil, culture plut^
ot
r

esistante au manque d’eau, s’explique
par la culture du premier dans les bas-
fonds humides contrairement au second.
Concernant le maı̈s, culture exigeante
en eau, il est cultiv

e en syst eme pluvial
autour des concessions « champs de
case », ce qui explique sa forte
variabilit

e.
Prise en compte du risque
dans les modeles agricoles :
modele esp
erance-variance
Le mod ele esp
erance-variance est
l’application directe des travaux de
Bernoulli (1738) puis de Neuman et
Morgenstern (1947), ainsi de que
Friedman et Savage (1948) sur la
maximisation de l’utilit
e esp
er

ee. Pour
Meyer (2002), la maximisation de
l’utilit

e esp
er

ee est devenue le para-
digme classique pour analyser le
comportement e
conomique en situation
d’incertitude. Une valeur approch
ee de
la fonction d’utilit
e esp
er

ee est obtenue
par son d
eveloppement limit
ea l’ordre
2 en s
erie de Taylor (Freund, 1956) qui
peut s’
ecrire en termes d’
equivalent
certain (EC) par la formule :
EC(W) = E(W) −
1
× A × V (W) (1)
2
Cela donne une valeur approch
ee de la
prime de risque e
gale a la moiti
e de
l’aversion absolue (A) au risque, multi-
pli

ee par la variance V(W) de toutes
les possibilit

es de richesse finale : les
pr
ef

erences (coefficient d’aversion au
risque) et la variabilit
e (variance de
la richesse) sont les principaux d
eter-
minants des co^ uts associ

es au risque du
consentement maximum a  payer pour un
certain r
esultat. Cette approche a e
t

e
utilis

ee dans notre e
tude pour d
ecrire le
comportement de l’agriculteur sah
elien
en univers incertain.
Le modele
economique
d’optimisation du comportement
de l’agriculteur sah
elien
La fonction d’utilit
e
de l’agriculteur sah
elien
dans un contexte d’incertitude
Dans cette section, nous d
ecrivons
de mani ere formelle le comportement
d’optimisation de l’agriculteur en univers
incertain. Nous consid
erons une petite
exploitation agricole repr
esentative de
la zone sah
elienne du Burkina (localit
e
de Tougou) faisant face au risque de
production. L’exploitation agricole est
compos
ee de 9 individus et dispose en
moyenne d’un troupeau de 4 petits
ruminants (ovins et caprins), d’une
dizaine de volaille et d’une surface
agricole utile (SAU) d’environ 2,9 hecta-
res. L’
equipement agricole reste tr es
sommaire et se limite a  quelques outils
manuels. Ces informations concernent la
campagne agricole 2006. Les principa-
les sp
eculations pratiqu
ees sont le mil
dans les glacis, le maı̈s autour des
concessions et le sorgho dans les bas-
fonds. Les possibilit
es de travail a 
l’ext

galement tr
erieur restent e es limit

ees.
En p
eriode de soudure, la vente de b
etail
permet de r
epondre aux besoins de la
famille.
Dans un contexte de variabilit
e clima-
tique, l’agriculteur sah
elien va donc
chercher a  maximiser l’utilit
e de la
richesse esp
er
ee (U(R)) ; la richesse

tant repr

e esent
ee par la somme du
profit, des e
quipements et des animaux
en fin d’ann
ee :
1
Max U(R) = E(R) −
2
× A × σ R2 (2)
S

e cheresse vol. 24, n8 1, janvier-f

e vrier-mars 2013
 somme des besoins en main-d’oeuvre
1 400 des activit

es culturales ne devrait pas
d
epasser les ressources en main-
1 200 d’oeuvre familiale disponibles (travmax)
pendant une p
eriode, plus la main-
d’oeuvre salari
ee si besoin (TRAVSALA)
Rendements (kg/ha)

1 000
et moins les ressources en main-d’oeuvre
familiale c

ed
ees a l’ext

erieur :
800
Σsol travcultcult,sol,p × TERALsol,cult,p – (5)
600
TRAVSALAcult,p = TRAVcult,p

400
Σcult TRAVcult,p + TRAVEXTP ≤ travmaxP (6)
200
La dynamique du troupeau est

galement prise en compte. L’effectif
e
-
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
des animaux en d
ebut de chaque
p
eriode (ANTRANF) et en fin d’ann
ee
Années (ANFIN) sont e
valu
es. L’effectif par type
MAÏS MIL SORGHO d’animaux en d
ebut de seconde p
eriode
Copyright © 2017 John Libbey Eurotext. Téléchargé par un utilisateur anonyme le 05/03/2017.

(P2) est e
gal l’effectif en d
ebut de la

premi ere p
eriode (P1) moins les ventes


Figure 1. Evolution des rendements des cultures de mil, maı̈s et sorgho dans la province du (ANVEND) et plus les achats
Yatenga (Burkina Faso). (ANTACH). L’effectif en fin d’ann
ee sera
Source : Direction g

en

erale des pr

evisions et des statistiques agricoles (DGPSA), 2008. l’effectif en d
ebut de seconde p
eriode
moins les ventes et plus les achats :

− aninielv + ANTRANFp,elv + ANVENDp–1,elv (7)

avec E(R) la richesse esp
er
ee, σ R2 la Prise en compte des r
ealit
es − ANTRANFp –1,elv − ANTACHp–1,elv = 0
1
variance de la richesse et A l’aversion du monde sah
elien
absolue au risque. ANTRANF“p2”,elv − ANVEND“p2”,elv (8)
Dans la fonction de la richesse (R), seuls Dans le mod ele, l’ann
ee est divis

ee en
les rendements sont al
eatoires. Nous deux p
eriodes : + ANTACH“p2”,elv = ANFINelv
faisons l’hypoth ese qu’il n’y a pas de – une premi ere p
eriode qui va de juin a
lien entre les rendements des diff
erentes novembre et qui se caract
erise par une La contrainte alimentaire des individus
cultures et donc que leurs covariances grande mobilisation de la main-d’oeuvre est aussi prise en consid
eration. La
sont nulles. Par cons
equent, la variance familiale pour les travaux de semis et de somme des besoins en calories de
de la richesse (σ R2) s’

ecrit : r

ecolte, par une activit
e commerciale chaque cat
egorie de la population par
importante gr^ ace a la vente de r
ecoltes p
^tre inf

eriode (besnut) doit e erieure ou
et d’animaux ;
gale au nombre d’unit

e es calorifiques
σ R2 = Σcult,sol (σcult,sol × Pcult,sol × Xcult,sol)2 (3)
– une seconde p
eriode qui va de disponibles par p
eriode. Ces besoins
d
e cembre a  mai, qui est plut^ ot une peuvent e^tre couverts par les quantit
es
avec cult repr
esentant toutes les activit
es des aliments produits et autoconsomm
es
p
eriode sans grande activit
e agricole.
de productions agricoles et sol les (OTOCONSC), par les achats sur le
Les contraintes usuelles sont consid
er

ees
erents types de sols, Pcult le prix, Xcult
diff
march
e (ACHAC) et par les aides
au niveau des exploitations agricoles
la superficie, et scult le risque associ
ea la alimentaires en cas de p
enurie (aida-
pour chaque p
eriode. Certaines concer-
culture. lim) :
nent les donn
ees agronomiques (besoins
Plusieurs hypoth eses sont pos
ees. La
et disponibilit
es en inputs variables),
premi ere, l’agriculteur connaı̂t la dis- besnutp,nutr ≤
d’autres, la dotation en facteurs (terre, (9)
tribution de probabilit
e qui caract
erise le
travail, capital), d’autres l’

etat Σvivr ACHACvivr,p × qualcvivr,nutr + Σ vivr
risque de production sur les 22 der-
conomique de l’exploitation (flux de
 2005). On e OTOCONSCvivr ,p × qualcvivr,nutr + aidalimp
nieres ann
ees (de 1984 a
tr

esorerie).
consid ere alors que chaque ann
ee
Ainsi, l’utilisation de la terre pour
observ

quiprobable et l’on affecte
ee est e Dans un environnement o u les
chaque culture (cult) est soumise a  sa
donc a  chacune d’elles, dans la fonction possibilit

es de cr
edit sont faibles, voire

gale a  disponibilit
e Terdispo selon la formule :
« objectif » une probabilit
e e inexistantes, les contraintes de liquidit

es
1/22. Ensuite, nous faisons l’hypoth ese deviennent tr es pesantes. La prise en
qu’il connaı̂t parfaitement sa fonction de Σcult,sol TERALcult,sol,p = Terdisposol,p (4) compte de cet e
l
ement dans le compor-
production. tement des paysans permet de mieux
La main-d’oeuvre familiale est allou
ee expliquer leur r
eaction face a  des
entre le travail agricole (TRAV) sur incitations ext
erieures. En premi ere
l’exploitation et le travail ext
erieur p
eriode, la contrainte de liquidit
e est
1
Le coefficient absolu d’aversion au risque vaut (TRAVEXT) en fonction des besoins sur telle que le producteur doit financer les
A = − u''/u', ou u repr

esente la fonction d’utilit

e l’exploitation, des opportunit
es de tra- facteurs de production relatifs aux cultu-
de l’agent.  l’ext

vail a erieur et du salaire esp

er

e. La res (INTRUT), les besoins en produits non

S

e cheresse vol. 24, n8 1, janvier-f

e vrier-mars 2013 59
 alimentaires (consmin) de sa famille Tableau 1. Niveau d’activit
e agricole en fonction de diff
erents niveaux d’aversion au risque.
gr^ace aux ventes d’animaux (DECAP)
et de c
er

eales (VENCER), au travail
salari

e a  l’ext
erieur (TRAVEXT). En Superficie Valeur coefficient d’aversion absolue du risque
Situation
seconde p
eriode, le financement est de cultures
de r

ef

erence
assur

e gr^ ace a  la vente d’une partie et vente 0,000044 0,0001 0,0002 en 2006
 la vente d’animaux, au d’animaux
des c
er
eales, a
travail salari

ea l’ext

erieur, aux liquidit

es Mil_GL 1,62 1,538 1,187 1,62
de la saison pr
ec
edente (CASH) :
Sorgho_BF 0,96 0,96 0,96 0,96
Σcult VENCERcult,p × pcultcult,p −
Maı̈s_CASE 0,31 0,203 0,144 0,31
− Σintc,cult INTRUTcult,intc,p × pintp,intc
− Σcult × salp + TRAVEXTp Sorgho_CASE 0 0,107 0,123 0
× salp − Σvivr ACHACvivr,P × psoudvivr,p
Petit_rum vendu 0,349 0,909 3,979 1,67
− consminp − CASHp −1 + DECAPp = CASHp (10)
Volaille_vendu 10 10 10 3,3
En ce qui concerne le revenu de
l’exploitation agricole, il est calcul

e pour GL : glacis ; BF : bas-fond ; CASE : champs de case ; Petit_rum : petits ruminants.
chaque p

gal a
eriode. Il est e  la produc-
tion des diff

erentes activit
es de chaque
 partir du
Copyright © 2017 John Libbey Eurotext. Téléchargé par un utilisateur anonyme le 05/03/2017.

p
eriode multipli

ee par leurs prix, plus la
r

emun
eration du travail salari
e, moins
les co^
uts des facteurs et les charges li
ees
 la consommation humaine :
a pouvait s’y attendre, est tr
Σcult PRODCULTcult,p × pcultcult,p −
− Σintc,cult INTRUTcult,intc,p × pintp,intc
− Σcult TRAVSALAcult,p × salp + TRAVEXTp
× salp − Σvivr ACHACvivr,P × psoudvivr,p
− consminp + DECAPp = PROFITp
Calibrage du modele
Le coefficient d’aversion absolue au
risque A a e
t

e utilis

e comme un para-
metre de calibrage du mod ele. Une
d
emarche qui s’inspire des travaux de
Simmons et Pomareda (1975), de Brink
et McCarl (1978) et de Hazell et al.
(1983). Le tableau 1 pr
esente le niveau
d’activit

e en fonction du niveau de
l’aversion absolue au risque A.
La comparaison entre les r
esultats
simul
es selon le niveau d’aversion
absolue au risque et les r
esultats de la
situation de r

ef

erence issus des enqu^ etes
socio-
economiques de 2006 montre
qu’un niveau d’aversion au risque de
0,000044 donne des r
esultats plus pro-
ches de la r
ealit

e. Aussi, nous l’avons
retenu comme e
tant le coefficient d’aver-
sion absolue au risque du paysan
sah
elien.
Le passage du coefficient absolu d’aver-
sion au risque au coefficient relatif
d’aversion au risque2 se fait par multi-
plication de ce dernier par l’esp
erance
de richesse. Le coefficient d’aversion
2
Le coefficient relatif est donn
e par
u = − R × u''/u', o u u repr
esente la fonction
e de l’agent et R son esp

d’utilit
erance de richesse.
relative au risque calcul
e a la superficie allou
ee au maı̈s au profit du
coefficient absolu A donne une valeur de sorgho, mieux adapt
e aux conditions
9,51. L’agriculteur sah
elien, comme on difficiles et vend la totalit
e de son
es riscophobe. troupeau pour subvenir a  ses besoins.
En effet, en se r
ef

erant au classement Malgr
e cette nouvelle organisation, sa

tabli par Binswanger (1980), un indi-
e richesse baisse de 34 % par rapport a  sa
vidu avec coefficient sup

erieur a 7,51 est richesse initiale.
consid
er

e comme e
tant extr^ emement La forte baisse de la richesse des
averse au risque. agriculteurs sah
 une aug-
eliens suite a
mentation de la fr
equence de mauvaises
(11) ann
ees s’explique par leur faible marge
de manoeuvre. Les activ
es extra-agrico-
Impact de l’augmentation les leur permettant d’am
eliorer leur
revenu ne sont pas toujours disponibles.
des mauvaises ann
ees Ils sont oblig
es de se d
ecapitaliser
 certaines p

a eriodes de l’ann
ee pour
On fait l’hypoth ese que le changement subvenir a  leurs besoins, ce qui r
eduit
climatique va se traduire par une aug- fortement leur richesse et donc les
mentation de la fr
equence de r
ealisation possibilit

es d’investir pour am
eliorer leur
de mauvaises ann
ees. Pour ce faire, productivit
e.
on modifie les probabilit
es associ
ees
aux ann
ees climatiques en attribuant un
poids plus important aux mauvaises
ann
ees (1984, 1985, 1987 et 1990). L’irrigation comme moyen de limiter
Nous appliquons alors un coefficient
multiplicateur au risque de mauvaises les effets du changement climatique
ann
ees qui varie de 1 a  3,5. Un coef-
ficient de 2,5 signifie que la fr
equence Les p
erim
etres irrigu
es repr
esentent
de r
ealisation d’une mauvaise ann
ee est moins de 2 % des terres cultiv
ees ouest-
2,5 fois plus e
lev

ee que dans le cas africaines contre 18 % au niveau mon-

quiprobable.
e dial et 33 % en Inde. Ils ne contribuent
Le tableau 2 permet de voir comment que mod
er

ement a la s

ecurit

e alimentaire
l’augmentation de la fr
equence des de la r

egion (Barbier et al., 2009). Selon
ann
ees de s
echeresse modifie les le Global Water Partnership (GWP-
d
ecisions de choix d’allocation de sur- WATAC, 2000), le niveau de pr
el
eve-
face et de mesurer le co^ ut pour l’agri- ment des ressources en eau renouvela-
culteur sah
elien de cette augmentation en bles en Afrique de l’Ouest (compte non
termes de perte de richesse. tenu du Cameroun et du Tchad) est
Lorsqu’on applique, par exemple, un actuellement de 11 milliards de m etres
coefficient multiplicateur de 3,5 aux mau- cubes par an pour un disponible de
vaises ann
ees (1984, 1985,1987 et 1 300 milliards de m etres cubes, soit
1990), l’agriculteur r
ealloue les surfaces moins de 1 %. L’agriculture absorbe
aux cultures pour limiter l’impact sur 75 % de ces pr
el
evements, la consom-
sa richesse d’une augmentation de la mation domestique, 17 % et l’industrie,
fr

equence des mauvaises ann
ees. Il r

eduit 7 %. M^ eme si elle est largement

60 S

e cheresse vol. 24, n8 1, janvier-f

e vrier-mars 2013
 Tableau 2. Impact d’une augmentation de la fr
equence des mauvaises ann
ees sur le assureurs voient les indemnit
es vers
ees
comportement de l’agriculteur sah
elien. fluctuer fortement. Ces fluctuations peu-
vent augmenter le risque de faillite des
assureurs (Blanc, 2003). Or, dans le
Coefficient multiplicateur Syst
emes Richesse esp
er
ee Ruminants contexte sah
elien, le risque de production
du risque de mauvaises ann
ees de culture (francs CFA) restants affecte simultan
ement un grand nombre
d’exploitations agricoles, ce qui freine
1 Mil_GL : 1,62 216 058 4
Sorgho_BF : 0,96 toute possibilit
e d’assurance agricole.
Maı̈s_CASE : 0,31 Cependant, a  l’
echelle mondiale ou
africaine, le probl eme de la corr
elation
2 Mil_GL : 1,62 188 704 ( 13 %) 2 des risques peut e ^tre lev
e, la situation du
Sorgho_BF : 0,96 Sahel n’
etant pas d
ependant des autres
Maı̈s_CASE : 0,209 r

egions climatiques.
Sorgho_CASE : 0,101

3,5 Mil_GL : 1,62 142 682 ( 34 %) 0

Sorgho_BF : 0,96
Maı̈s_CASE : 0,056 Le m
ecanisme d’alerte pr
ecoce,
Sorgho_CASE : 0,254 une autre solution pour limiter
GL : glacis ; BF : bas-fond ; CASE : champs de case ; 655, 96 francs CFA = 1 euro. les effets du changement climatique

crasant des famines qui
Copyright © 2017 John Libbey Eurotext. Téléchargé par un utilisateur anonyme le 05/03/2017.

majoritaire, l’utilisation agricole de soit le plus proche possible de son co^ ut Devant le poids e
l’eau est faible. Sur les 75,5 millions de production. ont frapp
e l’Afrique subsaharienne dans
d’hectares de terres arables de l’Afrique La prime de risque3 calcul
ee dans cette les ann
ees 1970 et 1980, des syst emes
de l’Ouest, seuls 1,2 % (917 000 hecta-
tude repr

e esente un bon indicateur du nationaux et r
egionaux d’alerte pr
ecoce
res) sont am
enag
es pour l’irrigation et niveau d’implication possible des pay- (SAP) ont e
t

e mis en place sur tout le
0,8 % (635 000 hectares) effectivement sans. Elle montre que les paysans sont continent (FAO, 2006). Si ce dispositif est
exploit
es. pr^ets a  payer jusqu’ a 44 862 francs capital pour les pouvoirs publics pour
Cette situation peut s’expliquer en partie CFA4 (21 % de sa richesse) pour e
viter d
ecider ou non d’une aide alimentaire, il
par les plans d’ajustement structurel toute forme de risque dans l’exercice de pourrait e^tre d’une grande utilit
e pour les
des ann
ees 1980. Les r
ealisations de leurs activit
es agricoles. Par exemple au agriculteurs dans leur prise de d
ecision
p
erim etres irrigu
es se sont beaucoup S
en
egal, dans la vall
ee du fleuve (choix des sp
eculations, des esp eces
ralenties depuis la mise en place de ces S
en
egal, le co^ ut de l’eau est estim
e a culturales a cultiver et du dimensionne-
mesures (Barbier et al., 2009). Cette environ 6 francs CFA/m3 avec prise en ment des champs) si l’information clima-
politique lib
erale ne permettait plus la compte des frais de maintenance et tique est fournie avant la campagne
subvention totale de telles infrastructures. d’entretien (Minist ere de l’Agriculture, agricole.
Et pourtant, l’investissement dans l’irriga-

2008). Etant donn
e que pour irriguer Dans le tableau 3, on distingue plusieurs
tion pourrait e ^tre une solution aux chan- 1 hectare de sorgho ou de maı̈s, il faut cas de figure. Dans le premier cas,
gements climatiques marqu
es par des environ 700 mm d’eau soit 7 000 m3, le l’agriculteur est inform
e de la survenance
s
echeresses de plus en plus r
ecurrentes. co^ ut annuel de l’eau d’irrigation revien- d’une mauvaise ann
ee avec une proba-
Depuis le d
ebut de la d
ecennie, les drait a  42 000 francs CFA a  l’agricul- bilit

e de 100 %. C’est- a-dire, qu’il y a

l

e ements cl
es du d
ebat sur la construction teur. Ce montant reste inf
erieur a  la 100 % de chance que l’ann
ee soit tr
es
de la grande hydraulique ont chang
e. disposition a  payer de l’agriculteur. mauvaise. En int
egrant cette information
Plusieurs e
l

ements ont permis de relancer Toutefois, il faut noter que le recours a  dans sa prise de d
ecision, l’agriculteur
les projets de grandes infrastructures l’irrigation d
epend de plusieurs autres choisit de produire du mil sur une
hydrauliques (Barbier et al., 2009) : facteurs, dont le plus important est la superficie de 1,62 hectare dans les
l’apaisement des conflits arm
es (comme disponibilit
e en eau. glacis, du sorgho sur 0,96 hectare dans
en Sierra Leone et au Liberia), certains Cette information sur la valeur de la les bas-fonds et de remplacer le maı̈s de
progr es de la d
emocratie, les progr es de prime de risque est tr es importante pour case par du sorgho. Lorsque la mauvaise
l’int

egration r
egionale, une certaine les assureurs : elle leur permet de voir ann
ee se r
ealise r
eellement, la richesse
reprise e
conomique, la r
ecente crise jusqu’ a quel niveau ils peuvent fixer la de l’agriculteur est de 110 730 francs
alimentaire et surtout la r
eduction d’une prime d’assurance. Cependant, cette CFA. Il faut e
galement noter qu’une aide
grande partie des dettes multilat
erales. information ne suffit pas pour qu’un alimentaire de 267 kg de c
er

eales est
Les institutions financi eres internationa- march
e d’assurance se d
eveloppe. Du indispensable pour satisfaire les besoins
les souhaitent a  nouveau investir dans c^ot
e de l’offre d’assurance, pour qu’une alimentaires de la famille. Dans le second
l’irrigation pour limiter les effets des couverture puisse e ^tre propos
ee, il faut cas de figure, l’agriculteur n’a pas
changements climatiques. Dans un que les risques soient peu corr
el
es. La loi d’information sur les pr
evisions saison-
contexte o u les ressources financi eres des grands nombres permet alors de nieres. Dans une telle situation, il produit
sont de plus en plus rares, le paiement lisser la variabilit
e du montant total de du mil sur 1,31 hectare, du maı̈s sur
par les b
en
eficiaires de la totalit

e des primes pay
ees par les assureurs. Dans le 0,31 hectare et du sorgho sur 0,96 hec-
co^ uts d’entretien et de gestion ainsi que cas contraire (risques syst
emiques), les tare. La r
ealisation d’une mauvaise
le remboursement partiel des co^ uts ann
ee se soldera par une richesse de
d’investissement deviendront une exi- 97 671 francs CFA, inf
erieure au niveau
3
gence pour la mise en oeuvre de tels La prime de risque est donn

ee par la formule de richesse r
ealis

e lorsque l’agriculteur
investissements. Il s’agira donc de pro- suivante : 1 × A × σ R2. est inform
e. L’aide alimentaire reste
2
poser un prix de l’eau d’irrigation qui 4
655, 96 francs CFA = 1 euro. sup
erieure a celle du premier cas avec

S

e cheresse vol. 24, n8 1, janvier-f

e vrier-mars 2013 61
 Tableau 3. Comparaison entre une situation sans et avec pr
evision de mauvaise ann
ee montr
e que l’agriculteur sah

tant
elien, e
lorsque la mauvaise ann
ee se r

ealise effectivement. riscophobe, est pr^  payer 21 % de sa
et a
richesse pour ne plus avoir a  supporter le
risque de production. Nous avons ensuite
Syst
emes Richesse Aide montr
e que le paysan a la capacit
e de
de cultures (ha) (francs CFA) alimentaire (kg) contribuer au financement d’une techno-
logie comme l’irrigation pour garantir un
Prévision saisonnière : Mil_GL : 1,62 110 730 267
100 % de risque Sorgho_BF : 0,96 certain niveau de revenu. Enfin, nous
de mauvaise année Sorgho_CASE : 0,31 avons montr
e qu’une information sur le
risque de mauvaise ann
ee, transmise de
Sans prévision saisonnière Mil : 1,62 97 671 290
Sorgho_BF : 0,96 façon pr

ecoce aux agriculteurs permet de
Maı̈s_CASE : 0,31 limiter de maniere significative leur perte
de richesse et de r
eduire les aides
GL : glacis ; BF : bas-fond ; CASE : champs de case ; 655, 96 francs CFA = 1 euro. alimentaires. Toutefois, l’information doit
^tre accessible et fiable. Une fiabilit

e e qui
290 kg de c
er
eales. Ces valeurs, qui (R
eseau de pr
evention des crises ali- demanderait un investissement dans la
semblent faibles a  l’

echelle individuelle, mentaires) est insuffisant pour orienter recherche et l’am
elioration des techni-
reste tr
es importantes sur le plan r

egional. les agriculteurs. Ces informations ont ques de pr
evision, et une collaboration
Les principaux renseignements qu’on un faible potentiel pour augmenter le des diff
erentes institutions de pr
evisions
peut tirer de ce tableau sont les suivan- revenu des agriculteurs (Roudier et al., saisonnieres. &
tes. Une information sur le risque de 2011 cit
e par Sultan [2011]) ;
Copyright © 2017 John Libbey Eurotext. Téléchargé par un utilisateur anonyme le 05/03/2017.

mauvaise ann
ee, transmise de façon – les d
elais de pr
evisions propos
es ne
pr
ecoce aux agriculteurs permet de limiter correspondent pas a  ceux requis pour
de mani ere significative leur perte de orienter les d
ecisions strat
egiques des
fe
Re
rences
richesse et de r
eduire les aides alimentai- agriculteurs. Par exemple, la pr
evision
res. En effet, elle facilite leur prise de saisonni ere PRESAO qui est souvent Barbier B, Yacouba H, Ma€iga HA, Mah
e G,
d
ecision en mati ere de choix des sp
ecu- diffus

ee apr es le semis des cultures Paturel JE, 2009. Le retour des grands investisse-
ments hydrauliques en Afrique de l’Ouest : les
lations et d’allocation des terres. Pour que laisse tr
es peu de marge de manoeuvre perspectives et les enjeux. Geocarrefour 84.
l’information soit utile aux agriculteurs, il aux agriculteurs pour ajuster leur (AERES G
eographie).
faudrait qu’elle soit fiable mais strat

egie ;

galement qu’elle soit accessible avant
e – le degr
e de confiance de la pr
evision Bernoulli D, 1738. Specimen Theoriae Novae de

galement Mensura Sortis. Comentarii Academiae Sciebtia-
la campagne agricole. Il faut e et surtout la peur de l’erreur limite souvent rum Imperialis Petropolitariae V : 175-92.
noter que plus l’information climatique  la fois l’utilisation de la pr

a evision (une (traduction anglaise par Louisz Sommer, 1954.
est d
etaill

ee (dates de d
ebut et de fin de pr
evision fausse ou mal interpr
et

ee peut Econmetrica 22 : 23-36).
la saison des pluies, survenance des ^tre pr

e ejudiciable pour l’utilisateur

ventuel) mais aussi la façon dont elle Binswanger H, 1980. Attitudes toward risk:
poches de s
echeresse), plus les effets sur e experimental measures in rural India. American
le revenu de l’agriculture seront impor- est communiqu
 l’utilisateur.
ee a Journal of Agricultural Economics 62 : 395-407.
tants. En effet, l’agriculteur sera en Une fois ces diff
erentes contraintes lev
ees
mesure de choisir des vari
et
 cycle
es a gr^ace a  un investissement dans la Blanc C, 2003. La gestion des risques en
agriculture : mod e le d’offre-demande d’assu-
long ou court selon la dur
ee de la saison recherche et l’am
elioration des techni- rance r


e colte. France : ministere de l’Economie,
ou de faire des am
enagements comme ques de pr
evision et a  une meilleure des Finances et de l’Industrie, Direction de la
le zaı̈ ou la demi-lune pour la conser- collaboration des diff
erentes institutions pr
evision.
vation de l’eau en cas de poches de internationales et sous-r
egionales de
s
echeresse longues. pr
evisions saisonni eres, l’information cli- Brink L, McCarl B, 1978. The tradeoff between
expected return and risk among cornbelt farmers.
Au Sahel, malgr
e les efforts de ces matique deviendra un instrument de American Journal of Agricultural Economics 60 :
20 derni eres ann
ees en termes de pr
evi- gestion des risques climatiques efficace 259-63.
sions saisonni 
eres, des obstacles restent a au m^ eme titre que l’assurance ou les
franchir. Sultan (2011) note un foss
e entre march
 terme.
es a Direction g
en
erale des pr
evisions et des statisti-
ques agricoles (DGPSA), 2008. S
e rie de pro-
la communaut
e des pr
evisionnistes et duction, superficie, rendement de 1984/85-
celles des utilisateurs potentiels des syst
e- 2004/2005 : cultures traditionnelles et riz
mes d’alertes pr
ecoces dans le Sahel : des plaines irrigu
e es et bas-fond am
e nag

e es.
– les variables pr
evues ne sont pas Ouagadougou (Burkina Faso) : DGPSA.
celles qui int
eressent les agriculteurs. Conclusion

FAO, 2006. Evaluation des syste mes d’alerte
Par exemple, les cumuls saisonniers des pr

e coce pour la s
e curit

e alimentaire en Afrique
pluies fournis par le forum5 PRESAO Nous avons montr
e, a  partir d’un
subsaharienne. Note d’orientation no 4, novem-
mod ele stochastique simplifi
e, que bre 2006. Rome : Division FAO de l’
economie
l’impact d’une augmentation de la agricole et du d
eveloppement.
5
Des forums annuels PRESAO et GHACOF
fr

equence de mauvaises ann
ees de
production reste tres co^uteux pour l’agri- Freund RJ, 1956. The introduction of risk into a
(Greater Horn of Africa Climate Outlook Forum) programming model. Econometrica 24 : 253-63.
r

eunissent les experts du climat et de la culteur sah
elien. Lorsque le risque de
m
et

eorologie appartenant aux services mauvaises ann
ees est multipli
e par 3,5, Friedman M, Savage JL, 1948. The utility analysis
m
et

eorologiques et hydrologiques nationaux l’agriculteur voit sa richesse baisser de of choices involving risk. Journal of Political
pour r

ealiser une pr
 venir
evision de la saison a 34 % par rapport a  sa richesse initiale, et Economy 56 : 279-304.
chaque ann
ee depuis 1998 (Ward et al.,
2004). Les plus grands centres internationaux ce malgr
e une r
eorganisation des syst e- GWP-WATAC, 2000. Water for the 21st
(ECMWF, UKMO, M
et

eo-France, NCEP et IRI) mes de cultures vers des sp
eculations century. Vision to action for West Africa.
 ces forums.
contribuent a plus r

esistantes. Nous avons e
galement Ouagadougou : Global Water Partnership-West

62 S

e cheresse vol. 24, n8 1, janvier-f

e vrier-mars 2013
 Africa Technical Advisory Committee (GWP-
WATAC).
Hazell PBR, Norton RD, Parthasarathy M,
Pomareda C, 1983. The importance of risk in
agriculture planning models. In : Norton RD,
Solis ML,
eds. The book of CHAC: programming
studies for Mexican agriculture. Baltimore
(Maryland, USA) : Johns Hopkins University
Press.
IPCC, 2007. Climate change 2007: synthesis
report, contribution of working groups I, II and III
to the fourth assessment report of the Intergo-
vernmental Panel on Climate Change. Pachauri
RK, Reisinger A, eds. Geneva (Switzerland) :
IPCC.
Lecaillon J, Morrisson C, 1984. Politiques macro-
e
conomiques et performances agricoles. Le cas
Copyright © 2017 John Libbey Eurotext. Téléchargé par un utilisateur anonyme le 05/03/2017.
S

e cheresse vol. 24, n8 1, janvier-f

e vrier-mars 2013
de la Haute-Volta. Paris : OCDE, Centre de
d
eveloppement.
Meyer J, 2002. Expected Utility as a paradigm for
decision making in agriculture. In : Just RE, Pope
RD, eds. A comprehensive assessment of the role
of risk in U.S. agriculture. Boston: Kluwer
Academic Publishers.
Ministere de l’Agriculture, 2008. Cahier d’un
projet d’investissement. Dakar (S
en
egal) : minis-
tere de l’Agriculture.
Neuman AV, Morgenstern O, 1947. Theory of
games and economic behaviour. Princeton :
Princeton University Press.
OCDE/CSAO, 2008. Climat, changements
climatiques et pratiques agro-pastorales en zone
sah
e lienne. Synth
e se r

e gionale. OCDE/CSAO,
CILSS, FAO.
Roudier P, Sultan B, Quirion P, Berg A, 2011. The
impact of future climate change on West African
agriculture: what does the recent literature say?
Global Environmental Change-Human and Policy
dimensions 21 : 1073-83.
Simmons RJ, Pomareda C, 1975. Equilibrium
quantity and timing of Mexican vegetable
exports. American Journal of Agricultural Eco-
nomics 57 : 472-9.
Sultan B, 2011. L’
e tude des variations et du
changement climatique en Afrique de l’Ouest et
ses retomb

e es soci

e tales. HDR, universit
e Pierre-
et-Marie-Curie, Paris.
Ward N, Cook K, Diedhio A, Fontaine B,
Giannini A, Kamga A, et al., 2004. Seasonal-
to-decadal predictability and prediction of West
African climate. CLIVAR Exchanges 9 : 14-20.
63