The World’s Largest Open Access Agricultural & Applied Economics Digital Library

This document is discoverable and free to researchers across the

globe due to the work of AgEcon Search.

Help ensure our sustainability.

Give to AgEcon Search

AgEcon Search
http://ageconsearch.umn.edu
aesearch@umn.edu

Papers downloaded from AgEcon Search may be used for non-commercial purposes and personal study only.
No other use, including posting to another Internet site, is permitted without permission from the copyright
owner (not AgEcon Search), or as allowed under the provisions of Fair Use, U.S. Copyright Act, Title 17 U.S.C.
 Invited paper presented at the 6th African
Conference of Agricultural Economists,
September 23-26, 2019, Abuja, Nigeria

Copyright 2019 by [authors]. All rights reserved. Readers may make verbatim copies of this
document for non-commercial purposes by any means, provided that this copyright notice
appears on all such copies.
 Analyse de l’efficacité technique des producteurs d’œufs de volaille en
République du Bénin
Géraud Fabrice CRINOT*1 ; Patrice Ygué ADEGBOLA2 ; Annick Lise ATACOLODJOU1 ; Serge
E. MENSAH2, 3 ; Baudelaire Yannick Fabius KOUTON-BOGNON1
1
Centre International de Recherche et de Formation en Sciences Sociales (CIRFOSS), Abomey-
Calavi
2
Institut National des Recherches Agricoles du Bénin (INRAB), 01 BP 884, Benin;
3
Laboratoire de Recherche Zootechnique Vétérinaire et Halieutique (LRZVH)/ INRAB
*Auteur correspondant, E-mail : fabcrinot@yahoo.fr , Tél : (+229) 97 74 08 65, 06 BP 1981

Résumé
Au Bénin, la consommation d’œufs de volaille en milieu urbain s’est accrue ces dernières années.
L’étude a été réalisée afin de comprendre facteurs déterminants de l’inefficacité technique des
producteurs d’œufs de volaille. Les niveaux d’efficacité technique des producteurs ont été estimés à
partir l’approche frontière stochastique. L’étude a été réalisée à partir d’un échantillon de 167 éleveurs
répartis dans 4 Pôles de Développement Agricoles (PDA). Les résultats ont montré que les
producteurs d’œufs de volaille sont faiblement efficaces soit un indice moyen de 0,38. Les facteurs
significatifs à la production d’œufs sont la taille de la ferme, la quantité main d’œuvre salariée et les
couts de l’alimentation. La fonction de production Cobb douglas, a permis de montrer que les
producteurs ne sont pas efficaces du fait leur de l’inefficacité technique. Ainsi, 71% de variation de
l’output serait due à l’effet de l’inefficacité technique, et 29% serait due aux effets aléatoires.
Mots-clés : efficacité, frontière stochastique, déterminants, volaille, production

Abstract
In Benin, the consumption of poultry eggs in urban areas has increased in recent years. The study was
conducted to understand the determinants of the technical inefficiency of poultry egg producers.
Levels of technical efficiency of producers were estimated from the stochastic frontier approach. The
study was conducted from a sample of 167 farmers distributed in 4 Agricultural Development Poles
(PDA). The results showed that poultry egg producers are weakly efficient at an average index of
0.38. Significant factors in eggs production are the size of the farm, the labor hired and the feed costs.
The production function Cobb Douglas, showed that the eggs producers are not efficient because of
their technical inefficiency. Thus, 71% of variation in output would be due to the effect of technical
inefficiency, and 29% would be due to random effects.
Keywords: efficiency, stochastic frontier, determinants, poultry, production

1. Introduction

Du fait de la poussée démographique que connaît l’Afrique occidentale, les productions animales
demeurent insuffisantes pour satisfaire les besoins des populations en protéines animales (Ayssiwede
et al. 2013). Au Bénin, comme dans la plupart des pays de l’Afrique Subsaharienne, deux types
d’élevages avicoles qui coexistent à savoir l’élevage avicole traditionnel et l’aviculture moderne qui
est récente et prend de plus en plus d’importance (Onigbon & Sodegla 2004). Dans l’élevage de
volailles familiales, l’élevage traditionnel assure 70% de la production totale d’œufs et de viande de
volaille dans les pays à faible revenu où les produits alimentaires sont en déficit (Sonaiya & Swan
2004). La FAO estime que le Bénin a un niveau de consommation d’œufs et d’ovo-produits
particulièrement faible (1,20 Kg/an), bien en deçà de la moyenne mondiale qui est de 8,90 Kg/an
(FAO 2012). Selon les statistiques de la Direction de l’Elevage, le Bénin dispose d’un cheptel avicole
non négligeable. Ce cheptel estimé à 13 millions de poulets locaux en 2004 est passé à 18 millions
en 2014 (DE 2014).
L’aviculture représente une activité pratiquée par la majorité des ménages aussi bien en zone rurale
qu’en zone périurbaine et occupe une place de choix dans les stratégies de développement et de lutte
contre la pauvreté dans la plupart des pays d’Afrique subsaharienne compte tenu des potentialités à
savoir : courte durée du cycle de reproduction et de production, retour rapide sur les investissements,
forte accessibilité à toutes les couches sociales (Bebay 2006; Traoré 2006). Plus particulièrement,
l’aviculture traditionnelle joue un rôle clé dans la quête de l’autosuffisance et de la durabilité de la
sécurité alimentaire et contribue aux moyens d’existence des populations rurales sur les plans
religieux, social et culturel (Dissie & Ogle 2001; Missouhou et al. 2002; (Youssaou & Dahouda
2013). De plus la volaille traditionnelle représente une source de revenus pour les exploitants pauvres
en milieu rural, notamment les femmes, voire pour l’économie des états, mais aussi d’engrais
organiques pour l’agriculture (Sonaiya 1997 ; Alders 2005). Les œufs de table constituent le principal
produit des aviculteurs modernes béninois. Les estimations de la production d’œufs de table se basent
sur les pondeuses, avec un taux de ponte moyen annuel de 260 œufs par poule et sur la base de poids
moyen d’un œuf (60g) (Onigbon & Sodegla 2004). La par ailleurs, les CVA œufs de table prend en
compte les œufs des poules pondeuses et les œufs des poules locales consommées (FAO 2015).
En effet, ces dernières années dans la région ouest africaine, le niveau de performance des industries
de production de volaille est allé en dessous des attentes parmi les autres facteurs, le coût élevé des
aliments pour animaux résultant de la fluctuation des matières premières, de la hausse des prix des
ingrédients, de la qualité médiocre des aliments et de la plus grande inefficacité de la production
(Ashagidigbi et al. 2011). En aviculture, le niveau de performance n’est pas bien maitrisé par les
acteurs, ce qui entraine une baisse de production en viande et en œufs. Ainsi, l’offre de l’aviculture
traditionnelle et moderne n’arrive pas à couvrir la demande nationale en produits de volaille. La
demande en œufs même si des efforts sont fournis (plus de 13 000 tonnes au niveau national) est
insuffisante, d’où une importation massive de ces produits. Sur la période de 2010 à 2015, les
importations de produits (œufs de volaille) sont estimées de 42 à 203 tonnes. Il est donc nécessaire,
que la production locale puissent satisfaire la demande, mais cela passe par la connaissance des
facteurs d’inefficacité des élevages actuels pour des recommandations utiles pour les gouvernements.
L’étude tente de combler ce gap d’information et de contribuer à l’amélioration du niveau de
production des élevages modernes et traditionnelle. C’est dans cette optique que l’étude vise à évaluer
le niveau d’efficacité technique des producteurs d’œufs de volaille et d’identifier les facteurs
d’inefficacités. L’article présente dans un premier temps les matériels et méthodes de l’étude à savoir
la zone d’étude, les données collectées et la méthodologie d’analyse, puis les résultats et les
interprétations. Enfin la dernière section présente la conclusion et les implications pour le
développement.

2. Matériels et méthodes
2.1.Zone d’étude

Le Bénin est situé entre 6°30’ et 12°30’ de latitude Nord et entre 1° et 3°40’ de longitude Est avec
des zones agro-écologiques variables (INSAE 2013). La présente étude s’est effectuée au niveau de
cinq (5) pôles de développement agricoles (PDA) à savoir les Pôles 2, 3, situés dans la zone
soudanienne, le Pôle 4 dans la zone soudano-guinéenne , et les Pôles 5, 7 dans la zone guinéenne
(Adégbola et al. 2018). Ces pôles ont été choisis parce qu’ils sont des pôles de production de volaille
au Benin. Au niveau de chaque PDA, le choix des communes a été fait en tenant compte du niveau
de production de volaille. Ainsi les communes de faible et de forte production de volaille ont été
choisies. Ainsi, les communes de Parakou, Banikoara, Kérou, Matéri, Toucountouna, Glazoué,
Allada, Lokossa, Zogbodomey, et Lalo ont été sélectionnées pour la conduite de l’étude.

2.2. Echantillonnage
Compte tenu du nombre restreint d’acteurs dans le domaine de la production de volaille, la taille
minimum des producteurs à enquêter par commune a été fixée à 20 aviculteurs. Soit un effectif de 40
aviculteurs par PDA. Au total, l’étude a porté sur un échantillon de 200 aviculteurs, tous sélectionnés
de manière aléatoire. Compte tenu de l’indisponibilité de certains aviculteurs, les données ont été
collectées sur 167 aviculteurs.

2.3.Données collectées

Les données ont été collectées au cours de l’année 2018. Elles ont été obtenues essentiellement grâce
à des interviews en utilisant un questionnaire structuré ce qui a permis de collecter les données sur
les caractéristiques socio-économiques, les inputs, les outputs, les prix des inputs et outputs utilisés
pour la production.

2.4.Cadre théorique

L’analyse de l’efficacité a débuté à partir des travaux de (Koopmans 1951) relatifs à l’analyse de la
production et de (Debreu 1951) qui a introduit le coefficient d’utilisation des ressources (Siwé et al.
2017). A partir des travaux de (Farell 1957) sur la mesure de l’efficacité technique, la méthode
d’estimation des frontières d’efficacité s’est développée à partir de l’observation de situations réelles
de production (Siwé et al. 2017). Deux approches fondamentales ont été développées pour
l’estimation de l’efficacité technique : l’approche non paramétrique et l’approche paramétrique.
L’approche non paramétrique, n’est liée à aucune forme fonctionnelle précise et est généralement
obtenue à travers un modèle de programmation mathématique. La méthode la plus courante pour cette
approche est la méthode DEA (Data Envelopment Analysis). Cette méthode dite déterministe,
développée par (Banker et al. 1984), ne prend pas en compte les variations aléatoires qui pourraient
influencer l’efficacité ou l’inefficacité d’une exploitation (Labiyi et al. 2014).
La frontière de production dite paramétrique impose une forme fonctionnelle fonction de production,
fonction de cout et fonction de profit (Cobb douglas, CES, Translog). La frontière stochastique de
production, initialement proposée par Aigner et al. (1977) et Meeusen & Van den Broeck (1977) a
été appliquée et modifiée dans de nombreuses études (Labiyi et al. 2014). Battese & Coelli (1995)
ont développé leur fameux modèle avec les effets d’inefficience technique. Ce modèle est devenu très
populaire car il permet de tenir compte des effets des variables spécifiques aux firmes sur l’efficience
technique. Les approches paramétriques peuvent être elles-mêmes regroupées en deux grandes
catégories selon que la frontière est déterministe ou stochastique et selon que la méthode d’estimation
de la frontière est inférentielle avec recours aux MCO ou avec recours au Maximum de vraisemblance
(Soulama 2008).
Les approches déterministes ne présentent aucune propriété statistique permettant de vérifier des
hypothèses et sont très sensibles aux observations extrêmes. Ces insuffisances reconnues aux
frontières déterministes font que les frontières stochastiques sont largement plus utilisées. Ces
approches permettent de corriger les insuffisances de l’erreur terme, et le «one sided inefficiency »
qui correspond à l’inefficacité (Yuengert 1993 ; Griffin & Steel 2007). En effet, l’estimation de
l’efficacité peut être subdivisée en trois types (efficacité technique, allocative et économique).
L’efficacité technique se réfère à la capacité d’une unité de production à utiliser les meilleurs
pratiques dans le processus de production de manière à ne pas utiliser plus que la quantité nécessaire
d’un ensemble d’intrants donné pour produire le «meilleur» niveau de production (Carlson 1972) ;
Ezeh et al. 2012). L’efficacité allocative fait référence au choix de la combinaison optimale d’intrants
compatible avec les prix relatifs des facteurs (Nwaru 1993; Ezeh et al. 2012). D’autre part, l’efficacité
économique est la capacité d’une ferme à maximiser ses profits (Ezeh et al. 2012).
La fonction de production stochastique est représentée dans l’équation (1) suivante :

Yi=F (Xi, β) exp(Vi – Ui) (1)

Avec Yi l’output de production, Xi les inputs de production, le β désigne le vecteur des paramètres de
fonction de production, Vi est le terme d’erreur et Ui est la valeur positive d’une variable aléatoire à
laquelle on associe l’effet d’inefficacité technique des producteurs. Selon Panda (1996), les Vi ont
une distribution normale dont la moyenne µv=0 et la variance σv2 une constante, et sont indépendants
des Ui, qui sont supposés avoir une distribution semi-normal avec aussi une moyenne µu=0 et une
variance constante σu2. La méthode de vraisemblance est utilisée pour estimer les paramètres du
modèle.
Dans ces conditions, le ratio de la valeur observée de l’output de l’ième producteur par rapport à
l’output potentiel défini par la frontière de production, compte tenu des inputs de production xi, est
utilisé pour calculer son efficacité technique (ETi). Ainsi, nous avons :

𝑦𝑦𝑦𝑦 𝑒𝑒𝑒𝑒𝑒𝑒(𝛽𝛽 ∑ 𝑙𝑙𝑙𝑙(𝑥𝑥𝑥𝑥)−𝑢𝑢𝑢𝑢)

ETi=𝑒𝑒𝑒𝑒𝑒𝑒(𝛽𝛽 ∑ 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙) = 𝑒𝑒𝑒𝑒𝑒𝑒(𝛽𝛽 ∑ 𝑙𝑙𝑙𝑙(𝑥𝑥𝑥𝑥)
= exp(-Ui) (2)

Le terme aléatoire est généralement lié à l’existence d’inefficacité technique. Pour tester l’existence
d’inefficacité technique, Coelli (1996) a suggéré d’utiliser le test unilatéral du ratio de vraisemblance
généralisé. Cette procédure conduit au calcul du ratio de vraisemblance par la formule :

LR= -2[ln(l(H0)/l(H1))] = -2[ln(l(H0)) - ln(l(H1))], (3)

Avec l(H0) et l(H1) les valeurs de la fonction de vraisemblance respectivement sous les hypothèses
H0 et H1. Pour la mesure de l’efficacité, les facteurs qui influencent cette efficacité peut-être analysé.
Deux approches peuvent être utilisées : méthode à une étape, et la méthode en deux étapes.
L’estimation des inefficacités suit fréquemment deux étapes selon la littérature (Labiyi et al. 2014).
Cependant, Kumbhakar et al. (1991) a montré que la procédure à deux étapes donne des paramètres
inconsistants qui entrainent des estimations inappropriées de l’inefficacité technique (Sodjinou,
2011). Dans cette étude, la procédure à une étape a été utilisée pour estimer les inefficacités.
L’équation de détermination de l’inefficacité se décrit comme suit :

µ = δ0 + ΣδmZm (4)

Où le terme d’inefficience suit une distribution troncature normal u ̴ N (µ, δ2), avec le paramètre
estimé et les caractéristiques socioéconomique et technique de la ferme.

2.5. Spécification du modèle de frontière stochastique

Les méthodes d’analyses des données ont pris en compte les statistiques descriptives pour la
description des caractéristiques socio-économiques des fermes avicoles. La fonction stochastique de
production a été estimée par la Méthodes de Maximum de Vraisemblance (MMV). La fonction
stochastique de type Cobb Douglass, est le modèle utilisé dans cette étude pour l’estimation du niveau
d’efficacité des producteurs d’œufs de volaille. La forme fonctionnelle se décrit comme suit :

Ln(QDti)=β0+ β1Ln(Tailli) + β2Ln(MOSi) + β3Ln(ALIi) + β4Ln(VETi) + Vi-Ui (i=1,2,……n) (5)

Où :
- QDti : Nombre d’œufs produits par année du producteur i; cette variable constitue l’output.
Ashagidigbi, et al. al. (2011) a également utilisé pour l’estimation de la frontière de production
le nombre d’œufs produits.
- Tailli : Nombre de têtes de volaille par année du producteur i, est un facteur important dans
l’élevage animal. En effet, le nombre de volaille constitué pour la plupart de poule pondeuse
sont nécessaires à la production agricole. Ashagidigbi et al. (2011) considère également ce
facteur pour l’estimation de la fonction de production. Pour Ohajianya et al. (2013) le nombre
d’animaux a été utilisé dans la fonction de production.
- MOSi : Quantité main d’œuvre salariée en homme-jour du producteur i; détermine la force
du travail dans le cycle de production. De nombreux auteurs ont estimé l’efficacité technique
en tenant compte de cette variable (Ohajianya et al. 2013 ;Siwé et al. 2017 ; Ashagidigbi et
al. 2011).
- ALIi : Cout de l’alimentation (FCFA/an) du producteur i; qui représente les couts de tous
aliments destinés à l’alimentation (Sodjinou, 2011 ; Binuomote et al. 2008)
- VETi : Frais de service vétérinaires (FCFA/an) du producteur i; représentent les frais des
soins de santé des animaux à savoir les vaccins, médicaments et les frais de traitements
vétérinaires (Sodjinou 2011 ;Nwaru 1993)

L’estimation par la méthode de Maximum de Vraisemblance a permis de déterminer et d’interpréter

les paramètres λ, δ, et γ.

2.6.Estimation de l’inefficacité technique

Dans la littérature, de nombreux auteurs ont pris en compte dans les modèles d’efficacité, les facteurs
socio-économique tels que l’âge de l’éleveur, la taille du ménage, alphabétisation, le nombre d’actif
du ménage, le sexe de l’éleveur, le contact avec des structures d’encadrement qui influencent le
niveau d’inefficacité de l’exploitation (Labiyi et al. 2014; Ezeh et al. 2012; Sodjinou 2011). Par
ailleurs, les facteurs techniques liés à l’exploitation tels que les caractéristiques ou les modes de
l’élevage, le contact avec des structures d’encadrement sont susceptibles d’influencer l’inefficacité
des exploitations (Sodjinou 2011; Binuomote et al. 2008; Nwaru 1993). L’équation (6) présente la
spécification du modèle d’inefficacité retenue pour cette étude.

µi = δ0 + δ1AGE + δ2TAIL+ δ3ACTIF + δ4SEX + δ5ENCA+ δ6TYPEL+ δ7MOHAB+ δ8ALPHAB (6)

avec AGE l’âge de l’éleveur, TAIL la taille du ménage, ACTIF le nombre d’actif du ménage, SEX le
sexe de l’éleveur, ENCA le contact avec des agents d’encadrement, TYPEL le type d’éleveurs,
MOHAB le mode d’habitat des volailles, et ALPHA, l’alphabétisation.
Le tableau 1 présente les signes attendus des variables du modèle.

Tableau 1. Description des variables du modèle d’inefficacité

Variables Modalités Signe attendus
Age de l’éleveur Variable continue +/-
Taille du ménage Variable continue +
 Nombre d’actif du ménage dans le Variable continue +
ménage
Sexe de l’éleveur Variable qualitative +/-
(1=Masculin ; 0=Féminin)
Contact avec des structures Variable qualitative +
d’encadrement (1=oui ; 0=non)
Eleveur de poulets locaux Variable qualitative -
(1=oui ; 0=non)
Eleveur de poulet de race Variable qualitative +
(1=oui ; 0=non)
Producteur d’œufs de table Variable qualitative +
(1=oui ; 0=non)
Habitat moderne Variable qualitative +
(1=oui ; 0=non)
Habitat semi-moderne Variable qualitative +/-
(1=oui ; 0=non)
Alphabétisation Variable qualitative +
(1=oui ; 0=non)

3. Résultats et discussions
3.1.Description des producteurs d’œufs de volaille

Dans le tableau 2 est présenté les statistiques descriptives des variables pour l’estimation de la
fonction de production frontière. La valeur moyenne de la productivité des œufs par les exploitations
est de 6131 œufs/an. Ce qui est en dessous du niveau de production moyenne. La moyenne d’œuf
produit par an est de 275 œufs pour une pondeuse (FAO 2015). Le nombre de tête disponibles par
année est en moyenne de 1145 têtes. Par ailleurs, la quantité de main d’œuvre salariée utilisée en
moyenne par an est de 341 homme-jour. Le cout de l’alimentation est de 81203 FCFA/an avec des
frais de services vétérinaires à 32680 FCFA/an.
L’âge moyen des éleveurs est de 44 ans ce qui signifie que les éleveurs sont relativement jeunes. En
effet, 35% des éleveurs sont alphabétisés. La taille moyenne du ménage est de 8 personnes avec un
nombre actif dans l’élevage de 4 personnes. Les éleveurs de l’étude sont majoritairement des hommes
soit 91% et 9 % de femmes. Très peu d’éleveurs sont en contact avec des structures d’encadrement,
soit 2%. En ce qui concerne les habitats pour les volailles, 38% des éleveurs utilise des habitats
modernes, soit des poulaillers construits en matériaux définitifs avec les installations requises. Par
contre, 19% des éleveurs effectuent l’élevage avec des habitats semi-moderne, utilisant à la fois des
habitations traditionnels et modernes.
Table 2. Statistiques descriptives des producteurs d’œufs de volaille dans la zone d’étude
Variables quantitatives Moyenne Ecart-type
Nombre d’œufs produits (œufs/ an) 6131.42 1577.2
Taille de la ferme (nombre de têtes/an) 1145.61 3122.634
Quantité main d’œuvre salariée (homme- 341.96 389.5586
jour/an)
Cout de l’alimentation (FCFA/an) 81203.17 71225.69
Frais services vétérinaires (FCFA/an) 32680.15 55956.6
Age de l’éleveur 44.07 11.00
Taille du ménage 8.73 4.85
Nombre d’actif du ménage dans le ménage 4.07 4.02
Variables qualitatives Fréquence Proportion (%)
Sexe de l’éleveur Féminin 15 8.89
Masculin 152 91.02
Contact avec des structures Non 163 97.60
 d’encadrement Oui 04 2.40
Utilisation d’habitat moderne Non 115 68.86
Oui 52 31.14
Utilisation d’habitat semi- Non 135 80.84
moderne Oui 32 19.16
Alphabétisation Non 108 64.67
Oui 59 35.33

3.2.Efficacité technique des producteurs d’œufs de volaille

Le tableau 3 montre les coefficients estimés de la fonction de production frontière. L’estimateur de

Maximum de vraisemblance du modèle de frontière stochastique de production (LR) est
statistiquement significatif au seuil de 1%. Alors l’hypothèse nulle qui suppose l’absence de
l’inefficacité technique est rejetée. La valeur de la variance γ (0.71), indique que 71% de variation de
l’output (nombre d’œufs produits/an) serait due à l’effet de l’inefficacité technique, et 29% serait due
aux effets aléatoires. Par ailleurs, tous les facteurs de production sont positifs et significatives au seuil
de 1% et 5%. La valeur positive de ces facteurs ont été également trouvés pour la taille de la ferme,
la quantité de main d’œuvre salariée, et le cout des aliments (Binuomote et al. 2008 ; Ashagidigbi et
al. 2011; Ohajianya et al. 2013). Seule la variable couts vétérinaires n’est pas significatif.
L’élasticité de production indique le pourcentage de changement de l’output relatif à un changement
de l’input si les autres facteurs sont supposés constants (Ashagidigbi et al. 2011). Du tableau x,
l’élasticité de production des œufs de volaille pour la taille de l’exploitation est de 0,38. Ainsi, lorsque
la taille de la ferme tourne autour de 1%, la production augmente de 39%. De même, lorsque la
quantité de main d’œuvre est de 1%, la production augmente de13 %. Enfin, lorsque les couts des
aliments sont égaux à 1%, on observe une augmentation de 33%.
Tableau 3. Estimation des paramètres de la fonction de production par la méthode de maximum de
vraisemblance
Variables Coefficients Standard Errors t-statistics Elasticity
Constante 1,1189 1,4967 0,75 -
Taille de la ferme 0,5874*** 0,1566 3,75 0,3888
Quantité de main d’œuvre 0,2435** 0,1279 1,90 0,1321
salariée
Cout d’aliment 0,3171*** 0,1061 2,99 0,3317
Cout prestation vétérinaires 0,0207 0,0496 0,43 0,0313
Diagnostics tests
Sigma carré (σ2) 18,76 0,2466 - -
Gamma (γ) 0,71 2,7268 - -
LR test 38,50*** - - -
***Significatif au seuil de 1% ; **significatif au seuil de 5%, * significatif au seuil de 10%

La figure 1 présente la répartition des niveaux d’efficacité selon leur classe de score. En effet, la
moyenne d’indice de l’efficacité technique est de 0,38. Les analyses de cette figure montrent 38%
des éleveurs ont un niveau d’efficacité technique compris entre [0,00 – 0,20]. Par la suite, 25% des
producteurs disposent d’un niveau d’efficacité technique compris entre [0.21 – 0.60]. Les classes de
[0,41 – 0,60] et [0,61 – 0,80] ont des proportions respectives de 24% et 13%. Ces résultats indiquent
que l’efficacité technique des éleveurs de volaille est encore faible comparative aux résultats observés
dans la sous-région. (Ohajianya et al. 2013), trouve que 2,89 % ont des niveaux d’efficacités
inférieurs à 0,50 dans l’Etat Imo-state au Nigéria. De même, selon (Ezeh et al. 2012) 83% des éleveurs
sont compris dans la classe supérieure à 0,80. Cependant au Sud Bénin, (Siwé et al. 2017), montre
que 68% des exploitations avicoles sont efficaces avec un niveau compris entre [0,80 – 1].

40
38.32

30

25.15
Score efficiency

23.95
20

12.57
10
0

[0.00-0.20] [0.21-0.40] [0.41-0.60] [0.61-0.80]

Efficiency level

Figure 1. Distribution des niveaux d’efficacités techniques

3.3.Déterminants de l’inefficacité technique des producteurs d’œufs de volaille

Les résultats de la distribution de l’efficacité technique ont montré que près de 38% des éleveurs ont
un niveau d’efficacité très faible. Ces résultats indiquent la nécessité de déterminer les facteurs
influençant de l’inefficacité technique des producteurs. Le tableau 4 présente les coefficients des
facteurs d’inefficacité technique. En effet, l’habitat semi-moderne a une influence positive et
significative au seuil de 1%. Le signe positif montre que les éleveurs utilisant les habitats semi-
modernes ont moins de chance d’être efficace comparé à ceux qui utilisent les habitats modernes. Les
travaux (Ayssiwede et al. 2013) en Gambie ont révélé que seuls 10% des éleveurs disposaient
d’habitat ou de poulaillers acceptables. De même, au Burkina Faso, des auteurs ont indiqué une
amélioration de la conduite par l’utilisation d’habitat amélioré car le sous-secteur a bénéficié du
soutien de plusieurs programmes et projets (Ouedraogo 2010 ; Kondombo 2007 ; Ouedraogo et al.
2015). La variable éleveurs de poulets locaux présente un coefficient positif et significatif au seuil de
1%, ce qui implique que les éleveurs de poulets locaux ont moins de chance d’être efficace. Il en est
de même pour les éleveurs de poulets de race. Il été a montré que les améliorations génétiques ont un
effet positif sur le rendement des œufs (Sonaiya & Swan 2004). La taille du ménage a une influence
négative et significative au seuil de 1% et indique qu’une augmentation de taille du ménage
entrainerait une diminution du niveau d’efficacité technique. Ce résultat indique que plus le ménage
n’est important, moins la conduite des élevages est bien faite. Nwachukwu & Onyenweaku (2007),
Onyenweaku & Nwaru (2004), ont montré que la taille du ménage et l’efficacité technique étaient
négatives et étroitement liées. Ces résultats ne sont pas conformes à ceux de Ezeh et al. (2012) qui
suggère que les ménages plus grands peuvent utiliser la main-d’œuvre familiale, ce qui contribue à
réduire le coût de la main-d’œuvre et crée une base formidable pour une efficacité technique
améliorée (Mubmik & Flinn 1998). Le nombre d’actif du ménage a un effet positif sur la réduction
du niveau d’inefficacité, avec un coefficient négatif et significatif au seuil de 1%. Cependant, ce
résultat est en désaccord avec les conclusions de Siwé et al. (2017) qui estime que le nombre de
membres actifs au sein de l’exploitation exerce une influence négative et significative sur la
performance. Les exploitations disposent en moyenne d‘individus actifs sur lesquels un seul apporte
sa force de travail.
 Tableau 4. Estimation du modèle déterminant de l’inefficacité technique
Variables Coefficients Standard Errors Effet marginaux
Facteurs d’inefficacité
Constante 0,2485 2,2624 0,11
Habitat moderne -0,4384 0,3339 -1,31
Habitat semi-moderne 2,0593*** 0,4158 4,95
Age de l’éleveur 0,0373 0,0973 0,38
Carré de l’âge de l’éleveur -0,0002 0,0010 -0,27
Sexe de l’éleveur -0,4386 0,5277 -0,83
Contact avec des structures -0,6898 1,1068 -0,62
d’encadrement
Eleveur de poulets locaux 1,3067*** 0,3608 3,63
Eleveur de poulet de race 1,8202*** 0,4311 4,22
Producteur d’œufs de table -0,6248 0,4964 -1,26
Taille du ménage 0,1367*** 0,050 2,72
Nombre d’actif du ménage -0,2328*** 0,066 -3,48
Alphabétisation -0,2123 0,3232 -0,66
Sigma carré (σ2) 0,9531 0,1146
Log likelihood -344,1028***
Wald chi2 (4) 60,79
Nb observation 167
***Significatif au seuil de 1% ; **significatif au seuil de 5%, * significatif au seuil de 10%

4. Conclusion
Les résultats de l’étude ont montré que les éleveurs sont faiblement efficaces, soit 38% avec des
indices inférieurs à 0,20, 24% avec des indices compris entre 0,20 et 0,40, 25% avec des indices
compris entre 0,40 et 0,60 et 12% avec des indices supérieurs à 0,60, Ces indices montrent que les
éleveurs ne sont pas efficaces dans l’utilisation des ressources allouées à la production d’œufs. En ce
qui concerne les facteurs déterminants les scores d’efficacité, plusieurs variables influencent à savoir
: le type d’habitat (habitat moderne et semi-moderne), le type d’éleveur (éleveurs, poulets de race, et
poulet locaux), la taille du ménage et le nombre d’actif du ménage. La conclusion qui se dégage de
cette analyse est que l’État et les opérateurs privés doivent tenir compte des performances pour une
production optimale. Une attention particulière doit être mise sur l’aviculture au Bénin qui ne cesse
de s’épandre dans les milieux ruraux. Avec le nombre d’éleveurs inefficaces, cela suggère la nécessité
de renforcer les capacités des éleveurs par des formations techniques sur les méthodes efficientes
d’élevage, mais aussi de mettre ou de financier la construction d’habitats habités et modernes
d’élevage afin d’augmenter la production, leurs revenus et le bien-être des ménages producteurs. Les
campagnes de sensibilisation et de formation pourraient être renforcées, mais aussi une spécialisation
des éleveurs dans la production exclusive d’œufs de table pour la consommation permettrait d’obtenir
des résultats formidables si cette initiative est bien encadrée.

5. Remerciements

Ce travail a été entièrement financé par le Forum for African Research in Africa (FARA) dans le
cadre de l’étude « Innovation opportunities in local poultry livestock in Benin ». Nous remercions les
membres de l’équipe du Centre International de Recherche et de Formation en Sciences Sociales
(CIRFOSS), et de l’Institut National des Recherches Agricoles du Bénin (INRAB) pour avoir
contribués à la conduite de l’étude et la rédaction de cet article.

6. Références

Adégbola PY, Amagnide G, Olou DB, Sossou C H., Maboudou AG, Hinnou LH, Sedegnan A, 2018.
Pôles de Développement Agricole du Bénin : vers une régionalisation de l’agriculture béninoise
en Afrique de l’Ouest. Annales de l’Université de Parakou, 8(2): 71-82.
Aigner D, Cher AK & Schmidt P, 1977. Formulation and estimation of stochastic frontier production
function model. Journal of econometrics, 6: 21-37.
Ashagidigbi W, Sumaiman S & Adesiyan A, 2011. Technical and allocative Efficiency of poultry
eggs producers in Nigeria. Agricultural journal, 6(4): 124-130.
Ayssiwede BS, Dieng A, Houinato MR, Chrysostome C, & KM, 2013. Elevage des poulets
traditionnels ou indigènes au Sénégal et en Afrique Subsharienne: état des lieux et contraintes.
Annal Médecine Vétérinaire, 157: 103-119.
Banker R, Charnes A & Cooper W, 1984. Some Models for Estimating Technical and Scale
Efficiency in Data Envelopment Analysis. Management Science, 30(2): 1078-1092.
Battese GE, & Coelli TJ, 1995. A model for technical inefficiency effects in a stochastic frontier
production function for panel data. Empirical Economics, 20(2): 325-332.
Bebay C, 2006. Biosécurité dans les élevages avicoles à petite échelle Analyse et conditions
d’amélioration au Cameroun et au Togo. FAO.
Binuomote S, Ajetomobi J & Ajoa A, 2008. Technical Efficiency of Poultry Egg Producers in Oyo
State of Nigeria. International Journal of Poultry Science, 7(12): 1227-1231.
Carlson B, 1972. The Measurement of Efficiency in Production: An Application to Swedish
Manufacturing Industries. Swedish Journal of Economics, 72(2): 468-485.
Debreu G, 1951. The coefficient of resource utilization. Econometrica, 19(3): 273-292.
Dissie T, & Ogle B, 2001. Village poultry production systems in the central highlands of Ethiopia.
Tropical Animal Health and Production, 33(6): 521–537.
Ezeh, CI, Anyiro B & Chukwu J, 2012. Technical Efficiency in Poultry Broiler Production in
Umuahia Capital Territory of Abia State, Nigeria. Greener Journal of Agricultural Sciences,
2(1): 001-007.
FAO 2015. Secteur Avicole Bénin. Rome: Revues nationales de l’élevage de la division de la
production et de la santé animales de la FAO.
Farell MJ, 1957. The measurement of productive efficiency. Journal of the Royal Statistical Society,
120(3): 253-290.
Griffin JE, & Steel MF, 2007. Bayesian stochastic frontier analysis using WinBUGS. Journal of
Productivity Analysis, 7(3): 163-176.
Koopmans TC. 1951. An analysis of production as an efficient combination of activities. Activity
Analysis of Production and Allocation. London: Acohn Wiley and Sons Inc.
Labiyi I, Ayédèguè L & Yabi AJ, 2014. Analyse de l'efficacité économique d'allocation des
ressources dans la production de soja au Bénin. Cotonou: Premier colloque de l’association
d’économie théorique et appliquée AETA.
Meeusen W & Van den Broeck, J, 1977. Efficiency Estimation from Cobb-Douglas Production
Functions with Composed Error. International Economic Review, 18, 435-44.
Missouhou A, Dieye P & Talaki E, 2002. Rural poultry production and productivity in southern
Senegal. Livest. Res. Rural Dev., 14.
Nwaru JC, 1993. Relative Production Efficiency of Cooperative and Non- cooperative Farms in Imo
State, Nigeria. Owerri, Imo State, Nigeria: Department of Agricultural Economics, Federal
University of Technology.
Ohajianya DO, Mgbada JU, Onu PN, Enyia CO, Henri-Ukoha ABC & Godson-Ibedji C, 2013.
Technical and Economic Efficiencies in Poultry Production in Imo State, Nigeria . American
Journal of Experimental Agriculture, 3(4): 927-938.
Onigbon P & Sodegla, 2004. Etude de la sous filière "aviculture moderne" au Bénin. Cotonou.
Ouedraogo B, Bale B, Zoundi SJ & Sawagodo L, 2015. Caractéristiques de l’aviculture villageoise
et influence des techniques d’amélioration sur ses performances zootechniques dans la province
du Sourou, région Nord-Ouest Burkinabè. International Journal of Biological and Chemical
Science, 9(3): 1528-1543.
Siwé PB, Labiyi IA, & Bokossa T, 2017. Analyse de l'efficacité technique des fermes avicoles
productrices d'œufs au Sud du Bénin. archives-ouvertes.fr: 1-34.
Sodjinou E, 2011. Poultry-based intervention as tool for poverty reduction and gender empowerment:
empirical evidence from Benin. Institute of Food and Resource Economics, University of
Copenhagen.
Sonaiya E & Swan S, 2004. Production en aviculture familiale, un manuel technique. Rome.
Soulama S, 2008. Efficacité technique et inefficience à l’échelle des Institutions de Microfinance au
Burkina Faso. Orléans: Journées Internationales de Micro-intermédiation.
Traoré E, 2006. Première évaluation de la structure et de l’importance du secteur avicole commercial
et familial en Afrique de l’Ouest: rapport du Sénéga, FAO.
Youssaou AI & Dahouda, 2013. Diversité des systèmes d’élevages de bovins de race bovine Borgou
dans la zone soudanienne du Bénin. International Journal of Biological and Chemical Science,
7(1): 125-146.