IDENTIFICATION DES VARIABLES DU MODELE

Le modèle d’analyse est bâti autour des données de suivi auprès du producteur et des informations relatives à son environnement. Ainsi, cette section définit les différentes variables introduites dans le modèle et leur signification. De ce fait, les variables dépendantes sont le niveau de productivité et le niveau de revenu. Les variables explicatives sont : la taille des parcelles, le niveau d’équipement, le coût de production, nombre d’années dans la riziculture, l’âge des producteurs, le niveau d’éducation, la taille du ménage, le nombre d’actifs du ménage, l’antécédent de crédit de l’OP (appartenance à une OP non débiteur donc éligible au crédit), la demande de crédit, le niveau de limite du crédit et le niveau souhaité de demande de crédit. On peut distinguer des groupes de variables :

Variables Zi (instruments d’accès de groupe) :

L’appartenance à une organisation de producteurs non débitrice est un gage d’accès au crédit.

En effet, le crédit agricole formel est attribué par la filiation à un GIE et non sur la base individuelle. Ensuite le mécanisme est fait de telle sorte que l’acceptation de crédit dépend du statut créancier du GIE vis-à-vis de la banque. C’est une variable binaire qui indique le statut par rapport à la banque du GIE de l’exploitant. Elle prend la valeur 1 si le GIE de l’exploitant est endetté et 0 si non.

L’appartenance à un village encadré par la structure de développement de la zone, la SAED facilite l’accès au crédit. Auparavant, avant la libéralisation, elle fournissait le crédit après évaluation des superficies à emblaver à travers des bons de crédit CNCAS et récupérer le remboursement en nature pour les revendre à fin de solder la banque. Après la libéralisation, cette structure technique d’encadrement a pour mission de promouvoir le développement de la riziculture et assiste les producteurs pour leur prise en charges dans les programmes de crédit.

Elle joue seulement le rôle d’intermédiation entre la banque et le groupement des producteurs en évaluant les superficies de mise en valeur par campagne et par union hydraulique (données de base de la banque) et en conseillant les producteurs sur les dossiers techniques de financement. On suppose que leur présence, malgré les réformes sur la libéralisation, facilite

114

l’accès. Cette variable est binaire et prend 1 si le producteur est dans un village encadré et 0 autrement.

L’appartenance à une zone agro-écologique donnée peut être source d’accès au crédit. La zone est supposée être un facteur de différenciation, mais également un facteur d’influence d’accès au crédit. En effet, il y a une forte variabilité entre les zones de production dû à la massification d’interventions des services déconcentrés de l’Etat, des bailleurs, ONG, etc., dû aussi aux pratiques culturales du riz (production à vocation commerciale ou auto-consommation, ou à forte mécanisation), etc. On note que la zone du delta est fortement plus encadrée que la moyenne vallée. Des sources secondaires montrent que les premiers périmètres irrigués de la puissance publique transférés aux producteurs se trouvent être dans le delta et ceci présage des avantages d’expériences et de collaboration facilitant à l’accès aux services y compris le crédit. L’effet zone est identifié par une variable binaire dont 1= delta et 0 autrement.

Variables Xi (instruments d’accès individuel) :

Le producteur débiteur est un statut qui influe négativement sur l’accès au crédit. En effet, même si c’est le statut débiteur du GIE qui donne accès au crédit pour tout le groupe, il arrive que le groupe paie pour les mauvais payeurs pour ne pas être sanctionné et privé de crédit.

Ainsi, le groupe peut avoir accès et le producteur non. Il est sanctionné par son groupe parce qu’il n’a pas remboursé. Cette variable est définie binaire pour le statut créancier du producteur égale 1 et zéro pour le contraire.

L’âge est une caractéristique socio-démographique qui peut influencer sur l’accès et la demande de crédit. On suppose que plus on est jeune, plus on est ambitieux et on est ouvert à l’innovation et aux systèmes institutionnels actuels y compris le crédit.

La taille du ménage renseigne sur le niveau de charges familiales qui influent sur les aspects de recherche de revenus plus élevés et incitent à la demande de crédit. Tandis que le nombre d’actifs du ménage indique le niveau de main d’œuvre mobilisable pour les activités et peut ainsi diminuer les besoins de recrutement par exemple dans les postes de labour, de semis, de surveillance contre les oiseaux, de récolte et de battage. Ces postes sont les plus exigeants en main d’œuvre dans la production rizicole (Fall, 2005). Cela montre autrement aussi la possibilité de prendre en charge jusqu’à terme la conduite de la culture. Ainsi le nombre

115

d’actifs a été retenu comme critère d’influence d’accès et de demande de crédit. Ici on oppose souvent le facteur adulte qui travaille au champ et les enfants en tant charges d’entretien.

Le sexe est aussi une autre caractéristique qui peut influer sur l’accès au crédit. On dit souvent que les attributions des aménagements publics ont favorisé les hommes à cause de leur statut de chef d’exploitation. Ils sont généralement favorisés dans les programmes de crédit car ayant été officiellement attributaires et supposés avoir des biens mobilisables pour la garantie de crédit.

L’ethnie est aussi considérée comme facteur d’accès probable. En effet, l’ethnie wolof est considérée dans la localité comme « affairiste », plus ouvert au contact avec les structures institutionnelles de la place et dirige la plupart des mouvements associatifs. On considère cette variable ethnie binaire avec 1= wolof et zéro autrement.

Le niveau d’éducation influe sur les prises de décisions pour tout ce qui peut améliorer la productivité, permet aussi de mieux maîtriser les circuits financiers et les procédures et de mesurer les risques encourus. Généralement, le niveau d’instruction de la population rurale est très faible. On note cependant, que les producteurs de la vallée sont plus instruits que ceux du reste du pays. Ce facteur d’influence sur l’accès au crédit est subdivisé en alphabétisé, niveau primaire et minimum secondaire.

L’existence de profession secondaire à côté de la riziculture est aussi considérée comme une garantie de solvabilité et donc d’accès au crédit. Cette variable est binaire avec statut de seconde profession=1 et zéro =non.

Le nombre d’années dans la riziculture indique l’expérience de l’exploitant. Autant on a duré dans la production rizicole, autant l’exploitant maîtrise les procédures d’accès au crédit et les règles du jeu. Cette expérience peut aussi donner à penser à l’ouverture au progrès et de saisir toutes les opportunités pour améliorer le système de production.

Variables qui définissent la demande et l’accès au crédit :

La demande de crédit montre l’expression des besoins. Ici, on définit cette variable en binaire si on a demandé le crédit oui =1 ou non=0. Cette demande de crédit est déterminée par les postes couverts officiellement par l’institution de crédit. En effet, certains intrants sont pris en

116

charge et d’autres non par le crédit formel. Par exemple, l’offset, la semence, les engrais, les produits phytosanitaires, l’irrigation et la sacherie sont couverts par le crédit. Ces postes sont évalués à l’hectare selon la norme recommandée et en fonction des prix en vigueur des fournisseurs. Si on veut 350 kg d’engrais DAP à l’hectare alors que la norme recommandée (par la structure d’encadrement ici la SAED) est de 300 kg DAP, seules ces 300 kg seront financées par la banque. C’est au producteur d’utiliser d’autres recours pour prendre en charge l’extra. Ainsi donc la demande officielle est connue par hectare. Ceci peut être aussi appelé la limite du crédit. Aussi, pour évaluer la demande effective, nous avons introduit la notion de crédit souhaité par type d’intrant. Cette variable binaire permet d’identifier les types de charge que le producteur souhaite couvrir par le crédit et d’estimer la demande réelle souhaitée. Cette demande réelle de crédit est définie par les besoins souhaités obtenus ou non.

La contrainte de crédit est ainsi définie comme le niveau de satisfaction des besoins réels à partir du niveau de crédit obtenu.

Ainsi, l’accès (A=0 ou A=1) est défini comme suit :

A= 0 si la demande est positive (Yd >0) et l’Offre de crédit est égale à zéro (Yo=0). On ne peut pas parler d’accès s’il n’y a pas de demande. Donc, si la demande existe et on n’a pas accordé on déduit qu’il n’y a pas d’accès au crédit.

A=1 si offre est positive. Il y a accès dès que l’offre de crédit existe. Si un des différents intrants est acheté à crédit, le producteur a accès au crédit quelque soit le niveau du montant.

Cependant, l’offre de crédit qui permet l’accessibilité peut être très limitée. Ainsi, on introduit la notion de contraintes de crédit (C) avec demande de crédit supérieure à l’offre (Yd > Yo ).

Ainsi la contrainte existe (C=1) si la demande réelle de crédit est supérieure à l’offre (Yd >

Yo). Cette contrainte n’existe pas (C=0) si l’offre est supérieure ou égale à la demande réelle.

En définitive, l’accès au crédit auprès d’une source (ici la source formelle, la CNCAS) est mesuré par le maximum (sa limite de crédit) qu’un producteur peut emprunter. Si le montant est positif, on dit que le producteur a accès au crédit. Par contre, la contrainte de crédit existe s’i y a manque d’accès ou si le producteur ne peut emprunter autant qu’il veut.

Ainsi, la demande de crédit, l’offre et la limite de crédit ; et les résultats des équations présentées constituent des systèmes récursifs d’équations simultanées avec les variables

117

exogènes et endogènes représentées par les caractéristiques socio-démographiques des producteurs et celles-ci liées à leur communauté.

3.5. CONCLUSIONS

La problématique de l’évaluation de l’impact est récurrente dans plusieurs programmes de développement. L’Etat, les bailleurs de fonds, les partenaires au développement, les collectivités locales, etc. veulent savoir l’incidence de leur programme ou politique sur leur cible. L’ensemble de ces décideurs, à tous les niveaux, exige l’évaluation de l’impact de leurs interventions. En effet, l’allocation optimale des ressources qui deviennent de plus en plus rares, justifie que l’on rende compte. Cependant, le problème principal de l’évaluation des impacts reste dominé par la question du contre factuel qui induit, le plus souvent, à la problématique du biais de sélection. Des approches d’évaluation de l’impact de divers types de programme, autrefois disparates et couvrant différentes sous disciplines en économie et en statistique, sont entrain de converger vers un cadre méthodologique unifié au sein duquel l’impact des changements politiques, de technologies, etc. sur des résultats de comportement, d’environnement, ou de bien être, peut être évalué avec un niveau de rigueur satisfaisant du point de vue économique que statistique. L’approche contre factuelle utilisée a permis d’avancer dans la réflexion sur les effets de traitement dans les sciences sociales. Ainsi, les économistes parviennent à parler le même langage que les statisticiens. Le biais de sélection dans l’identification des paramètres estimateurs dans la population s’améliore.

Comme toute méthode, l’approche présente néanmoins des limites. Il est évident que la formulation mathématique de la fonction frontière suivant une logique de maximisation d’output, conduit à réduire les schémas explicatifs à un nombre limité de variables quantifiables. D’autre part, la situation globalisante et systémique au niveau du ménage agricole pose le problème du choix de financement d’une culture par rapport à l’ensemble des activités. On note ainsi des difficultés de prendre en compte la rationalité interrelationnelle des membres et divers produits du ménage dans la modélisation. En effet, un système, selon Boudon et Bourricaud (1994), est finalement une « somme de relations interactives présentes dans la réalité dont les caractéristiques sont certes, objectivement observables et qui, en vertu du rapport nécessaire qui existe entre ses parties, tout changement d’un terme, produit un précipité qui agit sur l’équilibre de l’ensemble ». Bertalanfly cité dans le même ouvrage soutient qu’un système est un ensemble d’éléments interdépendants, c’est à dire liés entre eux par des relations telles que si l’une est modifiée, les autres le sont aussi et que, par conséquent, tout l’ensemble est transformé. Par ailleurs, la rationalité «procédurale» des

118

agents économiques prônée par l’économie institutionnelle est aussi contraignante dans une formalisation mathématique. On a donc tendance à exclure plusieurs paramètres dans la formulation de la réalité. Néanmoins, le paramètre résiduel prend en charge plusieurs variables non observées et le chi-square tente d’expliciter la représentativité des variables explicatives prises dans le modèle.

Sur le choix de la culture dans une approche systémique, le principe reste que l’objectif visé est l’amélioration du bien être du ménage qui exerce différentes activités pour y arriver.

L’allocation des ressources sur ces différentes activités suit la même logique. Ainsi, l’efficacité allocative des ressources sur le riz obéit au principe de l’approche qui soutient qu’un système est un ordre où les différentes parties se soutiennent toutes mutuellement. La vision systémique du ménage agricole a aussi besoin de singulariser les produits, les activités et les besoins pour apprécier l’apport quantitatif et qualitatif de chacun dans l’ensemble. Isoler le besoin de financement de la production du riz dans les besoins de financement globaux du ménage suit cette logique de la spécificité dans la diversité.

A coté de l’approche itérative et institutionnelle, nous avons aussi besoin, de développer des modèles d’explication du comportement des agents économiques rationnels pour identifier l’effet d’une réponse. Ceci est capital pour apporter des changements jusqu’à ce que l’on obtienne la ou les réponses souhaitées. Par ailleurs, la conception théorique ne peut être admise que si ses fondements peuvent être vérifiés. L’approche quantitative dans la formulation mathématique permet d’avoir des tendances et des magnitudes au regard desquelles on a des variables de synthèse sur l’événement étudié. En plus, chaque étape de l’évolution de la modélisation alimente, questionne et éprouve le besoin d’enrichir les connaissances et de faire progresser la science. La formulation mathématique produit des connaissances organisées qui vont susciter des questionnements en confrontation avec la réalité et invoque d’autres questionnements qui interpellent et mobilisent la communauté scientifique en vue d’approfondir la réflexion. Les méthodes d’évaluation (de productions de connaissances) sont variées et diverses, chacune ayant ses avantages et ses points faibles.

L’exercice n’est pas de chercher quelle est la vraie « théorie » pour paraphraser Popper (1990) et cité par Wampfler (2004) mais « à donner les raisons critiques de nos choix, à expliquer pourquoi nous préférons une théorie à une autre, …, et en dernière instance à soumettre les hypothèses à un examen critique afin de déterminer celle qui- relativement parlant- doit être préférée »

119

CHAPITRE IV : TYPOLOGIE DES PRODUCTEURS ANALYSE