HAL Id: hal-02635809
https://hal.inrae.fr/hal-02635809
Submitted on 27 May 2020
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
permis par les interactions culture-élevage : une
typologie des systèmes de polyculture-élevage couplée à une quantification de l’intégration
Inès Sneessens, Marc Benoit, Gilles Brunschwig
To cite this version:
Inès Sneessens, Marc Benoit, Gilles Brunschwig. Un cadre d’analyse pour évaluer les gains d’efficience permis par les interactions culture-élevage : une typologie des systèmes de polyculture-élevage couplée à une quantification de l’intégration. Innovations Agronomiques, INRAE, 2014, pp.127-137. �hal- 02635809�
Un cadre d’analyse pour évaluer les gains d’efficience permis par les interac- tions culture-élevage : une typologie des systèmes de polyculture-élevage
couplée à une quantification de l’intégration Sneessens I.1,2,3, Benoit M.1,2, Brunschwig G.2,1
1 : INRA, UMR1213 Herbivores, F-63122 Saint-Genès-Champanelle
2 : Clermont Université, VetAgro Sup, UMR1213 Herbivores, BP 10448, F-63000 Clermont-Ferrand
3 : Agence de l’Environnement et de la Maîtrise de l’Energie, 20 avenue du Grésillé - BP 90406 F-49004 Angers Cedex 01
Correspondance : ines.sneessens@clermont.inra.fr Résumé
L’intégration des ateliers de culture et d’élevage semble être une piste pour produire durablement. Les effets des interactions Culture-Elevage à l’échelle de l’exploitation agricole (EA) sont pourtant peu con- nus. Il est nécessaire de dresser un cadre d’analyse qui permette de mieux appréhender la complexité des systèmes de polyculture-élevage (SPCE). A partir d’une revue de la littérature, nous émettons l’hypothèse qu’une précision de la typologie des SPCE et qu’une quantification de l’intégration à l’échelle de l’exploitation agricole permettrait d’identifier quelles stratégies de production de polyculture- élevage sont plus efficientes que les systèmes spécialisés et de combien. Dans cet objectif, nous pro- posons tout d’abord une typologie des SPCE basée sur une classification des interactions selon les dimensions organisationnelles, spatiales et temporelles. Deux indicateurs quantitatifs sont proposés pour définir les stratégies de production de polyculture-élevage (PCE) : le degré de diversification et le degré d’intégration verticale. Ensuite, nous proposons un cadre d’analyse basé sur la méthode de fron- tière de production pour quantifier l’intégration à l’échelle de l’exploitation agricole, c’est-à-dire les gains d’efficience biotechniques associés à une stratégie de production de PCE. Quatre indicateurs supplé- mentaires sont alors proposés dans ce papier pour mieux appréhender la complexité des SPCE : la complémentarité, l’efficience stratégique, l’efficience globale et l’efficience technique. Ce cadre géné- rique d’analyse permettra d’une part de mieux comprendre la complexité des SPCE et d’autre part, d’identifier les stratégies de production durables sur le long terme.
Mots-clés : Polyculture-élevage, Caractérisation, Intégration, Diversification, Interactions, Efficience.
Abstract: An analytical framework to evaluate the efficiency gains permitted through crop- livestock interactions: a typology of mixed crop-livestock systems coupled with a quantification of integration
Integrating crop and livestock activities seems a valuable option to enhance sustainability. The effects that interactions between crop and livestock activities may generate at the farm level are largely un- known. The analytical framework that would help us to understand the complexity of such mixed pro- duction systems has still to be developed. Starting from the current state of art, we argue that a more robust typology of mixed crop-livestock systems (MC-LS) and a quantification of crop-livestock integra- tion at the farming system scale would allow for a better understanding of MC-LS and their efficiency gains in comparison with specialized systems. In order to better understand MC-LS, we thus first pro- pose a typology based on a classification of crop-livestock interactions through organizational, spatial and temporal dimensions. Two quantitative indicators are then developed to characterize the MC-L production strategies: the degree of diversification and the degree of vertical integration. Second, we propose an analytical framework based on frontier analysis. This method makes it possible to quantify
strategy. In this objective, four quantitative indicators are developed in this paper: complementarity, strategic efficiency, global efficiency and technical efficiency. This generic analytical framework should enable us first to better understand the complexity of crop-livestock systems, second to identify the pro- duction strategies that are sustainable over the long run.
Keywords: Crop-Livestock Systems, Characterization, Integration, Diversification, Interactions, Effi- ciency.
Introduction
Dans le contexte d’après-guerre, l’essor de la mécanisation et la politique productiviste ont conduit à l’intensification et la spécialisation des exploitations agricoles (Dupraz et Vermersch, 1997; Peyraud et al., 2014). Ce processus a mené à l’uniformisation des territoires. Les systèmes de production obtenus ne valorisent plus les synergies entre productions animales et végétales. Cette configuration génère de nombreux problèmes environnementaux et remet en cause la durabilité des systèmes de production (Wilkins, 2008; Lemaire et al., 2014; Peyraud et al., 2014). Par ailleurs, leur dépendance à l’achat d’intrants conforte la remise en cause de la viabilité de ces systèmes si les prix augmentent.
L’intégration des ateliers de culture et d’élevage semble être une piste pour produire durablement (Bell et al., 2014; Bonaudo et al., 2014). En effet, les bénéfices économiques et environnementaux d’une intégration ont déjà été largement démontrés et répertoriés dans la littérature scientifique (Russelle et al., 2007; Hendrickson et al., 2008; Lemaire et al., 2014). Cependant, les auteurs se sont généralement concentrés sur les processus biophysiques à l’échelle de la parcelle pour promouvoir les systèmes de polyculture élevage (SPCE). Les effets à l’échelle de l’exploitation agricole sont moins connus à cause de la complexité des interactions existant au sein d’un système de polyculture-élevage.
On observe d’ailleurs que les avantages économiques et environnementaux des SPCE par rapport aux systèmes spécialisés ne sont pas toujours confirmés par les analyses effectuées sur les données d’exploitations agricoles observées (Ryschawy et al., 2012; Veysset et al., 2014). On émet l’hypothèse que ces résultats divergents sont dus (i) à une non-optimisation des interactions entre culture et éle- vage sur le terrain (Hacker et al., 2009; Benoit et Laignel, 2010), et/ou (ii) à une comparaison de sys- tèmes de production dont les échelles de production sont différentes, impliquant des économies d’échelle différentes, en faveur de la spécialisation (Grosskopf et al., 1992; Dupraz et Vermersch, 1997).
Notre première hypothèse s’est construite face au constat de la difficulté de définir et classifier les systèmes de polyculture-élevage. En effet, il n’y a pas de véritable consensus sur la définition des systèmes de polyculture-élevage (SPCE). La définition la plus largement admise dans la littérature in- ternationale provient de Seré et al. (1996) : “Livestock systems in which more than 10% of the dry mat- ter fed to animals comes from crop by-products, stubble or more than 10% of the total value of produc- tion comes from non-livestock farming activities”1 (Bos et Van de Ven, 1999; Schiere et al., 2002;
Ryschawy et al., 2012). Cette définition laisse pourtant place à toute une diversité de stratégies de pro- duction au sein des SPCE, impliquant qu’une large diversité de systèmes est inclue dans la catégorie
« polyculture-élevage » lorsqu’ils sont comparés aux systèmes spécialisés. Par exemple, une exploita- tion agricole produisant des cultures et de l’élevage sans faire interagir les deux ateliers de production sera autant un système de polyculture-élevage qu’un système faisant interagir les deux ateliers de pro- duction. On comprend pourtant que le mode de production est complétement différent, et que la pré- sence d’interactions va influencer la performance du système. On émet l’hypothèse que ce sont uni- quement les systèmes qui font interagir les deux ateliers qui tirent parti des avantages cités dans la
1 Systèmes d’élevage dans lesquels plus de 10% de la matière sèche pour l’alimentation animale provient de céréales auto- produites ou plus de 10% de la valeur produite provient d’activités agricoles autres que l’élevage.
littérature scientifique. Afin de permettre la considération des effets de la diversité des interactions pouvant subvenir entre un atelier de culture et un atelier d’élevage sur les performances écono- miques et environnementales d’un système, nous proposons une typologie plus précise des SPCE pour établir différentes stratégies de production, définies d’après l’occurrence d’interactions culture-élevage à travers les dimensions organisationnelles, spatiales et temporelles (Bell et Moore, 2012).
Au-delà de ce problème de typologie des SPCE pour comparer la performance des SPCE à celle des systèmes spécialisés, nous avons constaté que l’estimation des économies d’intrants réalisées grâce aux interactions culture-élevage n’était pas assez précise. D’un côté, on observe des mé- thodes d’estimation qualitatives basées sur l’attribution de notes d’intégration pour chaque pratique agricole (Stark et al., 2010, Bell et Moore, 2012). De l’autre, on observe des méthodes quantitatives basées sur des estimations à l’échelle de la pratique agricole ou de l’atelier de production, ne permet- tant pas de comparer les systèmes agricoles à une échelle de production équivalente (Ryschawy et al., 2012; Veysset et al., 2014). Ces méthodes ne prennent donc pas en compte l’effet de l’échelle de pro- duction sur la consommation d’intrants. Pourtant, étant donné que les rendements de production ne sont pas constants avec l’échelle de production, ce facteur est déterminant dans l’évaluation de l’efficience des systèmes agricoles (Grosskopf et al., 1992 ; Dupraz et Vermersch, 1997). Nous émet- tons l’hypothèse qu’une mesure plus précise des économies d’intrants physiques réalisées grâce aux interactions culture-élevage à l’échelle de l’exploitation agricole permettrait d’identifier quelle stratégie de production au sein des SPCE est la plus efficiente et de combien. Dans cet objectif, nous proposons ici de mobiliser et d’adapter une méthode issue de l’Economie, la méthode de frontière de produc- tion. L’objectif est de développer un cadre d’analyse permettant d’étudier l’effet des interactions culture- élevage sur la capacité intégrative de l’exploitation agricole, c’est-à-dire sa capacité à diminuer sa con- sommation d’intrants de production grâce aux interactions culture-élevage pour un niveau de production donné.
Cet article est organisé en deux grandes parties. Premièrement, une typologie plus précise des straté- gies de production pouvant exister au sein des SPCE est proposée à partir de plusieurs travaux issus de la littérature scientifique. Deuxièmement, la méthode de frontière de production et son intérêt pour étudier les gains d’efficience entre stratégies de production des SPCE et les systèmes spécialisés sont présentés et développés. A l’issue de ces propositions méthodologiques, une discussion et une mise en perspective sont exposées.
1. Typologie des SPCE : caractérisation des interactions culture-élevage
Bell et Moore (2012) proposent de caractériser les types d’interactions culture-élevage, c’est la straté- gie de production, en classifiant les pratiques agricoles existant au sein d’un SPCE à travers les di- mensions organisationnelle, spatiale et temporelle (adapté de Sumberg (2003)) (Figure 1). Ces dimen- sions déterminent la propension d’une pratique à favoriser l’intégration des ateliers de production. La dimension organisationnelle se réfère au nombre d’ateliers de production dans l’EA. Selon cette di- mension, les exploitations les plus diversifiées sont par exemple considérées plus susceptibles d’intégrer leurs ateliers de production. Ensuite, on peut décliner les interactions entre ateliers au sein d’une exploitation diversifiée selon les dimensions spatiales et temporelles. La dimension spatiale se réfère à la séparation dans l’espace ou non des ateliers (associés ou dissociés). Plus les ateliers sont proches dans l’espace, plus ils sont susceptibles d’être intégrés. La dimension temporelle se réfère à la séparation dans le temps ou non des deux ateliers, c’est-à-dire s’ils sont présents durant une même campagne de production ou non (synchrones ou asynchrones). Les ateliers synchrones sont plus sus- ceptibles d’être intégrés. Cette typologie nous permet ainsi de définir un niveau d’intégration pour chaque pratique au sein d’un système associant culture et élevage. Chaque choix peut être relié à des pratiques agricoles (Tableau 1).
Dans cette partie, nous souhaitons proposer des indicateurs quantitatifs permettant de représenter les interactions organisationnelles, spatiales et temporelles. Ils permettront de dresser une typologie des SPCE d’après leur potentiel caractère intégratif. Pour représenter la dimension organisationnelle, nous proposons un indicateur du degré de diversification (Partie 1.1.). Pour représenter les dimensions spa- tiales et temporelles, nous proposons de distinguer deux types d’intégration : l’intégration verticale et l’intégration horizontale (Partie 1.2).
Figure 1:Typologie des systèmes associant culture et élevage (Bell et Moore, 2012).
Tableau 1: Pratiques associées aux dimensions caractérisant les systèmes de polyculture-élevage (non- exhaustif).
1.1 La dimension organisationnelle
La dimension organisationnelle se réfère au nombre d’ateliers de production dans l’EA. Elle rejoint donc la notion de diversification. De nombreux auteurs proposent d’appréhender la diversification par le calcul d’un index de spécialisation, basé sur la part relative des outputs dans le produit d’exploitation (Coelli et Fleming, 2004; Villano et al., 2010). Selon ce type d’indicateur, basé sur l’index d’Herfindhal, une exploitation est considérée complètement diversifiée si le produit d’exploitation est partagé équita- blement entre tous les outputs de production. Ce type d’indicateur est intéressant pour étudier le lien entre la diversification et les performances de production. Cependant, les indicateurs utilisés ne tiennent pas compte de la diversité à l’intérieur d’un atelier (cas de polyélevage/polyculture) alors qu’elle in- fluence la capacité d’un système agricole à obtenir de meilleures performances économiques et envi- ronnementales. Par exemple, à long terme, une monoculture de maïs aura un rendement plus faible et une consommation d’intrants de production plus élevée qu’une culture de maïs conduite au sein d’une rotation culturale longue (Berzsenyi et al., 2000). Par ailleurs, les indicateurs de diversification sont généralement basés sur les outputs de production en valeur monétaire. Donc, si la hiérarchie des prix des produits change, toutes choses égales par ailleurs, la valeur de l’indicateur de diversification va changer aussi. Cette dépendance au contexte économique implique que si on établit une typologie des SPCE basée sur cet indicateur de diversification, une exploitation agricole peut changer de type de stratégie de production lorsque le contexte économique change alors que l’EA n’a pas modifié son sys-
Niveau d’intégration
[ > 1 ATELIER]
[ = 1 ATELIER]
Ferme
Diversifiée
Spécialisée
Associés Dissociés
Synchrones Asynchrones
1 2 3 4 ORGANISATION-
NELLE SPATIALE TEMPORELLE
Introduction des prairies / espèces fourragères dans la
rotation Transfert fertilisants
Organiques / Aliments
Pâturage des repousses culturales / intercultures
SYNCHRONES
ASSOCIÉS
ASYNCHRONES DISSOCIÉS
tème biotechnique de production. Etant donné que nous souhaitons caractériser la stratégie de produc- tion, c’est-à-dire le système biotechnique de production, cette dépendance au contexte économique n’est pas appropriée. Enfin, ce type d’indicateur de diversification basé sur les outputs de production ne permet pas que les exploitations d’élevage qui auto-consomment toutes leurs cultures soient consi- dérées diversifiées. Ce type d’exploitation fonctionne pourtant complètement différemment que des exploitations d’élevage n’ayant que de l’herbe, tant au niveau de la gestion de l’alimentation qu’au ni- veau des coûts de production.
Afin de pallier ces limites, nous proposons de décomposer l’indice d’Herfindahl utilisé par Villano et al.
(2010) en un indice inter-ateliers et un indice intra-atelier (Pupion, 1996). Ainsi, si on prend le cas d’une exploitation avec deux ateliers de production, un de culture et un d’élevage (N=2), on estimera son in- dice inter-ateliers (Ds INTER) sur base de la part de la surface P allouée à chaque atelier j plutôt que sur base de la valeur monétaire des outputs vendus (Equation Figure 2). Cette méthode permet d’une part d’obtenir une valeur qui soit indépendante du contexte économique et d’autre part, d’étudier la diversifi- cation sans se soucier de la destination des outputs (vente ou autoconsommation). L’estimation de l’indice intra-atelier (Ds INTRA) est basée sur la taille des différentes classes de production Ci existant au sein d’un atelier j (Figure 2). Dans le cas de l’atelier « Culture », on propose que les classes Cij soient établies dans l’objectif de représenter la diversité existant au sein de la rotation culturale. Ainsi, on pourrait retrouver, par exemple, une classe type « Ha Céréales », une classe type « Ha Protéagi- neux, Oléagineux » et une classe type « Ha Autres productions ». Dans le cas de l’atelier « Elevage », on propose que la constitution des classes soit basée sur l’espèce animale. La proportion qu’occupe chaque espèce dans l’atelier « Elevage » est alors estimée sur base du nombre d’UGB. L’estimation et l’agrégation de ces deux indices permettent ensuite de calculer le degré de diversification Ds de l’EA, prenant des valeurs entre 0 et 1, indiquant respectivement une diversification et spécialisation complète (Figure 2).
Figure 2: Indicateur du degré de spécialisation (adapté de Villano et al. (2010) et Pupion (1996)).
1.2 Les dimensions spatiales et temporelles
Les dimensions spatiales et temporelles définies par Bell et Moore (2012) permettent de caractériser les types d’interactions entre les ateliers de culture et d’élevage. On parle d’interaction lorsqu’une influence réciproque s’établit entre deux ateliers de production (ou plus). Dans le cas de la polyculture- élevage, les interactions influencent par exemple le niveau de consommation de différentes catégories d’intrants, telles que le travail, la structure (bâtiments, matériel, équipements divers), l’alimentation, les
1 - 1/N
Ds INTER = N, le nombre d’ateliers
Pj, la part de surface allouée à l’atelier j avec
∑ nj (Pj -1/N)2
Ds INTRA = ∑ (Cij -1/nj)2 1 - 1/nj
nj, le nombre de classe i dans l’atelier j Cij, la part de chaque classe i dans l’atelier j
Ds = Ds INTER +Ds INTRA
MAX (Ds INTER +Ds INTRA)
➡
fertilisants et les produits phytosanitaires. Selon la nature des pratiques agricoles générant des interac- tions entre ateliers, on parlera d’intégration horizontale et d’intégration verticale.
L’intégration horizontale signifie que les interactions entre ateliers de production ne remettent pas en cause la finalité des productions (Arocena, 2008). La notion d’intégration horizontale peut illustrer des situations très contrastées. D’un côté, il y a la situation où les deux ateliers de production interagissent directement via des pratiques spécifiques, dites pratiques d’intégration. Ces pratiques concernent le pâturage de résidus de culture, les rotations culture-prairie, etc. (Bell et Moore, 2012). Si on prend l’exemple des rotations prairie-culture, cette pratique induira au minimum une augmentation de la con- sommation des catégories d’intrants « Travail » et « Structure », et une diminution de la consommation dans la catégorie « Fertilisants et produits phytosanitaires » (Bell et Moore, 2012). De l’autre côté, il y a la situation où le SPCE produit deux ateliers de production sans qu’ils n’interagissent directement via des pratiques d’intégration. Leur unique présence implique néanmoins que le niveau de consommation des catégories d’intrants « Travail » et « Structure » soit affecté par rapport à une exploitation spéciali- sée. Ce type d’interactions a déjà été recensé par plusieurs auteurs sous forme de synthèses bibliogra- phiques (Russelle et al., 2007; Wilkins, 2008). Il semble difficile de définir un indicateur quantitatif pour ce type d’interactions. Nous suggérons donc de réaliser une typologie des systèmes sur base de la classification qualitative des pratiques agricoles proposées par Bell et Moore (2012), moyennant la dis- ponibilité de ces informations.
L’intégration verticale signifie qu’un potentiel output de production est directement transformé au sein de l’exploitation (Arocena, 2008). Dans le cas de la polyculture-élevage, l’intégration verticale illustre les situations d’autoconsommation des cultures de vente par les animaux. L’intégration verticale peut faci- lement être prise en compte car les données qui permettent d’identifier les pratiques d’autoconsommation alimentaire sont généralement très accessibles. On peut alors attribuer un degré d’intégration verticale à chaque EA en quantifiant le nombre d’hectares de cultures de vente autocon- sommées par rapport au nombre d’hectares de cultures produites totales.
2. La méthode de frontière de production pour caractériser l’intégration cul- ture-élevage
Nous avons vu que la quantification de l’intégration reste, malgré son importance, très floue en sciences agronomiques. On pourrait pourtant tirer profit des travaux réalisés en économie de la production pour développer un indicateur représentant le niveau d’intégration des ateliers de culture et d’élevage au sein d’un SPCE. En effet, la notion d’intégration pourrait être mise en parallèle avec la notion d’économies de gamme, correspondant aux avantages économiques qui proviennent de la baisse de coûts liée à la production jointe de deux produits plutôt que séparément (Baumol et al., 1982). Cepen- dant, l’estimation des économies de gamme se réalise avec une approche duale, c’est-à-dire par les coûts, ne permettant pas de répondre à nos attentes de quantification d’un indicateur de caractérisation biotechnique de l’intégration, et non monétaire. Cependant, d’autres auteurs se sont intéressés aux approches primales plutôt que duales, c’est-à-dire par les quantités plutôt que par les coûts. Ces au- teurs parlent alors de complémentarité entre ateliers de production plutôt que d’économie de gamme (Chavas et Kim, 2007; Villano et al., 2010). Il y a complémentarité lorsque l’augmentation d’un output contribue à l’augmentation du produit marginal de l’autre output (Villano et al., 2010). A noter cependant que l’existence d’une complémentarité entre ateliers ne signifie pas qu’il y ait pour autant des écono- mies de gamme, c’est-à-dire des gains économiques. Il s’agit uniquement d’une de ses composantes (Chavas et Kim, 2007).
Cet indicateur de complémentarité est un bon indicateur de l’intégration culture-élevage étant donné qu’il est estimé de façon à représenter le gain d’efficience biotechnique lié aux interactions entre culture et élevage à l’échelle de l’exploitation agricole, c’est-à-dire qu’il assure l’indépendance au contexte économique et la prise en compte de l’échelle de production. L’indicateur de complémentarité
est évalué à l’aide de la méthode de frontière de production. Les principes généraux de la méthode de frontière de production, son application à la question de l’intégration culture-élevage et les propositions d’améliorations de la méthodologie pour répondre à notre besoin de caractérisation des SPCE sont détaillés dans les points suivants.
2.1 Principes généraux
La méthode de frontière de production consiste à estimer une courbe correspondant à la limite des possibilités de production, c’est-à-dire le maximum d’output Y que l’on peut produire à partir de X inputs (Farrell, 1957) (Figure 3a). Les exploitations agricoles qui constituent la frontière sont dites technique- ment efficientes, c’est-à-dire qu’il n’existe pas d’exploitation agricole qui consomme moins d’inputs de production pour produire la même quantité d’outputs Y. Cette méthode permet par ailleurs d’attribuer une valeur d’inefficience technique aux exploitations qui se situent en dessous de la frontière. Cette inefficience technique correspond au surplus d’inputs X qui est utilisé par une exploitation agricole pour produire une quantité fixée Y. Ainsi, sur l’exemple de la Figure 3a, l’exploitation agricole F2 représente une exploitation agricole techniquement inefficiente étant donné qu’elle consomme davantage d’inputs que l’exploitation F1 pour produire la même quantité d’output Y1 (XF2>XF1). Dans ce cas de figure où il n’y a qu’un seul input de production, l’inefficience technique de l’exploitation F2 correspond à la diffé- rence entre les quantités XF2 et XF1. L’exploitation F1, quant à elle, est dite techniquement efficiente étant donné qu’il n’existe pas d’autre exploitation qui consomme moins d’intrants pour produire la même quantité Y1. Cette exploitation compose la frontière de production.
Lorsque plusieurs inputs de production sont distingués, on peut représenter la situation illustrée sur la figure 3a en réalisant une coupe transversale au niveau de production Y1 afin de distinguer deux inputs de production. Cette situation est illustrée sur la figure 3b où la frontière de production représente alors les différentes allocations d’intrants Xa et Xb efficientes qui permettent d’atteindre le niveau de produc- tion Y1. Dans ce cas, l’estimation de l’inefficience technique s’avère un peu plus laborieuse. La méthode la plus couramment utilisée est la fonction de distance radiale, présentée dans les travaux de (Shephard et al., 1970). Elle impose que le rapport entre les intrants de production soit maintenu cons- tant lors de l’estimation de la distance de cette exploitation agricole à la frontière de production, c’est-à- dire l’inefficience technique. Cette méthode est illustrée sur la figure 3b par le vecteur Ti dont la taille est proportionnelle à l’inefficience technique de l’exploitation agricole F2. L’inefficience quantifiée corres- pond alors au pourcentage de diminution des intrants Xa et Xb que F2 doit opérer pour produire de ma- nière efficiente, tel l’exploitation F1. L’indicateur d’inefficience technique prend des valeurs inférieures ou égales à zéro, indiquant respectivement la présence ou l’absence d’inefficience technique.
Figure 3 : Représentation graphique du concept de frontière de production. [F1 et F2 : deux exploitations agricoles, Xa et Xb : deux facteurs de production].
2.2 Application à l’étude des gains d’efficience liés à l’intégration culture- élevage
Lorsque la méthode de frontière de production est utilisée pour étudier les bénéfices liés aux interac- tions culture-élevage, deux frontières de production sont construites et comparées, l’une concernant les systèmes de polyculture-élevage et l’autre concernant les systèmes spécialisés (Morita, 2003; Coelli et Fleming, 2004; Arocena, 2008). Afin que la comparaison des SPCE et des systèmes spécialisés s’effectue à niveau de production équivalent, la méthode la plus couramment utilisée consiste à cons- truire des systèmes diversifiés fictifs en additionnant des systèmes spécialisés dans des productions différentes (Grosskopf et al., 1992; Morita, 2003). Une frontière de production est ensuite construite à partir de ce pool de systèmes diversifiés fictifs. La comparaison de cette frontière à celle des systèmes de polyculture-élevage observés permet alors de quantifier le gain ou la perte d’efficience lié(e) aux interactions culture-élevage.
Cette méthode est illustrée sur la Figure 4 où deux frontières de production sont représentées, l’une concernant les systèmes spécialisés, et l’autre concernant les systèmes de polyculture-élevage obser- vés.
Figure 4: La méthode de frontière de production pour étudier les gains d’efficience Ci liés à l’intégration culture- élevage. [F1 : systèmes de polyculture-élevage, F2 : système spécialisé additionné, Xa et Xb : deux facteurs de production].
Soient F1, un SPCE observé techniquement efficient, et F2, un système diversifié fictif techniquement efficient. La distance entre ces deux exploitations agricole représente la complémentarité Ci de l’exploitation agricole F1 par rapport à F2, c’est-à-dire le pourcentage de réduction d’utilisation d’inputs Xa et Xb lié à la présence d’interactions culture-élevage (Ci>0). L’indicateur de complémentarité peut prendre des valeurs négatives ou positives, indiquant respectivement une perte ou un gain d’efficience lié(e) à la présence d’interactions culture-élevage.
2.3 Propositions d’améliorations méthodologiques
Dans ce papier, nous proposons d’approfondir les travaux existants sur l’analyse de la complémentarité culture-élevage à travers la définition de trois indicateurs supplémentaires :
(i) un indicateur d’efficience stratégique Si mesurant la différence d’efficience entre SPCE présentant des stratégies de production différentes,
(ii) un indicateur d’efficience globale Gi mesurant la différence d’efficience de chaque système au système le plus efficient de l’échantillon étudié,
(iii) un indicateur d’efficience technique Ti mesurant la variation de l’efficience au sein d’une stratégie de production donnée, permettant d’étudier le risque d’inefficience lié à une stra- tégie de polyculture-élevage donnée et ses déterminants.
L’estimation de ces indicateurs nécessite la construction d’une frontière de production par stratégie de production définie, c’est-à-dire l’identification de la limite des possibilités de production pour un niveau d’intrants de production donné pour chaque stratégie de production. La Figure 5 permet d’illustrer ce cadre conceptuel en représentant les frontières de production de trois stratégies de production contras- tées, correspondant aux combinaisons d’inputs Xa et Xb minimum qu’il faut consommer dans chaque stratégie de production pour produire la quantité d’output Y. Dans cet exemple, les trois stratégies sont une stratégie avec des SPCE dont toutes les cultures sont vendues (systèmes diversifiés observés DIVTYPE1), une stratégie avec des SPCE dont une part des cultures est autoconsommée (systèmes diversifiés observés DIVTYPE2), et une stratégie avec des systèmes diversifiés fictifs où aucune interac- tion n’est présente entre les deux ateliers de production, fonctionnant donc comme deux systèmes spé- cialisés additionnés (DIVFICTIFS). Les deux types de stratégie de production pour les SPCE seraient défi- nies à partir de leurs valeurs aux indicateurs définis ci-avant, c’est-à-dire leur degré de diversification, leur degré d’intégration verticale et leurs types d’interactions horizontales si les données sont dispo- nibles (voir partie 1).
Si on considère l’exploitation agricole F1DIV-TYPE1, l’estimation de sa distance aux autres frontières re- présente ses gains ou pertes d’efficience liés à sa stratégie de production. Ainsi, les vecteurs Ci, Si et Gi représentent respectivement la complémentarité, l’efficience stratégie et l’efficience globale de l’exploitation F1DIV-TYPE1. Une valeur négative indique une perte d’efficience tandis qu’une valeur positive indique un gain d’efficience. Ainsi, en ce qui concerne l’indicateur de complémentarité Ci, l’exploitation F1DIV-TYPE1 est identifiée plus efficiente que l’exploitation F2DIV-FICTIF (Ci>0), indiquant un gain d’efficience lié à la présence d’interactions culture-élevage. En ce qui concerne l’indicateur d’efficience stratégique Si, l’exploitation F1DIV-TYPE1 est identifiée moins efficiente que l’exploitation F3DIV-TYPE 2 car Si prendune valeur négative.Cette situation illustre le fait que le type d’interactions pré- sent dans les SPCE influence l’efficience des systèmes. Dans ce cas, les interactions de type 2 permet- tent d’améliorer davantage l’efficience des SPCE que les interactions de type 1 par rapport aux sys- tèmes spécialisés (DIVFICTIFS). En ce qui concerne l’indicateur d’efficience globale Gi, son estimation nécessite l’identification de l’exploitation agricole qui combine ses inputs de production de façon à mi- nimiser sa consommation totale d’inputs pour produire Y. Cette étape nécessite que tous les inputs soient exprimés dans la même unité biotechnique. Nous proposons de les exprimer en équivalents mégajoules étant donné notre besoin d’identifier des systèmes énergétiquement efficients pour ré- pondre aux engagements de réduction de consommation d’énergie non-renouvelable pris par l’Union Européenne (Ministère de l'Agriculture, 2009). Dans l’exemple exposé sur la Figure 3, l’exploitation énergétiquement efficiente correspond au point tangence entre une droite d’iso-consommation d’énergie non-renouvelable (Xa+Xb) et la frontière de production, soit l’exploitation agricole F4DIV-TYPE2. On constate que l’indicateur d’efficience globale Gi de l’exploitation F1DIV-TYPE1 prend une valeur néga- tive, indiquant qu’une modification du type d’interactions et de l’allocation entre inputs de production permettrait d’améliorer l’efficience du système étudié.
Enfin, en ce qui concerne l’indicateur d’efficience technique Ti, il n’est pas représenté graphiquement car sa valeur est nulle étant donné que l’exploitation F1 se situe sur sa frontière de production DIVTYPE1.
Figure 5: Représentation graphique des frontières de production de trois stratégies de production contrastées dans l’objectif d’étudier les gains (>0, ou pertes <0)) d’efficience permis par la diversification et l’intégration à l’aide de quatre indicateurs.[DIVFICTIFS : stratégie des systèmes diversifiés fictifs correspondant à deux systèmes spéciali- sés additionnés; DIVTYPE1 : stratégie des systèmes diversifiés observés sans autoconsommation des cultures ; DIVTYPE2 : stratégie des systèmes diversifiés observés avec autoconsommation des cultures ; Ci : indicateur de complémentarité ; Si : indicateur d’efficience stratégique ; Gi : indicateur d’efficience globale ; Ti : indicateur d’efficience technique ; F1-2-3-4 : exploi- tations agricoles].
3. Discussion et perspectives
Le cadre d’analyse que nous proposons, basé sur une typologie des SPCE et une quantification de l’intégration, peut être appliqué à une diversité de situations. En effet, cette méthodologie est générique dans le sens où suite à une typologie des systèmes de production présentant plusieurs ateliers de pro- duction, la méthode de frontière de production peut être appliquée pour quantifier les gains d’efficience liés à la présence d’interactions entre les ateliers de production. Ce cadre d’analyse permet donc de comprendre quelles stratégies de production, c’est-à-dire quelles organisations et interactions spatio- temporelles des ateliers, permettent d’obtenir les meilleurs gains d’efficience par rapport aux systèmes spécialisés. Ce résultat n’est pas permis par les méthodes d’estimation de l’intégration basées sur l’attribution de notes d’intégration définies a priori pour chaque pratique agricole (Stark et al., 2010; Bell et Moore, 2012). En effet, le lien entre le niveau d’intégration et le type de pratique agricole n’est pas si évident. Ainsi, l’occurrence de nombreuses interactions ne signifie pas nécessairement que l’intégration soit élevée car d’autres éléments entrent en ligne de compte à l’échelle de l’exploitation agricole. Par exemple, si on considère deux exploitations agricoles ayant le même nombre d’hectares de prairies et de cultures mais avec une qualité de sol différente, la proportion de l’assolement pouvant réaliser des rotations prairies-cultures va être contrainte dans l’exploitation ayant une mauvaise qualité de sol, limi- tant sa capacité à tirer parti des avantages de ce type d’interaction par rapport à l’autre exploitation. A noter également que la méthode de frontière de production présente l’avantage de pouvoir distinguer les gains d’efficience liés à l’échelle de production et à la technicité de l’éleveur.Au-delà de cette géné- ricité, ce cadre d’analyse peut être utilisé pour réaliser des analyses ex-ante ou ex-post, sur une ou plusieurs années. Dans les deux cas, ce cadre d’analyse permettrait d’améliorer nos connaissances sur les relations entre stratégie de production, niveau d’intégration et performances. Dans le cas des ana- lyses ex-ante, le recours à la simulation est intéressant pour explorer des situations extrêmes, inno- vantes ou tout simplement peu observées sur le terrain (Rossing et al., 1997; Sterk et al., 2007). Cette maitrise des systèmes analysés permettrait d’améliorer notre compréhension des SPCE et d’identifier
les systèmes les plus performants à tester sur le terrain. Dans le cas des analyses ex-post, le recours à ce cadre d’analyse est intéressant car il peut être appliqué même si on dispose de très peu d’information sur les interactions existant entre les ateliers de production. En effet, la méthode de fron- tière de production permettra déjà de détecter, à structure et niveau de production équivalents, les sys- tèmes les plus efficients et les systèmes les moins efficients. Une analyse factorielle permettra ensuite d’identifier et de comprendre quels éléments du terrain expliquent la présence d’inefficience dans cer- tains systèmes. Par contre, pour réaliser une méthode de frontière de production, il faut s’assurer d’avoir un échantillon représentatif de la région étudiée et exempt d’outliers très efficients. Ces élé- ments pourraient modifier la forme de la frontière de production et fausser les résultats.
En dernier lieu, il faut noter que, même si nous avons décidé de privilégier une évaluation biotechnique des gains d’efficience, une évaluation économique peut très facilement être menée en parallèle. Ce type d’analyse permettrait d’identifier si la conjoncture économique en vigueur est favorable à l’adoption ou au maintien des systèmes les plus efficients d’un point de vue biotechnique. Par ailleurs, la durabilité des systèmes pourrait être appréhendée à l’aide d’une analyse de la variation des stratégies de pro- duction et des gains d’efficience économiques et biotechniques associés sur le long terme. Lors d’aléas climatiques, une EA avec plusieurs ateliers de production peut adapter son degré de diversifica- tion et/ou les types d’interactions existants entre ateliers pour faire face au nouveau contexte de pro- duction. L’exploitant peut, par exemple, en cas de sécheresse précoce, décider de récolter une céréale en ensilage immature et implanter une culture fourragère pour limiter le déficit fourrager attendu. De la même façon, lors d’aléas économiques, un exploitant peut décider d’auto-consommer ses céréales plutôt que de les vendre. Une stratégie de production donnée va donc influencer la capacité de l’EA à faire face à un aléa. Egalement, ces adaptations de la stratégie de production vont influencer le niveau d’intégration des ateliers. Pour quantifier l’intérêt et identifier les sources de cette flexibilité supplémen- taire qu’offre la présence de plusieurs ateliers de production au sein de l’EA, nous proposons alors de mesurer et analyser la variation du degré de diversification, des types d’interactions, du niveau d’intégration et des performances de production au cours du temps. Ce type d’analyse ne semble pas avoir déjà été initié.
Conclusion
Ces dernières décennies, la recherche s’est davantage focalisée sur les questions à l’échelle de pro- cessus biophysiques plutôt qu’à l’échelle du système de production. Il est pourtant nécessaire d’améliorer nos connaissances sur les interactions entre les composants d’un système de production afin d’identifier les stratégies d’intégration qui permettent d’exploiter un maximum de synergie entre ateliers de production.
Ainsi, plusieurs enjeux de recherche se dessinent à l’échelle du système de production. Il s’agit d’une part de mieux caractériser les SPCE afin de mieux appréhender leur complexité et d’identifier les stra- tégies de production performantes. D’autre part, il s’agit d’identifier les conditions d’adoption et de main- tien de ces systèmes. On peut par exemple jouer sur le maintien et l’adoption de SPCE par la mise en place de politiques agricoles, créant un environnement économique favorable. On comprend néan- moins qu’avant de concevoir et de mettre en place de telles politiques agricoles, il est d’abord néces- saire d’identifier quels sont les facteurs déterminants pour la réussite d’un système de polyculture- élevage. Le cadre d’analyse que nous proposons a pour objectif de répondre à ce premier enjeu. En effet, son application nous permettra de tirer des enseignements sur les stratégies de production à tes- ter expérimentalement et/ou à promouvoir pour assurer des systèmes de production viables, productifs et respectueux de l’environnement. Il permettra également d’apporter des informations pertinentes aux décideurs politiques et un soutien technique approprié aux exploitants agricoles.
Remerciements
Ce travail est financé par l’Agence de l’Environnement et de la Maîtrise de l’Energie et l’INRA (Phase
& SAE2). Merci également à Sergio Perelman (ULG, Belgique) et à Patrick Veysset (INRA, Theix) pour nos discussions enrichissantes.
Références bibliographiques
Arocena P., 2008. Cost and quality gains from diversification and vertical integration in the electricity industry: A DEA approach. Energy Economics 30, 39-58.
Baumol W.J., Panzar J.C., Willig, R.D., 1982. Contestable market and the theory of industry structure.
New York: Harcourt brace Jovanich.
Bell L.W., Moore A.D., 2012. Integrated crop–livestock systems in Australian agriculture: Trends, drivers and implications. Agricultural Systems 111, 1-12.
Bell L.W., Moore A.D., Kirkegaard J.A., 2014. Evolution in crop–livestock integration systems that improve farm productivity and environmental performance in Australia. European Journal of Agronomy 57, 10-20.
Benoit M., Laignel G., 2010. Energy consumption in mixed crop-sheep farming systems: what factors of variation and how to decrease? Animal 4, 1597-605.
Berzsenyi Z., Győrffy B., Lap D., 2000. Effect of crop rotation and fertilisation on maize and wheat yields and yield stability in a long-term experiment. European Journal of Agronomy 13, 225-244.
Bonaudo T., Bendahan A.B., Sabatier R., Ryschawy J., Bellon S., Leger F., Magda D., Tichit M., 2014.
Agroecological principles for the redesign of integrated crop–livestock systems. European Journal of Agronomy 57, 43-51.
Bos J.F.F.P., Van De Ven G.W.J., 1999. Mixing specialized farming systems in Flevoland (The Netherlands): agronomic, environmental and socio-economic effects. Netherlands Journal of Agricultural Science 47, 185-200.
Chavas J.P., Kim K., 2007. Measurement and Sources of Economies of Scope: A primal Approach.
Journal of Institutional and Theorical Economics 411-427.
Coelli T., Fleming E., 2004. Diversification economies and specialisation efficiencies in a mixed food and coffee smallholder farming system in Papua New Guinea. Agricultural Economics 31, 229-239.
Dupraz P., Vermersch D., 1997. La spécialisation et la concentration des exploitations agricoles peuvent-elles être remises en cause? INRA Sciences Sociales 2.
Farrell M.J., 1957. The measurement of productive efficiency. Journal of the Royal Statistical Society.
Series A (General) 120, 253-290.
Grosskopf S., Hayes K., Yaisawargn S., 1992. Measuring economies of diversification: a frontier approach. Journal of Business & Economic Statistics 10, 453-459.
Hacker R., Robertson M., Price R., Bowman A., 2009. Evolution of mixed farming systems for the delivery of triple bottom line outcomes: a synthesis of the Grain & Graze program. Animal Production Science 49, 966-974.
Hendrickson J.R., Hanson J.D., Tanaka D.L., Sassenrath G., 2008. Principles of integrated agricultural systems: Introduction to processes and definition. Renewable Agriculture and Food Systems 23, 265- 271.
Lemaire G., Franzluebbers A., Carvalho P.C.D.F., Dedieu B., 2014. Integrated crop–livestock systems: Strategies to achieve synergy between agricultural production and environmental quality.
Agriculture, Ecosystems & Environment 190, 4-8.
Morita H., 2003. Analysis of economies of scope by data envelopment analysis: comparison of efficient frontiers. International Transactions in Operational Research 10, 393-402.
Peyraud J.-L., Taboada M., Delaby L., 2014. Integrated crop and livestock systems in Western Europe and South America: A review. European Journal of Agronomy 57, 31-42.
Pupion P.-C., 1996. Indices de diversification. Revue d'économie industrielle 76, 115-123.
Rossing W.a.H., Meynard J.M., Van Ittersum M.K., 1997. Model-based explorations to support development of sustainable farming systems: case studies from France and the Netherlands.
European Journal of Agronomy 7, 271-283.
Russelle M.P., Entz M.H., Franzluebbers A.J., 2007. Reconsidering Integrated Crop–Livestock Systems in North America. Agronomy Journal 99, 325.
Ryschawy J., Choisis N., Choisis J.P., Joannon A., Gibon A., 2012. Mixed crop-livestock systems: an economic and environmental-friendly way of farming? Animal 6, 1722-30.
Schiere J.B., Ibrahim M.N.M., Van Keulen H., 2002. The role of livestock for sustainability in mixed farming: criteria and scenario studies under varying resource allocation. Agriculture, Ecosystems &
Environment 90, 139-153.
Seré C., Steinfeld H., Groenewold J., 1996. World Livestock Production Systems. Current status, issues and trends. FAO Animal Production and Health Paper 127 (FAO, Rome).
Shephard R.W., Gale D., Kuhn H.W., 1970. Theory of cost and production functions. Princeton University Press Princeton.
Stark F., Alexandre R., Diman C., Fanchone A., Alexandre G., Diman J., 2010. Intégration au sein des systèmes de type polyculture élevage en Guadeloupe: première caractérisation. Rencontre Recherche Ruminants 421-424.
Sterk B., Van Ittersum M.K., Leeuwis C., Wijnands F.G., 2007. Prototyping and farm system modelling—Partners on the road towards more sustainable farm systems? European Journal of Agronomy 26, 401-409.
Sumberg J., 2003. Toward a dis-aggregated view of crop–livestock integration in Western Africa. Land use policy 20, 253-264.
Veysset P., Lherm M., Bebin D., Roulenc M., 2014. Mixed crop-livestock farming systems: a sustainable way to produce beef? Commercial farms results, questions and perspectives. Animal 8, 1218-1228..
Villano R., Fleming E., Fleming P., 2010. Evidence of farm-level synergies in mixed-farming systems in the Australian Wheat-Sheep Zone. Agricultural Systems 103, 146-152.
Wilkins R.J., 2008. Eco-efficient approaches to land management: a case for increased integration of crop and animal production systems. Philos Trans R Soc Lond B Biol Sci 363, 517-25.
