HAL Id: hal-02795490
https://hal.inrae.fr/hal-02795490
Submitted on 5 Jun 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.
Auto-assurance et assurance multi-risques prairie : le cas des élevages allaitants français
Claire Mosnier
To cite this version:
Claire Mosnier. Auto-assurance et assurance multi-risques prairie : le cas des élevages allaitants français. Comité de pilotage PACIFICA, Jan 2016, Paris, France. 11 p. �hal-02795490�
Auto-assurance et assurance multi-risques prairie : le cas des élevages allaitants
français *
*Mosnier, 2015, Agricultural Finance Review
Claire Mosnier, INRA UMR1213 Herbivore cmosnier@clermont.inra.fr
Introduction
• Contexte : Volonté du gouvernement de remplacer le fonds calamité par des assurances multirisques ; la demande est souvent faible pour l’assurance récolte
• Hypothèse : Il existe des substitutions entre auto-assurance et assurance commerciale
• Objectif : Estimer la demande en assurance prairie en prenant en compte les substitutions possibles via l’auto-assurance
• Méthode : Simulations à partir d’un modèle bioéconomique de la surface en prairie assurée pour différents :
– niveaux de couverture
– prix de la prime d’assurance – niveaux d’aversion au risque
– rendements des prairies des années précédentes
Méthode : le modèle bioéconomique
• Fonctionnement d’une exploitation herbagère produisant des broutards dans le massif Central
• Des variables de décisions : capacité des bâtiments, taille du troupeau, poids des animaux et rations, surface en herbe
récoltée, achat/vente d’aliments, achat d’assurance
• ..qui maximisent une fonction objectif : utilité espérée du résultat net (EU(Z)) de l’exploitation
• Zt1(aléa) = ventest1 (aléat1) –achatt1 (aléat1) +PACt1 (aléat1) –assurance- ChargesFixes
• U(Z) fonction qui applique un taux de pénalité augmentant lorsque le revenu diminue
• EU(Z) : Agrégation des revenus selon leur probabilité d’occurrence
Méthode : le modèle bioéconomique
• Représentation séquentielle des décisions sur 3 années
t1 t2 t3
Stage 0
- Farm structure (building size) - Initial values for dynamic variables (number and liveweight of animals, stock of hay)
Stage 1 Insurance
Stage 2 Production adjustments (weight gain, animal sales, feed purchases and sales, area harvested)
Profit in t1 for the 3 branches
The decisions in all stages maximize Z = sum of the discounted expected utility of annual profit
Stage 1 Insurance
Stage 2 Production adjustment s
Stage 1
Insurance Stage 2 Production adjustment s
Profit in t2 for the 9 branches
Profit in t3 for the 27 branches
Under the constraints:
Méthode : Paramétrage des rendements des prairie et des indemnités d’assurance
Rendement catastrophique C1
Rendement bas C2
Rendement normal à très bon C3
Variation de rendement 60% 81% 113%
Probabilité 12% 20% 68%
C1 C2 Indemnité moyenne
Couverture 70% 69€ 0 8,3€
Couverture 80% 138€ 0 13,8€
Couverture 90% 207€ 62€ 37,2€
• Rendement moyen considéré (avant pertes de récolte) : 6,9t/ha
• Distribution des rendements : d’après les données de simulation ISOP pour les petites régions agricoles du nord du Massif Central sur la période 1980-2010
• Indemnités reçues pour une valeur de 100€/ t de MS de fourrage
Résultats
- 20,0 40,0 60,0 80,0 100,0 120,0
0,7 0,8 0,9 1 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2
area insured in ha
loading cost
area insured cov90 area insured cov80 area insured cov70
- 20 40 60 80 100 120
0,7 0,8 0,9 1 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2
area insured in ha
loading cost
area insured cov90 area insured cov80 area insured cov70
• Surface moyenne assurée en fonction du coût de l’assurance
Aversion au risque faible Aversion au risque moyenne
Une demande assez faible en moyenne mais qui augmente
• Avec le niveau d’aversion faible au risque
• lorsque seuls les risques catastrophiques sont couverts
Résultats
Aversion moyenne au risque
90% 80% 70% 0
Capacité de l’étable (UGB)
112.2 109.6 108.3 107.4
Capacité de la grange (en tonne de foin)
257 301 312 336
• Structure moyenne de l’exploitation en fonction du niveau de couverture par l’assurance prairie (100% des surfaces assurées)
Des surfaces assurées très dépendantes des stocks disponibles en début de campagne
Aversion moyenne au risque
Stock initial de foin Surface assurée
C1 0 100
C2 0 100
C3 105 46
• Surface assurée en t2 en fonction de l’aléa survenu en t1 (lorsque la prime d’assurance = les indemnités espérées)
Un chargement plus faible et des capacités de stock plus importants lorsque l’éleveur n’est pas assuré
Discussion
• La demande a pu être surestimée car
– D’autres « assurances » n’ont pas été prises en
compte : aides publiques, épargne, crédit, revenu extra agricole, diversification du système de
production..
– Les risques peuvent être sous-estimés par les éleveurs
– Le risque d’erreur entre les pertes réelles et les pertes estimées n’a pas été prise en compte
• La demande varie selon le contexte de prix de la
viande et des aliments disponibles sur le marché.
Conclusion
• Simulation de la demande en assurance prairie à partir d’un modèle bioéconomique
• La demande en assurance augmente :
– Lorsque les stocks sont bas ou que le niveau de chargement est élevé par rapport aux ressources fourragères (conjoncturel ou structurel)
– Avec le niveau d’aversion au risque
– Lorsque seules les pertes catastrophiques sont couvertes
• Demande relativement faible pérennité du
dispositif si les subventions se réduisent?
Perspectives
• Estimer la sensibilité des résultats techniques et économiques aux variations de récolte d’herbe selon le climat à partir des données Inosys-
Réseaux d’Elevage/ réseaux de fermes Inra
• Elargir les options d’auto-assurance considérées
• Simuler les conséquences d’erreurs d’estimation
des pertes dans la demande en assurance
Merci
Claire Mosnier, INRA UMR1213 Herbivore cmosnier@clermont.inra.fr
