ARTICLE
Auteur(s) : Ousmane Mama
Sanogo1, Nico
de RidderNico de
Ridder2, Herman van Keulen2
11Institut d'économie rurale (IER)
Programme ESPGRN BP 186 Sikasso Mali
22Université de Wageningen Département
Système de production des plantes (PPS) Bornsesteeg 1-09A-004
6708GA Wageningen Pays-Bas
En Afrique subsaharienne, les petites exploitations agricoles
ont des possibilités et des besoins différents. Pour comprendre le
fonctionnement et la structure des systèmes agricoles en Afrique,
l'analyse systémique des exploitations est essentielle (Giller
et al., 2006a). En effet, l'adoption de nouvelles technologies
au sein d'une exploitation dépend de sa structure et de son
fonctionnement (Mbetid-Bessane et al., 2003).
Au Mali, particulièrement dans la zone méridionale, la culture
du coton a favorisé l'équipement des exploitations et l'achat de
bœufs pour la traction animale, elle a permis aussi aux
agriculteurs de dégager des surplus de production commercialisables
et de capitaliser leur épargne dans l'élevage en vue de mieux
sécuriser les revenus. La plupart des exploitations sont
passées de la culture manuelle à la culture attelée : plus de 84 %
des exploitants ont recours aujourd'hui à la traction animale et
disposent d'équipements attelés (Dufumier, 2005). Ces changements
techniques ont facilité l'extension rapide des surfaces cultivées
au détriment des parcours. On assiste à une régression, voire une
disparition des jachères et une réduction progressive des
zones de pâturage (Bosma et al., 1996 ; Kanté, 2001). Dans un
tel contexte, le problème de développement durable des systèmes de
production associant l'agriculture et l'élevage se pose.
La typologie d'exploitation actuellement utilisée
(catégorisation des systèmes de production) a été mise en place
vers les années 1980 ; elle ne prend essentiellement en
considération que le niveau d'équipement et le nombre des animaux.
Cette classification répondait aux besoins de la CMDT (Compagnie
malienne pour le développement des textiles) lorsqu'elle mettait
surtout l'accent sur l'équipement des exploitations en matériels de
culture attelée. Cette typologie encore utilisée de nos jours ne
permet plus d'appréhender le fonctionnement et le devenir des
systèmes de production (Dufumier, 2005). Cette étude s'intéresse à
la compréhension de la structure et du fonctionnement des
exploitations, leur catégorisation et l'identification des axes
d'interventions prioritaires pour les différents types
d'exploitation.
Elle a donc pour objectifs :
- – d'élaborer une typologie des unités de production se
référant à l'année 1994 ;
- – d'analyser les trajectoires d'évolution des types sur
la période 1994-2004, leurs déterminants, les conséquences sur le
fonctionnement et la diversité des unités de production ;
- – de présenter une typologie actualisée en 2004
;
- – d'en déduire des axes d'interventions prioritaires
actualisés.
Matériel et méthode
Zone d'étude
L'étude a été menée dans les villages de Try
(12o 16’ N et 5o 23’ O),
N'Goukan (12o 21’ N et 5o 19’
O) et M'Péresso (12o 17’ N et
5o 20’ O), situés à environ 20 km de Koutiala
au Mali. Ces villages sont situés dans la zone semi-aride
(climat nord-soudanien). Ils reçoivent en moyenne 800 mm
de pluie par an. Les températures moyennes varient entre
22o C et 35o C (Kanté, 2001).
La densité de la population varie de 58 habitants par
km2 (Try) à 107 habitants par km2
(N'Goukan). Le principal groupe ethnique est celui des
Miniankas, mais on rencontre également des Peuls, Dogons,
Bambaras, Senoufos et Sarakolés. L'élevage y constitue l'une des
principales activités et représente, après le coton, la deuxième
source de revenus pour les paysans.
Choix des exploitations et collecte
des données
Le choix des exploitations a été fait par un tirage aléatoire
s'appuyant sur la typologie de l'Institut d'économie rurale (IER)
IER-CMDT (type A : exploitations dotées de deux chaînes d'attelages
et d'un troupeau bovin d'au moins 10 têtes ; B : exploitations
dotées d'une chaîne d'attelage et d'un troupeau inférieur à
10 têtes ; C : exploitations dotées d'une chaîne d'attelage
incomplète et D : exploitations limitées au travail manuel par
manque d'équipement). Les données proviennent de la base de
données de l'Équipe système de production et gestion des ressources
naturelles (ESPGRN) de l'IER à Sikasso. Les données qui ont
été utilisées portent sur 32 exploitations agricoles qui ont
été suivies sur 11 ans (1994-2004 ; n = 352).
Choix des variables pour la catégorisation
des exploitations
Initialement l'ensemble des variables (30) figurant dans la base
des données de l'Equipe Système de production et gestion des
ressources naturelles (ESPGRN) Sikasso a été analysé. Néanmoins,
nous avons estimé qu'il était préférable de se limiter à environ
8-10 variables pour catégoriser les 32 exploitations avec des
méthodes multivariées. Le choix des variables retenues pour
l'analyse a été fait en utilisant l'analyse en composantes
principales (ACP).
Cette méthode statistique essentiellement descriptive permet en
effet d'identifier les variables qui expliquent le mieux la
différence entre les objets. Elle permet de réorganiser l'ensemble
des variables, de savoir comment elles sont structurées tout
en indiquant celles qui sont liées ou non. Les résultats de
l'ACP consistent en la matrice de corrélation des variables, la
part de la variance expliquée par les différentes composantes
principales et la contribution des variables dans la formation de
ces composantes.
L'ACP a été utilisée d'abord pour identifier les variables
corrélées et non entre elles en faisant une analyse des données de
1994 à 2004 avec l'ensemble des variables (30). Les résultats
de cette ACP ont en outre servi à sélectionner les variables
pertinentes pour la catégorisation des exploitations.
Analyses des données pour la génération
de la typologie
Les variables sélectionnées ont été utilisées pour la
catégorisation des exploitations chaque année (de 1994-2004),
mais seules les descriptions des classes obtenues en 1994
(année de base) et en 2004 (année de référence) ont été
faites. Deux méthodes multivariées (MVA), notamment l'analyse en
clusters et l'échelle multidimensionnelle non métrique
(multidimensional scaling, MDS) ont servi pour la catégorisation
des exploitations.
Analyse en clusters (AC)
L'analyse en clusters vise à trouver des « groupes naturels » de
l'échantillon de sorte que les exploitations appartenant au même
groupe soient similaires entre elles et se distinguent de celles
des autres groupes. Dans cette étude l'agrégation hiérarchique
(classification ascendante hiérarchisée [CAH]) a été utilisée.
Cette technique prend la matrice de corrélation comme point de
départ et successivement repartit l'échantillon en différents
groupes et les groupes en clusters en commençant par la similarité
naturelle la plus élevée, et en diminuant graduellement le niveau
de similarité des groupes formés (Clarke et Warwick, 2001). L'ACP
sert à caractériser les exploitations alors que la CAH permet de
les regrouper selon les variables considérées (MBetid-Bessane
et al., 2003).
Analyse selon l'échelle multidimensionnelle non métrique
(MDS)
Pour la formation des groupes finaux, la CAH a été combinée avec
une autre méthode d'analyse multivariée, l'analyse MDS (Kruskal,
1964). Son but est de construire la carte ou la configuration
de l'échantillon de classification dans une dimension
spécifique, laquelle essaye de satisfaire toutes les conditions
imposées par la matrice de (dis) similarité. L'input nécessaire est
la matrice de similarité produite par la CAH et les outputs
incluent le graphique avec la configuration MDS à deux ou trois
dimensions. Dans ce contexte, la configuration à deux dimensions a
été adoptée.
Un test de signification pour l'analyse de différence entre les
groupes d'exploitations a été effectué en faisant une analyse de
similitude (analysis of similarities, ANOSIM) (Clarke et Warwick,
2001).
Méthode d'évaluation de l'évolution
des exploitations
L'« indice de changement des exploitations » (ICE) est utilisé pour
évaluer le « développement des exploitations » dans le temps. Cet
indice permet d'estimer le changement de l'exploitation pendant une
période donnée en considérant des variables de structure et de
fonctionnement de l'exploitation. Les facteurs indiquant
l'intensification agricole et l'orientation vers le marché sont
considérés comme des variables positives, et les facteurs indiquant
l'extensification agricole et l'orientation vers l'autoconsommation
comme des variables négatives. Ensuite, des scores allant de
0 à 100 ont été affectés aux variables, en commençant par
l'année de base (1994) jusqu'à l'année de référence (2004).
La valeur maximale d'une variable (parmi tous les groupes
d'exploitations) obtient le score 100 et successivement les
scores des autres variables ont été calculés comme pourcentage de
cette valeur. L'indice est calculé à partir de l'équation :
où :
- – ICE : indice de changement de l’exploitation ;
- – x : variables positives (valeurs élevées UBT, boeuf de
labour, surface en cotonniers, équipement, autosuffisance
alimentaire, surface en maïs) ;
- – y : variables négatives (valeurs élevées des surfaces
cultivées en céréales autres que le maïs et des inputs de
main-d’oeuvre par hectare) ;
- – N : nombre total des variables.
Logiciels utilisés
Les logiciels SPSS et Excel ont permis de faire les analyses
statistiques descriptives (moyenne, somme et écart type) et les
ACP. Le logiciel PRIMER-6 (Plymouth Routines In Multivariate
Ecological Research, 2006) a été utilisé pour l'analyse en clusters
et MDS, parce qu'il a la possibilité spécifique de reporter sur un
même graphique les résultats de l'analyse en clusters et de MDS, ce
qui a permis de suivre la dynamique des exploitations dans le
temps.
Résultats et discussions
Sélection des variables pour la catégorisation
des exploitations
En se basant sur la matrice de corrélation des 30 variables
pour les 11 ans, certaines variables avec de forts
coefficients de corrélation (≥ 0,6) ont été choisies (Köbrich
et al., 2003) pour la catégorisation des exploitations
notamment le nombre d'UBT (unité de bétail tropical), les actifs,
les bœufs de labour, l'équipement, la surface des céréales et la
surface du coton. D'autres (bovins, population présente, attelage,
ovins et caprins) ont été éliminées pour éviter leur double usage.
L'urée utilisée sur le coton, la marge brute totale, la production
des céréales et le revenu par personne ont été éliminés pour leur
grande variabilité interannuelle. Les autres variables ont été
écartées à cause de leur faible coefficient de corrélation.
Le ratio « surface cultivée/jachère » a été calculé et ajouté
aux variables, parce que cette variable donne plus de
renseignements sur la surface cultivée. De même, le ratio « nombre
d'actifs/surface cultivée » a été ajouté pour avoir des
renseignements sur l'input de main-d'œuvre par hectare cultivé et
l'intensification du travail.
Finalement 10 variables ont été retenues pour la
catégorisation des exploitations. Elles peuvent être divisées en
variables de structure (nombre d'UBT, nombre d'actifs, bœufs de
labour, équipement agricole, surface du coton, des céréales et du
maïs) et de fonctionnement (ratio actifs/terre cultivée, ratio
surface cultivée/jachère et autosuffisance alimentaire).
Catégorisation des exploitations
L'ACP, avec les 10 variables pour l'ensemble de l'échantillon
(n = 352), indique que 78 % de la variabilité des exploitations est
expliquée par quatre composantes. La première composante,
constituée par le nombre d'actifs, les bœufs de labour,
l'équipement agricole et le nombre d'UBT (figure 1), explique
33 % de la variabilité entre les exploitations. Cette composante
est nommée composante de l'élevage, ses variables permettent de
différencier les grandes et les petites exploitations.
La deuxième composante, représentée par la surface du coton et
des céréales, explique 20 % de la variabilité entre les
exploitations. Cette composante est appelée celle de l'agriculture,
car ses variables permettent de connaître l'allocation des surfaces
aux cultures et l'orientation de la production. La composante
3, constituée par l'autosuffisance alimentaire et le ratio
actifs/surface cultivée, explique 15 % et est appelée composante de
subsistance. La composante 4, formée par le ratio surface
cultivée/jachère et la surface du maïs, explique 10 % de la
variabilité. Cette dernière composante est nommée composante de
disponibilité de la terre.
Une assez forte corrélation négative (0,853) est observée entre
la surface du coton (culture de rente) et celle des céréales
(cultures vivrières) (figure 1), indiquant
l'existence de différents systèmes de production où certains
producteurs sont focalisés sur la culture du cotonnier (orienté
vers le marché) et d'autres sur les céréales (subsistance).
La corrélation négative observée entre l'autosuffisance
alimentaire et le ratio actifs/surface cultivée indique une faible
utilisation de la main-d'œuvre par hectare cultivé grâce à
l'attelage, ce que l'on peut considérer comme une tendance
d'intensification agricole.
Formation des groupes et analyse
de la dynamique des exploitations
Analyse en clusters
La catégorisation des exploitations constitue des groupes
relativement homogènes sur la base des variables utilisées dans le
modèle. En réalité, il s'agit d'une classification hiérarchique
ascendante des exploitations agricoles de l'échantillon en fonction
des variables retenues dans l'ACP. Sur la base de ces variables,
une catégorisation des exploitations a été faite pour chaque année
(1994-2004). L'analyse a permis de constituer quatre groupes
d'exploitations dont la description des classes formées
en 1994 et en 2004 est présentée (tableau 1).
Tableau 1 Facteurs de structure
et de fonctionnement des classes
d'exploitations.Table 1. Structure and functioning indicators
of household classes.
|
Années
|
Classe
|
Statistiques
|
Nombre d'UBT (nombre)
|
Bœufs de labour (nombre)
|
Équipement agricole (nombre)
|
Nombre d'actifs (nombre)
|
Ratio actifs/ terre cultivée (actif/ha)
|
Ratio surface cultivée/jachère
|
Surface du coton (%)
|
Surface du maïs (%)
|
Surface des céréales (%)
|
Autosuffisance alimentaire (oui/non)
|
|
1
|
Moyenne
|
34,6
|
4,3
|
7,0
|
13,8
|
0,8
|
5,6
|
39,2
|
6,6
|
51,2
|
oui
|
|
N
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
|
Écart type
|
4,6
|
0,6
|
1,0
|
5,0
|
0,1
|
4,1
|
11,4
|
4,1
|
17,8
|
0,6
|
|
2
|
Moyenne
|
10,1
|
3,3
|
4,6
|
8,7
|
0,8
|
2,3
|
29,5
|
5,0
|
62,5
|
oui
|
|
1994
|
N
|
23
|
23
|
23
|
23
|
23
|
23
|
23
|
23
|
23
|
23
|
|
Écart type
|
4,9
|
1,2
|
1,0
|
4,8
|
0,3
|
8,7
|
6,2
|
3,8
|
7,1
|
0,2
|
|
3
|
Moyenne
|
2,0
|
1,7
|
2,0
|
3,5
|
0,7
|
1,5
|
22,9
|
0,0
|
72,2
|
oui
|
|
N
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
|
Écart type
|
0,9
|
0,6
|
0,0
|
1,0
|
0,2
|
1,1
|
4,5
|
0,0
|
4,3
|
0
|
|
4
|
Moyenne
|
0,9
|
0,0
|
0,0
|
2,2
|
1,3
|
1,4
|
6,8
|
6,4
|
92,4
|
non
|
|
N
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
|
Écart type
|
0,2
|
0,0
|
0,0
|
0,3
|
0,4
|
2,1
|
11,8
|
11,0
|
11,2
|
0,0
|
|
Valeur P
|
< 0,001
|
< 0,001
|
< 0,001
|
< 0,05
|
0,061
|
0,891
|
< 0,001
|
0,271
|
< 0,001
|
< 0,001
|
|
Signification
|
S
|
S
|
S
|
S
|
NS
|
NS
|
S
|
NS
|
S
|
S
|
|
1
|
Moyenne
|
56,9
|
8,0
|
8,3
|
20,8
|
1,0
|
9,14
|
41,3
|
12,6
|
53,7
|
oui
|
|
N
|
4
|
4
|
4
|
4
|
4
|
4
|
4
|
4
|
4
|
4
|
|
Écart type
|
16,7
|
2,8
|
1,7
|
5,7
|
0,1
|
14,1
|
7,9
|
2,4
|
8,7
|
0,5
|
|
2
|
Moyenne
|
14,9
|
3,8
|
5,3
|
11,3
|
0,9
|
3,6
|
38,1
|
9,1
|
55,9
|
oui
|
|
2004
|
N
|
22
|
22
|
22
|
22
|
22
|
22
|
22
|
22
|
22
|
22
|
|
(Typologie actualisée)
|
Écart type
|
8,1
|
1,3
|
1,6
|
4,9
|
0,3
|
23,15
|
9,4
|
4,6
|
9,2
|
0,5
|
|
3
|
Moyenne
|
4,4
|
1,3
|
2,3
|
4,0
|
0,6
|
2,4
|
36,4
|
5,6
|
59,5
|
oui
|
|
N
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
|
Écart type
|
1,8
|
1,2
|
2,5
|
0,9
|
0,2
|
0,3
|
12,0
|
4,9
|
8,3
|
0
|
|
4
|
Moyenne
|
1,1
|
0,0
|
1,0
|
2,8
|
1,7
|
1,0
|
0,0
|
0,0
|
84,2
|
non
|
|
N
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
3
|
|
Écart type
|
0,2
|
0,0
|
0,0
|
1,4
|
1,5
|
0,3
|
0,0
|
0,0
|
27,3
|
0
|
|
Valeur P
|
< 0,001
|
< 0,001
|
< 0,001
|
< 0,001
|
< 0,05
|
0,95
|
< 0,001
|
< 0,05
|
< 0,05
|
< 0,05
|
|
Signification
|
S
|
S
|
S
|
S
|
S
|
NS
|
S
|
S
|
S
|
S
|
Description de la diversité des classes
d'exploitations en 1994
Le nombre d'UBT constitué principalement de bovins, ovins et
caprins a varié de 35 (classe 1) à 0,9 (classe 4) (tableau 1 ; P < 0,001). La classe
1 possédant de grands troupeaux est aussi la mieux dotée en
bœufs de labour (en moyenne quatre) et en équipement agricole, ce
qui lui permet de faire plusieurs opérations culturales en même
temps et d'intensifier le système de production. En revanche, les
petites exploitations pratiquent un système de culture extensif dû
au manque d'équipement agricole. Selon M'Biandoun et al.
(2007), la culture attelée permet d'augmenter la productivité du
travail humain par l'augmentation des productions sans augmentation
du travail.
L'intégration agriculture-élevage est plus avancée dans les
grandes exploitations plus riches grâce à la culture du coton et à
l'élevage bovin par rapport aux petites. Elle se traduit par
l'utilisation de la fumure organique, de la mécanisation pour les
cultures et des résidus de récoltes pour les animaux. L'élevage est
la clé pour concentrer les éléments nutritifs dans le système et
assurer le transfert de la fertilité entre les différentes
composantes du système agraire (Giller et al., 2006b ; Rufino
et al., 2006 ; De Ridder et al., 2004).
La disponibilité d'un nombre d'actifs important au sein de
l'exploitation est capitale pour l'exécution des travaux agricoles.
Les grandes exploitations (classe 1) comptent en moyenne 14
actifs, contre 9 pour les exploitations de taille moyenne
(classe 2). Les petites exploitations, classes 3 et
4 ont respectivement 4 et 2 actifs. Le faible
nombre d'actifs des petites exploitations peut s'expliquer par le
départ en exode des jeunes. Djouara et al. (2006) rapportent
que le nombre de personnes présentes a progressé à un rythme moyen
de 3 personnes par an. Cependant, les petites exploitations
n'ont pas progressé suite au départ de jeunes en exode et du
départ d'un ménage migrant vers le sud. La surface cultivée
des exploitations est en premier liée au nombre d'actifs de
l'exploitation (Guibert et al., 2002 cité par M'Biandoun
et al., 2007). Selon Dufumier (2005), la surface emblavée en
culture manuelle par actif varie d'environ 1 hectare, pour les
exploitations en agriculture manuelle, à 1,5 hectare, dans celles
qui disposent de la presque totalité des équipements mécanisés.
La classe 1 a enregistré un faible ratio actifs/surface
cultivée (0,8) par rapport à la classe 4 (1,3). Le plus petit
ratio indique une moindre utilisation de main-d'œuvre par ha
cultivé ce qui est le signe d'une amélioration de la productivité
du travail due à la culture attelée bovine pour la classe 1.
Le ratio surface cultivée/jachère donne des renseignements sur
la disponibilité de la terre au sein de l'exploitation. Une valeur
élevée de ce ratio signifie une pénurie plus élevée de terres en
jachère pour les exploitations de la classe 1 (5,6) comparées à
celles de la classe 4 (1,4). Dans ce contexte, les grandes
exploitations pour pouvoir continuer à cultiver les mêmes parcelles
doivent intensifier leur système de production en utilisant des
intrants comme la fumure organique et les engrais puisque la
possibilité de mise en jachère est très faible.
Dans l'assolement des cultures, la proportion de coton a varié
de 39 % (classe 1) à 7 % (classe 4) et la proportion des céréales
de 92 % (classe 4) à 51 % (classe 1). L'importance du coton dans
l'assolement de la classe 1 indique une tendance à la
spécialisation de cette catégorie d'exploitation pour cette culture
et une orientation vers le marché. Le rapport des surfaces
coton/céréale pour l'ensemble des exploitations est de 41 % mais la
répartition des superficies par culture est assez variable d'une
exploitation à l'autre. La proportion du maïs dans
l'assolement oscille entre 7 (classe 1) et 5 % (classe 2).
La majorité des exploitations est autosuffisante (classes 1,
2 et 3) en production alimentaire, à l'exception de celles de
la classe 4, qui doivent faire appel à la pluriactivité.
Analyse de (dis)similarité avec la méthode
multidimensionnelle
La dynamique des exploitations dans le temps (possible changement
des exploitations d'une classe à une autre) est illustrée dans la
figure 2.
Les exploitations sont groupées dans différents cercles basés
sur le principe de (dis) similarité entre les exploitations,
exprimé en termes de distance euclidienne. Les outputs en MDS
sont mesurés par la valeur stress. Le stress est similaire au
coefficient, mais il mesure le mauvais ajustement plutôt que la
qualité d'ajustement (Clarke et Warwick, 2001).
Quatre classes d'exploitation ont été établies et chaque
exploitation peut être identifiée à partir de son numéro (figure 2). Pour
évaluer la différence entre les groupes formés, nous avons fait une
analyse de aimilitude (ANOSIM), l'hypothèse de différence entre les
groupes.
Analyse de (dis)similarité avec la méthode
ANOSIM
Des informations pertinentes par rapport aux groupes d'exploitation
en combinaison par paires avec les R statistiques permettant
d'évaluer la différence entre les groupes formés de 1994 à 2004
figurent dans le tableau 2.
Les R statistiques indiquent le niveau de (dis) similarité entre
les groupes :
- – R=1 seulement si toutes les exploitations de
l'échantillon dans le groupe sont similaires les unes aux autres et
dissimilaire par rapport à n'importe quelle autre exploitation de
l'échantillon de groupe différent (exemple groupes 3 et
1 ou 4 et 1) ;
- – R est égal à zéro si les similarités inter- et intra-
groupes sont en moyenne égales ;
- – R sera habituellement entre 0 et 1, indiquant un
certain degré de discrimination entre les groupes d'exploitation
(plus R est élevé plus les groupes sont différents
(dissimilaires)).
Les résultats de l'analyse de similarité (ANOSIM) confirment
ceux trouvés par l'analyse MDS (figure 2) où la
(dis)similarité est exprimé en termes de distance euclidienne.
Ces résultats montrent donc une bonne consistance des groupes
formés.
Une progression des exploitations en fonction de la part du
coton dans l'assolement est constatée (encadré 1), due au revenu
généré par cette culture, nécessaire pour l'amélioration des
conditions de vie des exploitants. Les groupes d'exploitations
diffèrent d'après le nombre d'UBT, déterminant leur progression et
l'accès à la traction animale et à la fumure organique. En général,
les exploitations évoluent dans le temps en fonction de la maîtrise
des ressources, ce qui se traduit par une évolution des systèmes de
production.
Tableau 2 Résultats de l'analyse ANOSIM (valeur
de R) de 1994 à 2004.Table 2. Results of ANOSIM
analysis (R value) from 1994 to 2004.
|
R statistiques
|
|
Groupes
|
1994
|
1995
|
1996
|
1997
|
1998
|
1999
|
2000
|
2001
|
2002
|
2003
|
2004
|
|
2; 3
|
0,523
|
0,435
|
0,741
|
0,908
|
0,914
|
0,983
|
0,875
|
0,956
|
0,969
|
0,984
|
0,62
|
|
2; 4
|
0,995
|
0,991
|
0,986
|
0,986
|
0,969
|
0,999
|
0,987
|
0,999
|
1
|
1
|
1
|
|
2; 1
|
0,536
|
0,504
|
0,474
|
0,588
|
0,529
|
0,671
|
0,602
|
0,75
|
0,504
|
0,709
|
0,743
|
|
3; 4
|
0,556
|
0,926
|
1
|
0,5
|
1
|
0,583
|
0,833
|
1
|
0,667
|
0,5
|
0,889
|
|
3; 1
|
1
|
1
|
1
|
1
|
1
|
1
|
1
|
1
|
1
|
0,823
|
1
|
|
4; 1
|
1
|
1
|
1
|
0,982
|
1
|
1
|
1
|
1
|
1
|
0,99
|
1
|
Évaluation du « développement »
des exploitations
L'indice de changement des différentes classes d'exploitation au
cours de la période 1994-2004 est présenté dans la figure 3. L'indice de
changement des exploitations a été déterminé pour évaluer le niveau
de dotation en ressources dans le temps, indiquant le «
développement des exploitations ». Au cours de la période
1994-2004, l'indice moyen de changement des groupes d'exploitation
a été 45 (classe 1), 30,4 (classe 2), 3,8 (classe 3) et -1,5
(classe 4). La classe 1 a enregistré le plus grand indice
de changement, ce qui signifie qu'elle a gagné plus de ressources
au cours des 11 années comparée aux autres classes. En
revanche, l'indice moyen de changement de la classe 4 est
négatif indiquant un appauvrissement croissant de cette catégorie.
En effet, les grandes exploitations grâce à la culture du coton
ont obtenu des revenus plus importants, qu'elles ont investi dans
l'équipement agricole et dans le cheptel, ce qui a permis une
intensification du système de production à travers l'utilisation de
la culture attelée et de la fumure organique.
La capitalisation des revenus du coton dans l'élevage (bovin)
a aussi favorisé une relative spécialisation de cette activité
(production laitière, embouche bovine) et une transformation
progressive du système d'élevage transhumant vers un système
semi-intensif (stabulation, pâture restreinte et complémentation).
Mais il convient de signaler aussi que la capitalisation des
revenus du coton dans l'équipement a favorisé l'extension des
surfaces cultivées aux dépens des pâturages et l'augmentation du
cheptel, provoquant un surpâturage des parcours et une dégradation
progressive de l'environnement.
La trajectoire de l'indice d'évolution des petites exploitations
(figure 3A)
indique une tendance à la disparition de cette classe c'est-à-dire
l'abandon de l'agriculture pour d'autres secteurs de production
(exemple conducteur de pousse-pousse en ville, chargeur de camion,
etc.). Mais on assiste aussi à l'apparition de nouvelles petites
d'exploitations suite à l'éclatement des grandes. Selon Dufumier
(2005), les « grandes famille s » sont celles dans lesquelles
les revenus par actif (ou par personne) sont fréquemment les plus
élevés, et a contrario, les familles de petites tailles sont
souvent les moins fortunées.
L'approche semble être efficace pour l'évaluation quantitative
de l'évolution des exploitations (développement) et pour déterminer
les tendances évolutives et les facteurs qui les sous-tendent
(le nombre d'UBT, la surface du coton et du maïs, le nombre
des actifs, l'équipement agricole).
Typologie actualisée en 2004
À partir des donnés de 2004 (n = 32), quatre classes
d'exploitations ont été établies, dont la première classe est
constituée de 13 % des exploitations – elle est la mieux dotée en
facteurs de production (tableau 1).
La deuxième classe représente la majorité des exploitations
(69 %) ; la troisième et la quatrième classes, démunies de facteurs
de production, regroupent chacune 9 %.
Le nombre d'UBT est significativement différent d'une classe à
une autre (P < 0,001). Les exploitations agricoles de la
classe 1 se distinguent avec un total de 57 UBT, contre
1 pour la classe 4. L'augmentation du nombre d'UBT (de
34 à 57) pour la classe 1 est fortement attribuée aux
revenus générés par la culture du coton. Le nombre d'actifs a
varié entre 21 (classe 1) et 3 (classe 4). Dans l'assolement des
cultures, la place du coton a varié de 41 % (classe 1) à 0 %
(classe 4), soit une progression de 2 % entre 1994 et 2004 pour la
classe 1 contre une réduction (7 %) dans la classe 4.
La proportion des céréales oscille entre 84 (classe 4) et 54 %
(classe 1).
Conclusion
Sur la base des paramètres de structure et de fonctionnement des
exploitations agricoles, la typologie actualisée en 2004
comporte quatre classes. Les classes 1 (13 %) et 2 (69 %) sont
caractérisées par un système de production mixte
(agriculture-élevage), avec une forte production de coton (orienté
vers le marché), tandis que les classes 3 et 4 (18 %)
pratiquent un système de production fondé sur les céréales
(orientation : subsistance). Le nombre d'UBT est
significativement différent d'une classe à une autre (P <
0,001). La main-d'œuvre familiale oscille entre 21 actifs
(classe 1) et 3 (classe 4). Dans l'assolement des cultures, la
proportion de coton varie de 41 % (classe 1) à 0 % (classe 4).
Toutes les classes sont confrontées au manque de jachère dans leur
système de production. L'analyse des exploitations individuelles a
montré que les systèmes de production sont évolutifs et
hétérogènes. L'indice de changement des exploitations de la zone de
Koutiala indique une tendance à l'intensification et au
développement des grandes exploitations. En revanche, les petites
exploitations ont tendance à disparaître.
Une meilleure intégration agriculture-élevage (cultures
fourragères, gestion des résidus de récolte et du fumier) peut être
une opportunité pour les grandes exploitations (classe 1), afin
qu’elles améliorent leur productivité et diversifient les sources
de leurs revenus par la vente des produits de l'élevage (lait,
viande) dans un contexte où le prix de coton (principale culture de
rente) connaît des fluctuations sur le marché mondial. D'autres
perspectives pour ces exploitations peuvent être la spécialisation
dans la production fruitière et l'organisation en coopérative pour
faciliter l'écoulement des productions sur les marchés intérieurs
et extérieurs. Mais, dans ce cas, le défit peut être la livraison
de produits répondant aux normes de qualité imposées par les
opérateurs. Les grandes exploitations, grâce à leur dotation
en ressources, peuvent se focaliser sur la culture du coton,
lorsque son prix d'achat aux producteurs redevient intéressant.
Les exploitations intermédiaires (classe 2) doivent aller vers
la diversification des activités de production tout en continuant à
produire du coton malgré les difficultés actuelles de la filière.
En effet, les paysans ne cultivent pas le cotonnier seulement à
cause des revenus qu'il procure, mais aussi pour l'obtention de
crédits d'intrants nécessaires au maintien de la fertilité des
sols. Ainsi, une meilleure organisation des producteurs, leur
formation et la création de fond de mutuelle au niveau des
Coopérative de producteurs de coton (CPC) seraient indispensables
pour éviter la mauvaise gestion des crédits et faire face aux
enjeux de la libéralisation de la filière coton.
Ces exploitations, ou du moins celles qui possèdent des
vaches, peuvent aussi s'engager dans la production laitière,
l'élevage de petits ruminants et le maraîchage de
contre-saison pour améliorer les conditions de vie.
En revanche, la culture du maïs et le maraîchage de
contre-saison peuvent être des opportunités pour les petites
exploitations (classe 3 et 4), pour leur permettre de
satisfaire les besoins alimentaires, d'améliorer les revenus de la
famille et de se maintenir dans le secteur agricole. Le cas
échéant, les exploitants pourront quitter l'agriculture pour
d'autres secteurs. En effet, ces exploitants pratiquent
généralement pour leur survie la vente temporaire de leur force de
travail à d'autres exploitations (salariat agricole) et la
migration (de courte durée ou définitive par abandon de
l'agriculture). Il semble nécessaire de favoriser leur accès
aux équipements agricoles (charrue, charrette, bœufs de labours
etc.) à travers des crédits d'équipements. L'élevage de petits
ruminants, de la volaille et la culture de l'arachide peuvent aussi
contribuer à l'amélioration des conditions de vie de ces
groupes.
Références
[Bosma et al., 1996] Bosma R, Bengaly K, Traoré M, Roeleveld
A. L'élevage en voie d'intensification. Synthèse de la recherche
sur les ruminants dans les exploitations agricoles mixtes au
Mali-Sud. Amsterdam ; Bamako : Institut Royal des Tropiques ;
Institut d'économie rurale, 1996.
[Clarke et Warwick, 2001] Clarke KR, Warwick RM. Change in
Marine Communities: an approach to statistical analysis and
interpretation. 2nd edition. Plymouth (Royaume-Uni) :
Plymouth Marine Laboratory, 2001.
[De Ridder et al., 2004] De Ridder N, Breman H,
Van Keulen H, Stomph TJ. Revisiting a 'cure against land
hunger': soil fertility management and farming systems dynamics in
the West African Sahel. Agric Syst 2004 ; 80 :
109-31.
[Djouara et al., 2006] Djouara H, Bélière JF,
Kébé D. Les exploitations agricoles familiales de la zone
cotonnière du Mali face à la baisse des prix du coton-graine. Cah
Agric 2006 ; 15 : 64-71.
[Dufumier, 2005] Dufumier M. Etude des systèmes agraires et
typologie des systèmes de production agricole dans la région
cotonnière du Mali. Programme d'amélioration des systèmes
d'exploitation en zone cotonnière (PASE). Paris-Grignon : Institut
national agronomique (Ina-PG), 2005. www.hubrural.org
[Giller et al., 2006a] Giller KE, Rowe E, De
Ridder N, Van Keulen H. Resource use dynamics and
interactions in the tropics: Scaling up in space and time. Agric
Syst 2006a ; 88 : 8-27.
[Giller et al., 2006b] Giller KE, De Ridder N, Rufino
MC, Tittonell P, Van Wijk MT, Zingore S. Manure as a key resource
to sustainability of smallholder farming systems in Africa: An
introduction to the NUANCES framework. In Danish report:
12th Ramiran International conference, Technology for
Recycling of Manure and Organic Residues in a Whole-Farm
Perspective. Aarhus : Ministry of Food, Danish Institute of
Agricultural Sciences, 2006b.
[Kanté, 2001] Kanté S. Gestion de la fertilité des sols par
classe d'exploitation au Mali-Sud. Ph.D. Thesis, Wageningen
University, Wageningen (Pays-Bas), 2001.
[Köbrich et al., 2003] Köbrich C, Rehman T,
Khan M. Typification of farming systems for constructing
representative farm models: two illustrations of the application of
multivariate analyses in Chile and Pakistan. Agric Syst 2003 ;
76 : 141-57.
[Kruskal, 1964] Kruskal JB. Multidimensional scaling by
optimizing goodness of fit to a non-metric hypothesis.
Psychometrika 1964 ; 29 : 1-27.
[Mbetid-Bessane et al., 2003] Mbetid-Bessane E,
Havard M, Djamen Nana P, Djonnewa A,
Djondang K, Leroy J. Typologies des exploitations
agricoles dans les savanes d'Afrique centrale. In :
Jamin JY, Boukar L, Floret C, eds. Savanes
Africaines: des espaces en mutation, des acteurs face á de nouveaux
défis. N'Djamena, (Tchad). Montpellier (France) :
Cirad/Prasac, 2003.
[M'Biandoun et Olina Bassala, 2007] M'Biandoun M, Olina Bassala
JP. Savoir paysan et fertilité des terres au Nord-Cameroun. Cah
Agric 2007 ; 16 : 185-97. DOI : 10.1684/agr. 2007.0100
[Plymouth Routines In Multivariate Ecological Research, 2006]
Plymouth Routines In Multivariate Ecological Research. PRIMER-E v6.
Plymouth (Royaume-Uni) : PRIMER-E Ltd, 2006.
[Rufino et al., 2006] Rufino MC, Rowe EC,
Delve RJ, Giller KE. Nitrogen cycling efficiencies
through resource-poor African crop-livestock systems. Agric Ecosyst
Environ 2006 ; 112 : 261-82.
|