Content uploaded by Aminou Arouna
Author content
All content in this area was uploaded by Aminou Arouna on Nov 21, 2017
Content may be subject to copyright.
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
47
IMPACT DE LA TECHNOLOGIE SMART-
VALLEY POUR L’AMENAGEMENT DES
BASFONDS SUR LE REVENU ET LE
RENDEMENT DES PETITS PRODUCTEURS DE
RIZ AU BENIN
AROUNA Aminou1*, AKPA Aristide K. A.1,
ADÉGBOLA Patrice Y.2
1Africa Rice Center (AfricaRice), 01 BP 2031, Cotonou, Bénin,
a.arouna@cgiar.org
2Institut National des Recherches Agricoles du Bénin (INRAB), 01
BP 884, Cotonou, Bénin
RESUME
Ce papier évalue l’impact de l’adoption de la nouvelle technologie
Smart-valley pour l’aménagement des basfondssur les conditions de
vie des riziculteurs du Bénin. En effet, Smart-valley est une
technologie rizicole introduite par AfricaRice pour résorber les
effets néfastes des changements climatiques et la faible productivité
de la riziculture de basfond pluvial. L’étude a utilisé des données
collectées sur un échantillon aléatoire de 380 ménages riziculteurs
au centre du Bénin. Contrairement à plusieurs études d’impact, la
fonction LARF « Local Average Response Function » a été utilisé
pour éliminer les biais dus aux caractéristiques observables et non-
observables. Les résultats montrent que l’adoption de la nouvelle
technologie Smart-valley améliore le rendement du riz 0,9 t / ha et le
revenu net de 133676 FCFA/ha. Le modèle Probit indique que le
régime foncier, la superficie totale disponible, le prix de vente du
paddy et la disponibilité de bas-fond favorisent l’adoption de Smart-
valley. L’étude recommande une large diffusion de la technologie
Smart-valley pour améliorer le bien-être des petits producteurs.
Mots clés : Smart-valley, Riz, LARF, Impact, Bénin.
ABSTRACT
This paper assesses the impact of the adoption of Smart-valley
technology for lowland management on the welfare of the rice
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 48
farmers in Benin. Indeed, Smart-valley is a rice-based technology
introduced by AfricaRice to overcome the negative effects of climate
change and the low productivity of rice production in rainfed
lowland. The study used data collected from a random sample of 380
rice-growing households in central part of Benin. Contrarily to other
impact survey, the Local Average Response Function (LARF) was
used to eliminate both observed and non-observed biases. Results
showed that adoption of Smart-valley technology increased rice yield
by 0.9 t/ha and the net income by 133676 FCFA/ha. The Probit
model indicated land tenure, total available area, paddy price, and
lowland availability are determinant factors of Smart-valley
adoption. The study recommends wide dissemination of Smart-valley
technology to improve the livelihood of smallholders.
Key words: Smart-valley, Rice, LARF, Impact, Benin.
INTRODUCTION
Le riz est la plus importante culture de base des pays en
développement, et l'aliment de base de plus de la moitié de la
population mondiale. Dans le monde entier, plus de 3,5 milliards de
personnes dépendent du riz pour satisfaire plus de 20% de leur
apport calorique quotidien (IRRI et al., 2010). En Afrique Sub-
Saharienne (ASS), la consommation du riz ne cesse de croître, et a
augmenté à un taux de croissance moyen annuel de 4,90% au cours
des dix dernières années, jusqu'en 2015 (USDA, 2016). Malgré les
multiples politiques mises en œuvre pour stimuler la production
locale, surtout après la crise alimentaire mondiale de 2007/2008, la
production locale n’a pu satisfaire les demandes croissantes des
populations. Ainsi, un déficit structurel, qui va en s’agrandissant,
s’observe au fil des années. Le déficit annuel est d'environ 11
millions de tonnes sur la période 2010-2015, qui a été satisfait par
des importations massives des pays asiatiques (USDA, 2016).
Pour accroître la production, l’amélioration de la productivité et
l’augmentation des superficies restent les seuls moyens. Les
superficies potentielles pour la riziculture de bas-fonds sont évaluées
à environ 200 millions d'hectares en Afrique Sub-Saharienne, offrant
d’importantes possibilités pour l'irrigation (Wakatsuki et al., 2011).
Les bas-fonds sont assez répandus en Afrique de l'Ouest et offrent
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 49
des conditions biophysiques favorables pour l'expansion et
l'intensification durable de la riziculture (AfricaRice, 2010). Mais, un
gap de rendement existe entre le rendement potentiel et celui obtenu
sur les parcelles rizicoles en Afrique de l'Ouest (2,57 t/ha alors qu'il
est entre 8-10 t / ha en Asie et en Egypte) (AfricaRice, 2011). Dans
ce contexte, la recherche a la responsabilité de développer de
nouvelles technologies rizicoles adaptées à ces écosystèmes pour
augmenter la productivité et la production.
Comme la plupart des pays côtiers de l’Afrique de l’Ouest, le Bénin
dispose d’importantes ressources en eau pour l'intensification de la
riziculture. Selon les statistiques, plus de 322000 hectares de terres
potentiellement propices à la culture du riz sont disponibles (MAEP,
2011). Cependant, seulement 10% de ces ressources sont utilisées.
Malgré les atouts de la filière, la production n’arrive pas à couvrir la
demande des populations. Toutefois, une croissance de la production
de 13,07% en moyenne après la crise alimentaire est observée. La
production de paddy qui était de 109000 tonnes en 2008, a atteint les
220000 tonnes en 2015 (USDA, 2016). La production a, en effet,
plus que doublé en sept ans.
Les bas-fonds représentent un énorme potentiel pour accroître la
productivité et la production du riz, notamment face à l'irrégularité
des précipitations occasionnée par les changements climatiques.
Cependant, l'amélioration de la gestion de l'eau est un préalable pour
améliorer la production durable du riz dans les bas-fonds. La
technologie Smart-valley est une solution et représente une
opportunité pour intensifier la riziculture à travers à une meilleure
maîtrise de l'eau et la gestion de la fertilité des sols dans les bas-
fonds. En effet, Smart-valley fait référence à une parcelle aménagée,
labourée, nivelée et délimitée par des digues et diguettes pour la
culture du riz (Fashola et al., 2002). La technologie Smart-valley a
un énorme potentiel en Afrique de l'Ouest. Wakatsuki et Masunaga
(2005) indiquent que le potentiel rizicole à base de Smart-valley en
Afrique de l'Ouest est énorme pour stimuler la révolution verte,
longtemps espérée. Car les conditions agro-écologiques de la région
de l'Afrique de l'Ouest sont semblables à celles du Nord de la
Thaïlande, qui est l'un des grands centres rizicoles au monde. La
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 50
transformation soutenue aiderait les pays africains à surmonter leur
forte dépendance aux importations de riz et faire face à d’éventuelle
future crise alimentaire (AfricaRice, 2010).
Smart-valley est introduit en Afrique de l’Ouest au cours des années
1997 et 2001 au Ghana et au Nigéria, respectivement. La technologie
a transformé les rendements sur les exploitations rizicoles, et sont
estimés en moyen entre 4,5 à 5,2 tonnes par hectare (Oladele et
Wakatsuki, 2009). Grâce aux résultats satisfaisants obtenus et aux
expériences acquises, la technologie Smart-valley a été adaptées aux
conditions de la riziculture de l’Afrique de l’Ouest. Cette nouvelle
technologie Smart-valley a été introduite au Bénin et au Togo à
travers le projet SMART-IV 1 piloté par le Centre du riz pour
l’Afrique (AfricaRice). Le projet a démarré par l’installation des
sites de démonstration dans les deux pays en 2010.
La technologie Smart-valley est entrée en phase de développement
en 2013 pour une large diffusion en raison de son faible coût de
réalisation. Cette étude vise à évaluer l’impact de l’adoption de la
technologie Smart-valley au Bénin. Plus précisément, elle vise à :
analyser les déterminants de son adoption et àévaluer son impact sur
le rendement et le revenu des adoptants. Contrairement à plusieurs
études d’impact (Arouna et al., 2011), cette étude utilise la méthode
du Local AverageResponseFunction (LARF) basée sur l’approche
contrefactuelle pour estimer sans biais l’effet moyen local du
traitement (LATE). La fonction LARF permet d’éliminer les biais
dus aux caractéristiques observables et non-observables et réduit les
problèmes de biais de sélection. Cette étude contribue donc
àaméliorer la méthodologie d’évaluation d’impact des innovations
agricoles et d’estimer plus objectivement les résultats des
interventions en milieu rural face aux effets des changements
climatiques.
1 SMART-IV est un acronyme anglais qui signifie “Sawah, Market Access
and Rice Technologies for InlandValleys”.
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 51
1. MATERIELS ET METHODES
1.1. Milieu d’étude
L’étude est réalisée au sud et au centre du Bénin, couvrant les
départements des Collines et de Zou. En effet, cette zone retenue
pour la promotion et le développement de la riziculture au Bénin par
l’Institute National des Recherches Agricoles du Bénin (INRAB).
C’est aussi dans cette zone que la nouvelle technologie Smart-valley
est introduite, car elle regorge une diversité d’écosystèmes
favorables à la riziculture. La zone d’étude couvre une superficie de
18700 km2, et est étendue du 7° au 8° Latitude Nord (INSAE, 2002).
Elle est traversée par les fleuves Ouémé et Zou et leurs affluents.
Plus de deux-tiers de la population vit en milieu rural, où le riz est
l’aliment de base et quotidien. La zone comprend quinze communes,
dont cinq sont couvertes par cette étude : Dassa-Zoumé, Glazoué,
Ouinhi, Savalou, et Zagnanado.
1.2. Echantillonnage et collecte des données
L’étude a utilisé un échantillonnage aléatoire et stratifié de deux
degrés. Au premier degré, 38 villages sont sélectionnés à partir de la
liste de sondage des villages producteurs du riz dans les cinq
communes. Ensuite, 10 ménages sont sélectionnés dans chaque
village à partir de la liste de sondage des ménages riziculteurs. Au
total, 380 ménages rizicoles sont sélectionnés. Les données d’ordre
socioéconomique et démographique sont collectées au moyen d’un
système automatique en utilisant les tablettes et une application Mlax
développée par AfricaRice. Le système permet d’éviter la perte de
temps et des erreurs liées à la saisie des données, et de disposer des
données en tout lieu via l’internet. L’enquête a eu lieu en décembre
2015.
1.3. Analyse des déterminants de l’adoption
L’adoption de la technologie Smart-valley dépend de la connaissance
de son existence. Lorsqu’un producteur dispose de l’information sur
une innovation, il est, à partir de ce moment, en mesure de prendre la
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 52
décision de l’adopter ou non. Cette décision est, cependant,
influencée par ses caractéristiques socioéconomiques et
démographiques. En outre, cette décision dépend également de
l’utilité qu’il espère obtenir de l’innovation. Supposons 𝑈
et 𝑈
, les
niveaux d’utilités qu’un riziculteur adoptant ou non-adoptant i
pourrait obtenir de la technologie Smart-valley, respectivement. La
décision observée dépend de la grandeur des deux utilités. En effet,
les producteurs qui ont adopté la technologie espèrent obtenir une
plus grande utilité ( 𝑈
) que celle des non-adoptants ( 𝑈
), (i.e.
𝑈
> 𝑈
). Le modèle linéaire de l’utilité aléatoire peut s’écrire :
𝑈
= 𝑥𝛾+ 𝜀 et 𝑈
= 𝑥𝛾+ 𝜀 (1)
Selon Verbeek (2004), pour chaque producteur i, la différence du
niveau d’utilité entre l’adoption et la non-adoption, en fonction des
caractéristiques observables (𝑥) et non observables (𝜀), est comme
suit :
𝐴
∗= 𝑈
− 𝑈
= 𝑥𝛾 + 𝜀 (2)
avec 𝐴
∗ une variable muette non observable, et 𝛾 = 𝛾− 𝛾. Ce
modèle (équation 2) détermine la probabilité qu’un riziculteur adopte
la nouvelle technologie Smart-valley (𝐴= 1) et 𝐴= 0 si non. Dans
la pratique, on fait souvent recours au modèle Probit ou Logit, mais
cette étude a utilisé le modèle Probit qui utilise la distribution
normale. Sa forme générale est :
𝑃𝑟𝑜𝑏(𝐴= 1|𝑥)=∫∅(𝑡)𝑑𝑡 = Φ(𝑥𝛾)
(3)
où∅(⋅) et Φ(⋅) représentent respectivement la fonction de densité et
la fonction de distribution cumulative de la distribution normale. La
variable dépendante 𝑦 est le statut d’adoption du riziculteur, qui
prend la valeur 1 si le riziculteur a adopté la nouvelle technologie
Smart-valley, et 0 si non.
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 53
1.4. Méthode d’évaluation d’impact
L’étude a estimé ce qu’aurait été en moyenne la situation des
adoptants de la technologie Smart-valley s’ils n’avaient pas décidé
d’adopter. Une méthode simple d’évaluer l’impact et souvent utilisé
dans la littérature est de déterminer la différence des indicateurs
étudiés (rendement et revenu) entre les adoptants et les non-
adoptants (Arouna et al., 2011). Mais son interprétation comme une
relation de cause à effet entre le statut d’adoption suscite de
nombreux problèmes. Selon Heckman (2010), le principal problème
est lié au biais de sélection. En effet, il est bien probable qu’une
partie de la différence existait avant l’adoption entre des indicateurs
(rendement et revenu) des adoptants et des non-adoptants. Alors, la
différence ne doit être interprétée que l’augmentation du rendement
ou du revenu de l’adoptant est uniquement due à l’adoption, par
exemple. Il ressort alors qu’une différence sans biais sera
déterminée, si les groupes sont similaires, et que la seule différence
observableet non-observables est l’adoption de la technologie Smart-
valley. Afin de résoudre ce problème de biais qui est liés à la
différence entre les caractéristiques observables et non-observables
des adoptants et non-adoptants et de générer l’impact sans biais,
cette étude utilise la méthode du Local AverageResponseFunction
(LARF) basée sur l’approche contrefactuelle pour estimer sans biais
l’effet moyen local du traitement (LATE) (Imbens et Wooldridge,
2009).
Comme dans la section 2.3, supposons une variable binaire 𝐴,
indiquant le statut d’adoption ; avec 𝐴= 1 pour les adoptants, et
𝐴= 0 pour les non-adoptants. Pour un producteur du riz i , le
revenu et le rendement sont observés. Le producteur a deux niveaux
potentiels de revenu (ou de rendement) y et y représentant
respectivement le revenu (ou le rendement) si le producteur a adopté
la nouvelle technologie Smart-valley ( A= 1 ) ou dans le cas
contraire (A= 0). Le niveau de résultat observé s’écrit :
𝑦= 𝐴𝑦 + (1 − 𝐴)𝑦 (4)
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 54
L’impact de l’adoption de la technologie Smart-valley sur un
producteur i, est la différence de résultat avec et sans adoption
(𝛼= 𝑦 − 𝑦). Cependant, il est impossible d’observer cette
différence sur le même producteur, car le producteur est soit
adoptant ou non. Alors, le problème fondamental d’évaluation
d’impact est l’impossibilité d’observer simultanément 𝑦 et 𝑦 pour
un producteur i (Diagne et Demont, 2007). Du moment où il n’est
possible que d’observer soit 𝑦 ou 𝑦, il se pose alors un problème de
manque de données, c’est le « contrefactuel » (Heckman, 2010).
Pour surmonter ce problème de manque de données et corriger les
biais induits par les différences des caractéristiques observables et
non-observables entre les adoptants et les non-adoptants, Imbens et
Angrist (1994) ont proposé un estimateur appelé le « Local
AverageTreatmentEffect » (LATE) qui est l’impact moyen pour la
sous-population des adoptants potentiels. Cet estimateur requiert
l’utilisation d’une méthode de variables instrumentales (Abadie,
2003). Cette méthode suppose l’existence d’au moins une variable z,
appelée instrument, qui affecte directement le statut d’adoption, mais
indirectement les résultats 𝑦 et 𝑦, une fois que les variables
indépendantes (𝑥) sont contrôlées.
Cette étude utilise la connaissance de la technologie Smart-valley
comme variable instrumentale (z), avec 𝑧 = 1 si le riziculteur
connait la technologie, et 𝑧 = 0, autrement. En effet, le choix de
cette variable est lié au fait que la connaissance pourrait influencer la
décision d’adopter la technologie Smart-valley. Cependant, la
connaissance, à elle seule, n’influence pas directement les
indicateurs (le rendement et le revenu). Alors, la connaissance
répond à la définition de la variable instrumentale donnée par Abadie
(2003) et Heckman (2010).
Pour l’estimation du LATE, l’étude utilisera l’estimateur proposé par
Abadie (2003), qui est une généralisation de celui proposé par
Imbens et Angrist (1994), et pour lequel le caractère aléatoire de
l’instrument n’est pas exigé, mais l’instrument z doit être
indépendant de 𝑦 ou 𝑦, conditionnellement à 𝑥. Pour estimer le
LATE selon la méthode de Abadie (2003), il faut estimer la fonction
«Local Average Response Function (LARF)» définie comme suit :
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 55
𝐸(𝑦|𝑥, 𝐴= 1)= 𝛼+ 𝛼𝐴 + 𝛽𝑋 + 𝛾𝐴𝑋 (5)
où𝛼, 𝛽 et 𝛾 sont des vecteurs des paramètres à estimer, et
𝐿𝐴𝑇𝐸
=
()∑𝑘
. ℎ(𝑦, 𝑥, 𝜃
) (6)
avec 𝑘
= 1 −
() représentant le poids des producteurs qui
changent leur décision d’adopter la technologie s’ils sont informés,
𝑃𝑟𝑜𝑏(𝐴= 1) est definie dans l’equation (3), ℎ𝑦, 𝑥, 𝜃
=
𝑓𝑥, 1, 𝜃
− 𝑓(𝑥, 0, 𝜃
) et 𝜃
= ( 𝛼, 𝛽, 𝛾) représentent le vecteur les
paramètres à estimer.
2. RESULTATS ET DISCUSSION
2.1. Caractéristiques socioéconomiques et démographiques
Le tableau 1 présente une description statistique de l’échantillon
utilisé. Les résultats montrent que les hommes sont plus impliqués
dans la riziculture que les femmes au Bénin. Ils représentent 73,40%
de l’échantillon contre 26,60% pour les femmes. L’échantillon est
composé de 18,35% d’adoptants (ayant au moins une parcelle
aménagée avec la technologie Smart-valley) au moment de
l’enquête. Leur âge moyen est de 46 ans, donc mariés dans la grande
majorité (environ 87%). La taille des ménages est en moyenne de 8
personnes, servant de main-d’œuvre pour la production.
L’agriculture étant l’activité principale de la quasi-totalité des
ménages (93%), justifie la forte expérience des ménages dans la
riziculture. Mais, les ménages adoptants sont moins expérimentés
que les non-adoptants, 10 et 13 ans, respectivement. Un faible niveau
d’éducation est observé au sein des producteurs. 41% des
producteurs ont une éducation formelle, avec au moins le niveau
primaire. Le manque de politique de crédit oriente vers les cultures
vivrières justifie le faible niveau d’accès au crédit. Il s’agit là d’une
contrainte majeure car le crédit permet de constituer le capital, qui
est d’une importance capitale pour l’agriculture. Ainsi, seuls 18%
des ménages enquêtés ont pu obtenir du crédit en 2015. Mais ce
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 56
pourcentage est significativement plus élevé pour les adoptants
(32%) que pour les non-adoptants (14%). Cet argent leur a permis
d’acheter les intrants agricoles, de payer les ouvriers, etc. Ils sont en
majorité (65%) membres d’association de producteurs, et moins de la
moitié (41%) de l’échantillon ont bénéficié d’une formation en
agriculture.
En général, les producteurs ont deux modes d’accès à la terre : accès
direct ou indirect. Le mode d’accès direct regroupe l’héritage et
l’achat, alors que le mode indirect regroupe la location, l’emprunt, le
gage et le métayage. Les résultats ont indiqué que les producteurs ont
majoritairement (68%) un accès direct à la terre. Ceci leur confère
une sécurité foncière, leur permettant d’investir pour le
développement des activités agricoles à travers l’adoption des
nouvelles technologies agricoles. Mais dans le mode d’accès
indirect, le risque que la terre soit reprise par le propriétaire à tout
moment peut négativement affecter l’investissement sur la terre en
adoptant une innovation d’aménagement des bas-fonds comme le
Smart-valley. Enfin, le tableau 1 (cinquième colonne) indique que
plusieurs caractéristiques observables sont significativement
différentes des adoptants et des non-adoptants de la technologie
Smart-valley. Ainsi, une simple différence entre les indicateurs
(revenu et rendement) des adoptants et des non-adoptants donnera un
résultat biaisé de l’impact de la technologie Smart-valley.
Tableau 1: Caractéristiques socioéconomiques et démographiques
des enquêtés
Variables Adoptants
(N1=69)
Non-
adoptants
(N
2
=307)
Total
(N=376)
Différence
Test (t-
test)
Age (Année) 44 (10) 46 (10) 46 (10) 2,00*
Taille du ménage
(Nombre) 8 (4) 8(3) 8 (3) 0,00
Expérience dans
la riziculture
(Année)
10 (8) 13 (8) 13 (8) 3,01**
Sexe du
producteur en %
85,51
(35,46)
70,68
(45,60)
73,40
(44,24) 14,83%***
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 57
(1=Homme,
0=Femme)
Situation
matrimoniale en
% (1=Maré,
0=Non)
88,41
(32,25)
86,64
(34,07)
86,97
(33,71) 1,76
Avoir reçu une
éducation en %
(1=Oui, 0=Non)
42,03
(49,72)
41,37
(49,33)
41,49
(49,34) 0,66
Activité principale
en %
(1=Agriculture ;
0=Non)
89,86
(30,41)
92,83
(25,83)
92,29
(26,71) 2,98
Accès au crédit en
% (1=Oui,
0=Non)
32,35
(47,13)
14,38
(35,15)
17,71
(38,23) 17,97%***
Avoir reçu une
formation agricole
en % (1=Oui,
0=Non)
30,43
(46,35)
40,39
(49,14)
38,56
(48,74) 9,96*
Etre membre
d’une association
en % (1=Oui,
0=Non)
55,07
(50,11)
66,45
(47,29)
64,36
(47,96) 11,38**
Mode d’accès à la
terre en %
(1=Direct,
0=Indirect)
62,32
(48,81)
84,36
(36,38)
80,32
(39,81) 22,05***
() Ecart-type ; * significatif à 10% ; ** significatif à 5% and ***
significatif à 1%
2.2. Déterminants de l’adoption de la technologie Smart-
valley
L’estimation du modèle d’adoption de la technologie Smart-valley
est faite avec le modèle Probit. Le test du maximum de
vraisemblance montre que le modèle est globalement significatif à
1%. Les résultats montrent que six facteurs influençant l’adoption de
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 58
Smart-valley(Tableau 2). Ces facteurs sont : superficie totale
disponible, disponibilité de bas-fond, régime foncier, prix de vente
de paddy et appartenance à une association.
La superficie totale disponible influence positivement et
significativement l’adoption de Smart-valley au seuil de 1%. Ces
résultats sont similaires à ceux de Alarima et al. (2013). Alors, plus
la superficie agricole disponible pour le ménage est grande, plus la
probabilité d’adoption augmente. Les résultats indiquent que si le
ménage dispose d’une unité supplémentaire de terre, la probabilité
augmente de 0,9%. En effet, la technologie Smart-valley étant une
technologie d’aménagement des terres, la disponibilité de la terre est
importante pour son adoption.
Le prix de vente du produit a toujours été un facteur déterminant
pour le producteur. Ceci détermine le bénéfice qu’il tire de la
production. Le prix du marché inclus dans le modèle spécifié pour
cette étude a une influence positive et significative sur l’adoption de
la technologie Smart-valley au seuil de 1%. Son effet marginal est de
0,7%, ce qui signifie que si le prix du paddy pratiqué sur le marché
au cours de la campagne précédente est élevé, ceci augmente la
probabilité d’adoption. Les producteurs ont tendance à adopter
massivement la technologie, afin d’espérer bénéficier d’un prix de
marché élevé et de réaliser des économies d’échelle.
L’accès sécurisé à la terre est aussi un facteur important pour
l’adoption des innovations agricoles. Les résultats montrent un effet
positif et significatif de l’accès à la terre par héritage ou location
pour l’adoption de Smart-valley. Les producteurs qui ont une
sécurité foncière sont en mesure d’investir significativement dans
l’agriculture en adoptant des technologies nouvelles développées par
la recherche. Ce résultat est conforme à celui de Oladele et
Wakatsuki (2009) qui rapportent que la rentabilité de l’utilisation de
la technologie Smart-valley augmente si l’adoptant accède à la terre
par héritage, l’achat, ou qui a un contrat de bail de long terme avec le
propriétaire de la parcelle. Les bas-fonds représentent l’écosystème
le plus adapté où la maîtrise de l’eau et de la fertilisation donne de
meilleurs résultats. Ainsi, la technologie Smart-valley est plus
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 59
adaptée aux bas-fonds (Wakatsuki et al., 2011). Les résultats
révèlent que la disponibilité de bas-fond pour le ménage influence
positivement l’adoption de Smart-valley. En effet, ce facteur
augmente la probabilité d’adopter la technologie Smart-valley de
36%.
Tableau 2 : Déterminants de l’adoption de la technologie Smart-
valley
Variables indépendantes Coefficients Erreur
standards
Effets
marginaux
Age (Année) -0,001 0,014 0,001
Expérience en riziculture
(Année) -0,010 0,018 -0,002
Sexe (1=Homme,
0=Femme) -0,292 0,308 -0,067
Production dans le bas-fond
(1=Oui, 0=Non) 1,228*** 0,300 0,365***
Accès à la terre par héritage
(1=Oui, 0=Non) 1,141** 0,449 0,189***
Accès à la terre par location
(1=Oui, 0=Non) 3,268*** 0,583 0,890***
Accès au crédit (1=Oui,
0=Non) -0,234 0,432 -0,045
Superficie agricole totale
disponible (Ha) 0,044*** 0,013 0,009***
Avoir reçu une formation
agricole (1=Oui, 0=Non) -0,214 0,258 -0,043
Appartenance à une
association (1=Oui, 0=Non) -0,435* 0,253 -0,098
Prix du marché du paddy (F
CFA) 0,007*** 0,003 0,001***
Rendement (T/ha) 0,144 0,127 0,030
Constance -3,482 0,995 -
Nombre d’observations 244
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 60
Log du maximum de
vraisemblance -74,44
Wald Chi-deux (9) 103,92***
McFadden Pseudo-R
2
0,4111
* = Significatif à 10% ; ** = Significatif à 5% ; *** = Significatif à
1%.
2.3. Impact de l’adoption de la technologie Smart-valley sur
le rendement
Les résultats de l’adoption de la technologie Smart-valley sur le
rendement sont présentés dans le tableau 3. L’estimation du LATE
avec interaction montre que l’impact de l’adoption de la technologie
Smart-valley est de 0,92 t/ha et significatif au seuil de 1%. Ceci
signifie que l’adoption a un impact positif et significatif sur le
rendement des producteurs actuels et potentiels. Ce résultat indique
que pour les adoptants potentiels, c’est-à-dire tous ceux qui auraient
adopté la technologie Smart-valley s’ils avaient été informés,
l’adoption de la technologie Smart-valley permet d’augmenter leur
rendement de 0,92 t/ha. Les résultats montrent, par ailleurs, un
rendement moyen de 2 t/ha pour la technologie Smart-valley. Ce
faible rendement est dû aux effets néfastes des changements
climatiques de plus en plus observables dans la zone d’étude à
travers la diminution de la hauteur des pluies, le retard des pluies et
l’arrêt précoce des pluies. L’adoption de la technologie Smart-valley
permet donc d’atténuer les effets négatifs des changements
climatiques à travers une meilleure gestion de l’eau disponible et de
la fertilité des sols. Les non-adoptants ont, de ce fait, le potentiel
d’augmenter leur rendement en adoptant la technologie Smart-valley.
Par ailleurs, une comparaison entre les adoptants et les non-adoptants
auraient données un impact biaisé de 0,38 t/ha contrairement à
l’impact non biaisé de 0,92 t/ha. Cela justifie l’importance de
l’utilisation de la méthode de contrefactuelle comme dans cette
étude.
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 61
En outre, les résultats montrent une hétérogénéité de l’impact parmi
les producteurs. L’impact varie donc selon le genre. Alors, l’impact
est plus grand chez les hommes que chez les femmes ; avec 0,95 t/ha
contre 0,88 t/ha, respectivement. Cela s’explique par le fait que les
hommes pourraient avoir plus de force de travail nécessaire pour la
bonne application de la mise en place de la technologie Smart-valley.
Tableau 3 : Résultats d’impact de l’adoption de Smart-valley sur le
rendement
Paramètre LARF (OLS) Estimations Z
Ensemble échantillon
LATE 0,92*** 44,68
Méthode naïve
Différence 0,38*** 2,82
Adoptants 2,05*** 17,56
Non-adoptants 1,67*** 24,96
Impact selon le genre
Homme
LATE 0,95*** 31,11
Méthode naïve
Différence 0,36** 2,45
Adoptants 2,12*** 16,79
Non-adoptants 1,76*** 22,79
Femme
LATE 0,88*** 153,78
Méthode naïve
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 62
Différence 0,15 0,54
Adoptants 1,58*** 6,51
Non-adoptants 1,43*** 10,77
** = Significatif à 5%; *** = Significatif à 1%.
2.4. Impact de l’adoption de la technologie Smart-valley sur
le revenu rizicole
Le tableau 4 présente les résultats de l’impact de l’adoption de
Smart-valley sur le revenu. La méthode d’estimation est la même
que pour le rendement. L’impact de l’adoption sur revenu est estimé
à 133676 F CFA/ha. Le test Z montre que cette valeur est
significative au seuil de 1 %. En effet, la technologie Smart-valley a
un effet positif sur le revenu rizicole au Bénin. Un impact plus élevé
aurait été obtenu si les conditions climatiques étaient bonnes.
Cependant, l’adoption de la technologie au cours de la campagne
agricole 2014-2015 a permis aux adoptants actuels et potentiels
d’augmenter leur revenu net d’exploitation. Il ressort donc que les
producteurs non-adoptants ont le potentiel d’augmenter leur revenu
net d’exploitation en adoptant la technologie Smart-valley. A l’instar
de l’impact sur le rendement, l’impact sur le revenu n’est non plus
homogène au sein de l’échantillon étudié. Les résultats montrent une
variation selon le genre. L’impact chez les hommes est plus élevé
comparativement aux femmes. Il est, respectivement, de 128975 F
CFA / ha et 153020 F CFA / ha pour les femmes et les hommes.
Tableau 4 : Impact de l’adoption de Smart-valley sur le revenu
rizicole
Paramètre LARF (OLS) Estimations Z
Ensemble échantillon
LATE 133676*** 17,57
Méthode naïve
Différence 119930*** 4,13
Adoptants 173561*** 6,45
Non-adoptants 53631*** 4,21
Impact selon le genre
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 63
Homme
LATE 153020*** 202,56
Méthode naïve
Différence 98842 1,18
Adoptants 78164 0,98
Non-adoptants -20678 -0,82
Femme
LATE 128975*** 11,49
Méthode naïve
Différence 121723*** 4,15
Adoptants 190976*** 7,33
Non-adoptants 69253*** 5,17
*** = Significatif à 1%.
3. CONCLUSION
Cette étude a analysé les déterminants de l’adoption de la nouvelle
technologie Smart-valley et évaluer son impact sur le rendement et le
revenu des riziculteurs au Bénin. Les résultats ont permis d’identifier
six facteurs qui influencent l’adoption de la technologie Smart-
valley. Ce sont : la superficie totale disponible, le régime foncier
(héritage et location), le prix du marché du paddy, l’appartenance à
une association et la disponibilité de bas-fond pour le ménage. Les
estimations de l’impact sur les indicateurs étudiés sont
significativement positives. En effet, l’adoption de la technologie
Smart-valley permet d’augmenter le rendement et le revenu moyens
des adoptants actuels et potentiels de 0,92 t/ha et de 133676 F
CFA/ha, respectivement. Cependant, les impacts ne sont pas
homogènes au sein de l’échantillon. Une variation est observée selon
de genre (homme et femme). Ces différents résultats indiquent que
les ménages non-adoptants ont de potentiels à améliorer les
indicateurs évalués. L’adoption de la technologie Smart-valley
permet donc d’atténuer les effets négatifs des changements
climatiques (diminution de la hauteur des pluies, retard des pluies et
arrêt précoce des pluies) à travers une meilleure gestion de l’eau
disponible et de la fertilité des sols.
Pour assurer une durabilité et une large adoption de la technologie
Smart-valley, des formations doivent être organisées sur le choix du
site, la construction des canaux d’irrigation et l’utilisation du
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 64
motoculteur. Ces sessions de formation et un bon système
d’irrigation permettront d’obtenir un impact plus élevé, donc
l’amélioration des conditions de vie et la réduction de la pauvreté.
Ces résultats montrent que la technologie Smart-valley peut
contribuer à réduire la pauvreté dans les pays en voie de
développement par ces temps de changements climatiques. Les
technologies améliorées représentent un prérequis pour changer les
pratiques agricoles face aux changements climatiques, mais doivent
être accompagnées par un ensemble de facteurs favorables tels un
service de vulgarisation efficace, un accès sécurisé à la terre, un
système de distribution des intrants efficace, un accès au crédit et des
formations appropriées pour plus d’impact.
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 65
REFERENCES
1. Abadie, A 2003, "Semi-parametric Instrumental Variable
Estimation of Treatment Response Models",Journal of
Econometrics, vol. 113, no. 2, 231-263.
2. Alarima, CI, Adamu, CO, Awotunde, JM, Bandoh, MN,
Masunaga, T et Wakatsuki, T 2013, Determinants of Adoption of
Sawah Rice Technology among Farmers in Ashanti Region of
Ghana. Journal of Agricultural Science and Technology, vol. B,
no. 3, 459-468.
3. AfricaRice, 2010, Lancement d’un projet en vue d’exploiter le
potentiel rizicole des bas-fonds africains. AfricaRice, Cotonou,
Bénin. http://www.warda.cgiar.org/warda/adrao/ newsrel-
smartiv-aug10.asp.
4. AfricaRice, 2011, Acquis de la crise rizicole: Politiques pour la
sécurité alimentaire en Afrique. AfricaRice, Cotonou, Bénin,
ii+26 p.
5. Arouna, A, Adegbola, PY et Adekambi, SA 2011, Impact des
revenus issus des systèmes améliorés de stockage et conservation
du maïs sur le bien-être des producteurs au Bénin. Bulletin de la
Recherche Agronomique du Bénin, no. 2, 52-59, 2011.
6. Diagne, A et Demont, M 2007, "Taking a New look at Empirical
Models of Adoption: Average Treatment Effect estimation of
Adoption rate and its Determinants", Agricultural Economics,
vol. 37, no. 2-3, pp. 201–210.
7. Fashola, OO, Olaniyan, G, Aliyu, J et Wakatsuki, T 2002,
Comparative evaluation of farmers' paddy field system and the
SAWAH system for better and sustainable rice farming in inland
valley swamps of Nigeria, in 5th African Crop Science
Conference proceedings, pp. 615- 619.
8. Heckman, J 2010, Building bridges between structural and
program evaluation approaches to evaluating policy, Journal of
Economic Literature, vol. 48, no. 2, 356–398.
9. Imbens, GW et Wooldridge, JM 2009, Recent developments in
the econometrics of program evaluation, Journal of Economic
Literature, vol. 47, no. 1, 5–86.
Centre Béninois de la
Recherche Scientifique
et Technique
Cahiers du CBRST, N° 12 décembre 2017
Lettres, Sciences Humaines et Sociales
ISSN : 1840-703X,Cotonou (Bénin)
Cahiers du Centre Béninois de la Recherche Scientifique et de l’Innovation ;
03 BP 1665 Tél (229) cbrst@yahoo.fr 66
10. Imbens, GW et Angrist, JD 1994, "Identification and Estimation
of Local Average Treatment Effects". Econometrica, vol.62, 467-
476.
11. Institut National de la Statistique et de l’Analyse Economique
(INSAE) 2002, Rapport définitif - Troisième recensement
général de la population et de l’habitat de février 2002, Cotonou,
Bénin. pp. 145.
12. International Rice Research Institute (IRRI), Africa rice Center
(AfricaRice) et International Center for Tropical Agriculture
(CIAT)2010, Global Rice Science Partnership (GRISP), CGIAR
Thematic Area 3: Sustainable crop productivity increase for
global food security, Proposal for a CGIAR Research Program on
Rice-Based Production Systems, IRRI, Los Banos, Philippines.
13. Ministère de l’Agriculture, de l’Elevage et de la Pêche (MAEP)
2011, Stratégie Nationale pour le Développement de la
Riziculture au Bénin (SNDR). Cotonou, Bénin, 27p.
14. Oladele, OI et Wakatsuuki, T 2009, Sawah rice production
technology: Innovative land and water use in Nigeria and Ghana
for sustainable agriculture. Technologiy and Management to
Ensure Sustainable Agriculture, Agro-Systems, Forstry and
Safety, XXXIII CIOSTA-CIGRV Conference 2009, Reggio,
Calabria, Italy. pp. 1765-1770.
15. United States Department of Agriculture (USDA) 2016,
Production, Supply and Distribution online.
http://apps.fas.usda.gov/psdonline/psdQuery.aspx, Accéder le 15
February 2016.
16. Verbeek, M 2004, A Guide to Modern Econometrics, 2nd edition,
John Wiley & Sons Ltd, West Sussex.
17. Wakatsuki, T et Masunaga, T 2005, Ecological engineering for
sustainable food production and the restoration of degraded
watersheds in tropics of low pH soils: Focus on west Africa. Soil
Science and Plant Nutrition, vol. 51, 629–636.
18. Wakatsuki, T, Buri, MM, Obalum, SE, Bam, R, Oladele, OI et
Ademiluyi, SY 2011, Farmers personal irrigated sawah systems
to realize the green revolution and Africa’s rice potential. 1st
International Conference on Rice for Food, Market, and
Development (Rice-Africa), Abuja, Nigeria, March 3-5, 2011.
