ArticlePDF Available

DETERMINANTS SOCIO-ECONOMIQUES DE L'ADOPTION DES INNOVATIONS DIFFUSEES A TRAVERS LA VIDEO : CAS DES FEMMES TRANSFORMATRICES DE SOJA AU BENIN SOCIOECONOMIC FACTORS DETERMINING ADOPTION OF INNOVATIONS IN AGRICULTURAL EXTENSION WITH TRAINING VIDEOS: CASE OF WOMEN PROCESSING SOYBEAN INTO CHEESES IN BENIN

Authors:

Abstract and Figures

RESUME Au Bénin, les femmes transforment du soja en fromage pour réduire la malnutrition grandissante due à la carence en protéine dans l'alimentation en milieux ruraux. Cependant, le problème de la qualité du fromage obtenu reste une préoccupation majeure et ralentit sa bonne commercialisation. Pour améliorer la qualité du fromage de soja, une vidéo contenant les bonnes pratiques de transformation a été diffusée en milieux ruraux au Centre et au Nord du Bénin. Cette étude a analysé les déterminants socio-économiques de l'adoption des bonnes pratiques de transformation de soja en fromage diffusées à travers les vidéos. Pour ce faire, des données socio-économiques ont été collectées chez 360 femmes qui ont été exposées à la vidéo dans 24 villages répartis dans six communes des départements des Collines et du Borgou à savoir Ouèssè, Savè, Tchaourou, N'dali, Pèrèrè et Nikki. Les résultats des régressions logistiques binaires utilisés pour analyser les données montrent qu'après la diffusion de la vidéo, il y a eu une forte adoption des pratiques enseignées. Aussi, les déterminants de cette adoption sont l'âge, le nombre d'actif agricoles dans le ménage, la fréquence d'activité de transformation, le type de client, le revenu et la distance au marché le plus proche. Cette étude a montré l'efficacité de la vulgarisation avec les vidéos et suggère donc son utilisation plus fréquente pour la diffusion des innovations. Mots clés : vulgarisation agricole par les vidéos, déterminants socio-économiques, adoption et diffusion des innovations, fromage de soja, Nord et Centre Bénin. ABSTRACT In Benin, women processing soybean into cheeses contribute to reduce malnutrition rate and increase income in rural areas. However, the problem of the quality of the cheeses is still persisting. To improve the quality of soybean' cheeses, processing women was showed a video containing good practices to process soybean into cheeses, in 24 villages in the Centre and North of Benin. This study aims at analyzing the level and socioeconomic determinants of adoption of these practices. 360 women who have trained with video were selected and surveyed. Binary logistic regression models were estimated to analyze the data. Results show adoption rate is high in extension with video. The determinants of adoption are: age, frequency of transformation, family labor, type of GOUROUBERA M.W. & al. 366 J. Rech. Sci. Univ. Lomé (Togo), 2017, 19(4) : 365-380 client, income and distance to the nearest market. We suggest to use video to diffuse innovations.
Content may be subject to copyright.
365
J. Rech. Sci. Univ. Lomé (Togo), 2017, 19(4) : 365-380
DETERMINANTS SOCIO-ECONOMIQUES DE L’ADOPTION DES
INNOVATIONS DIFFUSEES A TRAVERS LA VIDEO : CAS DES
FEMMES TRANSFORMATRICES DE SOJA AU BENIN
SOCIOECONOMIC FACTORS DETERMINING ADOPTION OF
INNOVATIONS IN AGRICULTURAL EXTENSION WITH TRAINING VIDEOS:
CASE OF WOMEN PROCESSING SOYBEAN INTO CHEESES IN BENIN
GOUROUBERA M.W.1, IDRISSOU L.1, OKRY F.2,3, JIMMY K.P.1,*, MOUMOUNI
M.I.1, BACO M.N.1, NOUATIN G.S.1
1- Département d’Economie et Sociologie Rurales, Faculté d’Agronomie, Université Parakou,
BP : 123 Parakou, Bénin
2- Access Agriculture, PO Box 66158-00800 Westlands, Nairobi, Kenya
3- Laboratoire d'Analyse des Dynamiques Sociales et du Développement, Faculté des Sciences
Agronomiques, Université d'Abomey-Calavi, 01 B.P : 526, Cotonou, Bénin
(*) Auteur correspondant : E-mail : jimmykouetepaul@yahoo.fr
(Reçu le 12 Septembre 2017 ; Révisé le 18 Octobre 2017 ; Accepté le 24 Octobre 2017)
RESUME
Au Bénin, les femmes transforment du soja en fromage pour réduire la malnutrition
grandissante due à la carence en protéine dans l’alimentation en milieux ruraux.
Cependant, le problème de la qualité du fromage obtenu reste une préoccupation majeure
et ralentit sa bonne commercialisation. Pour améliorer la qualité du fromage de soja, une
vidéo contenant les bonnes pratiques de transformation a été diffusée en milieux ruraux
au Centre et au Nord du Bénin. Cette étude a analysé les déterminants socio-économiques
de l’adoption des bonnes pratiques de transformation de soja en fromage diffusées à
travers les vidéos. Pour ce faire, des données socio-économiques ont été collectées chez
360 femmes qui ont été exposées à la vidéo dans 24 villages répartis dans six communes
des départements des Collines et du Borgou à savoir Ouèssè, Savè, Tchaourou, N’dali,
Pèrèrè et Nikki. Les résultats des régressions logistiques binaires utilisés pour analyser
les données montrent qu’après la diffusion de la vidéo, il y a eu une forte adoption des
pratiques enseignées. Aussi, les déterminants de cette adoption sont l’âge, le nombre
d’actif agricoles dans le ménage, la fréquence d’activité de transformation, le type de
client, le revenu et la distance au marché le plus proche. Cette étude a montré l’efficacité
de la vulgarisation avec les vidéos et suggère donc son utilisation plus fréquente pour la
diffusion des innovations.
Mots clés : vulgarisation agricole par les vidéos, déterminants socio-économiques,
adoption et diffusion des innovations, fromage de soja, Nord et Centre Bénin.
ABSTRACT
In Benin, women processing soybean into cheeses contribute to reduce malnutrition rate
and increase income in rural areas. However, the problem of the quality of the cheeses is
still persisting. To improve the quality of soybean’ cheeses, processing women was
showed a video containing good practices to process soybean into cheeses, in 24 villages
in the Centre and North of Benin. This study aims at analyzing the level and
socioeconomic determinants of adoption of these practices. 360 women who have trained
with video were selected and surveyed. Binary logistic regression models were estimated
to analyze the data. Results show adoption rate is high in extension with video. The
determinants of adoption are: age, frequency of transformation, family labor, type of
GOUROUBERA M.W. & al.
366
J. Rech. Sci. Univ. Lomé (Togo), 2017, 19(4) : 365-380
client, income and distance to the nearest market. We suggest to use video to diffuse
innovations.
Keywords: agricultural extension via video, soybean’ cheese, socioeconomic
determinant, adoption, Centre and North of Benin.
INTRODUCTION
u Bénin, parmi les multiples raisons
identifiées qui entravent le développement
de l’agriculture, celles de la vulgarisation
se posent avec beaucoup d’acuité. Les
services de vulgarisation n’ont pas satisfait les
attentes des agriculteurs parce que leurs réels
besoins ne sont pas pris en compte
(MOUMOUNI, 2005). A en croire
ADEGBOLA et SODJINOU (2003) et AHO et
KOSSOU (1997), aucune technologie n’a été
durablement adoptée et assimilée par des
populations rurales, et ceci à cause des
problèmes d’inadaptation économiques,
sociaux, culturels et environnementaux
auxquels elle doit répondre. D’autre part, les
méthodes de diffusion des connaissances
agricoles par les apprentissages en salle et/ou au
champ, à savoir les approches de vulgarisation
« Formation et Visite (F & V) » et « Champ
Ecole Paysan (CEP) » qui, ont connu un intérêt
particulier dans les années 90, ont également
montré leurs carences à combler leurs besoins
en technologies (EICHER, 2007). Selon
WOODARD (2012), le défi à relever pour une
vulgarisation agricole efficace est souvent
d’identifier la meilleure méthode de
communication des informations agricoles aux
paysans. Ainsi, depuis quelques années, la vidéo
est utilisée pour faciliter l’adoption et la
diffusion des innovations auprès des
producteurs. Plusieurs auteurs ont montré que
l’utilisation de la vidéo comme outil de
vulgarisation est une alternative intéressante et
d’une importance capitale (voir BENTLEY et
al., 2013 ; VAN MELE et al., 2010 ; LIE et
MANDLER, 2009 ; GANDHI et al., 2009 ;
ZOSSOU et al., 2009).
C’est pour s’inscrire dans cette nouvelle
approche de vulgarisation agricole et contribuer
à améliorer les pratiques de transformation de
soja en fromage des femmes, que l’ONG
Développement Durable, le Renforcement et
l’Autopromotion des Structures commu-
nautaires (DEDRAS), en collaboration avec les
femmes transformatrices ont produit une vidéo
en français qui décrit clairement les étapes à
suivre pour obtenir du fromage de soja de bonne
qualité. En effet, environ 30.000 femmes sont
directement impliquées dans cette activité de
transformation, sans oublier, les acteurs
indirectes, que sont les meuniers, les
transporteurs, les taxis-motos (DEDRAS-ONG,
2014). Les différents produits issus de la
transformation à savoir fromage, farine, lait, et
biscuits sont désormais entrés dans les habitudes
alimentaires de la population béninoise et
permettent aussi de promouvoir le
développement de l’économie à la base. Le
fromage de soja permet de réduire le taux de
malnutrition car il constitue l'un des aliments
naturels les plus riches en raison de la grande
quantité de protéines, de glucides, de lipides, de
vitamines A et B, de phosphore, de potassium,
de calcium, de magnésium, de zinc et de fer qu’il
renferme et peu même complètement remplacer
la viande (De STAERCKE, 1990).
L’objectif de cette étude est d’analyser les
facteurs socio-économiques qui influencent
l’adoption par les femmes, des bonnes pratiques
de transformation de fromage de soja contenues
dans les messages diffusés à travers les vidéos.
Pour ce faire, les questions suivantes sont d’une
grande importance pour l’amélioration de
l’utilisation de la vidéo comme approche de
vulgarisation : (i) dans quelle proportion les
transformatrices adoptent-elles les messages
vidéo ? (ii) quels sont les facteurs socio-
économiques qui conditionnent l’adoption des
messages contenus dans la vidéo ? Cette étude
s’est proposée d’investiguer ces questions dans
le but de faire des propositions pour une
meilleure diffusion des innovations par les
vidéos.
Cadre analytique
Selon ROGERS (2003), l’innovation fait
A
terminants socio-économiques de l’adoption des innovations diffusées à travers la vidéo :
cas des femmes transformatrices de soja au Bénin
367
J. Rech. Sci. Univ. Lomé (Togo), 2017, 19(4) : 365-380
référence à une idée ou pratique qui peut exister
ailleurs depuis longtemps, mais demeurer une
innovation pour l’unité d’adoption si les
membres de cette unité la perçoivent comme
nouvelle. L’adoption de l’innovation est le
processus par lequel un producteur individuel
décide soit d’utiliser ou non la nouvelle
technique ou une innovation (LINDER, 1987).
Cette définition est proche de celle ROGERS
(2003) qui indique que l’adoption de
l’innovation équivaut à la décision d’une
utilisation totale. FEDER (1982) précise que
l’adoption au niveau individuel peut être vue
comme le degré d’utilisation de la nouvelle
technologie ; notamment, lorsqu’il s’agit des
innovations sous forme de paquets
technologiques. Dans ce cas, les bénéficiaires
peuvent adopter tout le paquet technologique,
ou seulement quelques composantes de
l’ensemble (SMALE et al., 1995).
Dans la littérature (voir DOSS, 2006 ;
CYMMIT, 1993 ; FEDER et al., 1985 ; FEDER,
1982), les variables explicatives de l’adoption
d’une innovation proviennent de trois catégories
de facteurs, notamment les caractéristiques du
producteur, les facteurs liés à la technologie, et
les facteurs institutionnels. Les facteurs liés à
l’individu regroupent ses caractéristiques socio-
économiques de même que ses perceptions sur
les caractéristiques de la nouvelle technologie
(DOSS et MORRIS, 2001 ; NEGATU et
PARIKH, 1999 ; ADESINA et BAIDU-
FORSON, 1995). Pour les caractéristiques de
l’innovation, ROGERS (2003) évoque cinq
éléments, à savoir l’avantage comparatif, la
compatibilité, la complexité, la testabilité et
l’observabilité de l’innovation. Mais
généralement, ces caractéristiques s’intègrent
aux perceptions des producteurs sur
l’innovation sur la base desquelles elles sont
décrites (NEGATU et PARIKH, 1999 ;
GOULD et al., 1989). Les facteurs
institutionnels s’associent aux facteurs
relationnels du producteur tels que ses sources
d’information (voir MATUSCHKE et QAIM,
2009), agro-écologiques (SHIYINA et al.,
2002 ; DOSS et MORRIS, 2001). Ainsi, les
modèles d’analyse de l’adoption intègrent
généralement un grand nombre de variables de
différentes catégories de facteurs. Selon ABADI
GHADIM et PANNEL (1999), ces modèles
statistiques ont un pouvoir explicatif faible
malgré le nombre important de variables
explicatives. D’autre part, DOSS (2006) relève
que les modèles de l’adoption présentées dans la
littérature sont exposés aux problèmes de
simultanéité et d’endogénéité. De plus, les
résultats dans leur état ont très peu été utiles aux
décideurs politiques (DOSS, 2006). Pour ce
faire, certaines études d’adoption se sont
focalisées sur une catégorie de variables
données telles que les perceptions sur la
technologie (NEGATU et PARIKH, 1999) ;
d’autres sur une variable donnée, par exemple
l’influence des sources d’information ou des
réseaux sociaux (MATUSCHKE et QAIM,
2009 ; ADEGBOLA et GARDEBROEK,
2007), ou de l’accès aux marchés (ZELLER et
al., 1998). Les études ayant abordé les facteurs
socio-économiques liés à l’individu sont
rarement abordés dans une telle perspective
(BOAHENE et al., 1999), mais représentent ici
notre focus. Dans la littérature (voir
MATUSCHKE et QAIM, 2009 ; ADEGBOLA
et GARDEBROEK, 2007 ; BOAHENE et al.,
1999 ; NEGATU et PARIKH, 1999 ; FEDER et
al., 1985), ces facteurs concernent les
caractéristiques démographiques (âge, sexe,
taille et composition du ménage), le statut socio-
économique (niveau d’éducation, expérience,
appartenance et responsabilité dans les
groupements, etc.), les dotations en ressources
(revenu, capitaux, etc.), et l’accès aux services
(intrants, vulgarisation, crédits, marchés, etc.).
La liste n’est pas exhaustive, puis qu’en général,
les facteurs socio-économiques sont
opérationnalisés, et les variables sont ciblées en
tenant compte de leur pertinence pour les cas
étudiés.
La présente étude se penche sur l’analyse des
facteurs socio-économiques déterminant
l’adoption, avec pour étude de cas les
innovations diffusées au travers des vidéos au
sein des femmes au nord et au centre du Bénin.
Bien que l’utilisation de la vidéo apparaisse en
elle-même comme une nouvelle approche, voire
une innovation (BENTLEY et al., 2013 ; VAN
MELE et al., 2010 ; LIE et MANDLER, 2009 ;
GANDHI et al., 2009 ; ZOSSOU et al., 2009),
GOUROUBERA M.W. & al.
368
J. Rech. Sci. Univ. Lomé (Togo), 2017, 19(4) : 365-380
c’est spécifiquement les innovations (bonnes
pratiques) contenues dans la vidéo qui sont
considérées dans cette étude. Les facteurs socio-
économiques ciblés dans cette étude sont
présentés ci-dessous (voir sous-section méthode
d’analyse).
MATERIEL ET METHODES
Zone d’étude et échantillonnage
L’étude a été menée au Bénin. Elle a couvert
deux départements parmi les 12 que compte le
Bénin à savoir le Borgou au Nord et les Collines
au Centre. Dans le département du Borgou,
quatre communes ont été ciblées : Tchaourou,
N’dali, Pèrèrè, et Nikki (figure 1) et deux
communes dans les collines (Savè et Ouessè).
Les raisons suivantes ont motivé le choix de ces
communes afin d’identifier les déterminants
socio-économiques de l’adoption des messages
vidéo par les femmes transformatrices de soja en
fromage: i) elles sont des zones à forte
production de soja ; ii) la transformation du soja
en fromage y est importante dans leur économie
locale ; iii) elles sont des zones d’intervention de
DEDRAS-ONG les femmes sont déjà
organisées en groupement de transformatrices
de soja offrant un contact facile avec elles.
L’étude a été conduite dans 24 villages les
vidéos ont été visualisées. Chaque village
possède un groupement de transformatrices de
soja en fromage. Ces villages sont répartis dans
6 communes d’intervention de DEDRAS-
ONG à travers son Projet d’Appui à la Filière
Soja (PAFISO). Le choix des 24 villages a été
aléatoire parmi les villages que comptent les
communes choisies. La liste des villages est
obtenue auprès de cette ONG. Les unités de
recherche sont les femmes transformatrices de
soja en fromages qui ont visualisé les vidéos au
sein de leur groupement. La taille des
groupements varie entre 6 et 24 femmes. Au
total, 360 femmes transformatrices ont été
enquêtées dans les différents groupements.
Figure 1 : Carte du Bénin montrant la zone d’étude
Zone colorée représente la zone d’étude; Study area is coloured in the map
Source : Réalisé par les auteurs
Collecte des données
L’étude comprend deux phases :
i) une phase de projection de la vidéo dans les
zones d’étude : elle s’est déroulée pendant
environ un mois, en décembre 2015. C’est au
cours de cette phase que les femmes sont entrées
en contact pour la première fois avec la vidéo.
La vidéo est d’une durée d’environ 10 minutes
terminants socio-économiques de l’adoption des innovations diffusées à travers la vidéo :
cas des femmes transformatrices de soja au Bénin
369
J. Rech. Sci. Univ. Lomé (Togo), 2017, 19(4) : 365-380
et contient les étapes à suivre pour produire du
fromage de soja de bonne qualité. Elle est
réalisée en français. Pour ce faire, il y a un
traducteur qui fait la synthèse de chaque étape,
puis que la majorité des femmes sont non
instruites. La diffusion préalable de la vidéo
dans les villages sélectionnés traduit l’approche
(méthodologique) expérimentale (LOUBET des
BAYLE, 2000) employée dans cette étude.
L’expérimentation a consisté à reconnaitre les
conditions contextuelles, notamment les
anciennes pratiques de transformation de soja en
fromages des femmes, et à les fixer en vue de
mesurer et définir clairement les points
nouveaux qui représentent des innovations pour
ces femmes. Etant donné que ces femmes sont
déjà dans l’activité, ce n’est pas tout le processus
qui leur est étranger, mais certaines pratiques
clés ressorties à travers la vidéo. Aussi, ces
bonnes pratiques interviennent à certaines
étapes distinctes du processus de la
transformation de soja en fromages. Il apparait
ainsi que la vidéo a présenté un paquet
technologique (SMALE et al., 1995). Pour
l’identification de l’ensemble des points
d’innovation, des entretiens de groupe avec les
femmes sont organisés après la visualisation de
la vidéo. Il consiste en une première phase de
collecte des données à l’aide d’un guide
d’entretien. Les thématiques abordées sont
relatives aux pratiques de fabrication du
fromage de soja existantes chez ces femmes, aux
contraintes liées à leur activité, et aux
innovations contenues dans la vidéo. Six points
d’innovation sont apparus dans la vidéo pour ces
femmes. Le tableau I résume les points
d’innovation, c’est-à-dire les bonnes pratiques
découvertes par ces femmes au travers de la
vidéo. L’ensemble de ces données recueillies au
cours de cette phase ont permis d’élaborer un
questionnaire et un guide d’entretien, supports
des enquêtes de la deuxième phase.
ii) une deuxième phase de collecte à l’aide du
questionnaire au niveau de ces 24 villages, un
mois après la visualisation de la vidéo. Au total
360 femmes représentant l’ensemble des
femmes ayant participé à la première phase ont
été interviewées à travers des entretiens semi-
structurés, des entretiens de groupes, des
observations directes et la triangulation des
informations recueillies. Les données collectées
sont à la fois quantitatives et qualitatives. Elles
sont relatives à l’âge de la transformatrice, la
quantité de soja transformée par semaine, les
prix de vente, l’accès au financement, la
fréquence d’activité de transformation, la
distance au marché le plus proche, les dépenses
liées à la transformation (acquisition
d’équipements, à savoir bassines, marmites,
etc. ; et dépenses courantes pour charges
variables), le nombre d’actifs dans l’unité, le
niveau d’instruction, l’expérience dans
l’activité, et le type de clientèle (vendeuse qui
achète en gros ou consommateur direct qui
achète en détails).
GOUROUBERA M.W. & al.
370
J. Rech. Sci. Univ. Lomé (Togo), 2017, 19(4) : 365-380
Tableau I : Points d’innovation contenus dans la vidéo
Points
d’innovation
Description de la nouvelle pratique
Différence avec les anciennes
pratiques des femmes
Tri (P1)
Il s’agit d’éliminer manuellement, les
grains avariés, les débris végétaux, les
morceaux de pierre ou de fer, les grains
de sable qui vont affecter la qualité du
fromage.
Utilisation directe des grains
sans tri
Concassage + 4 L
d’eau pour 1 kg
de soja et changer
l’eau tous les 4 h
(P2)
Casser les grains sans les réduire en
poudre au moulin. Après le concassage,
éliminer les peaux des grains par un
mouvement de l’air. En dehors du
concassage, il faut également passer au
trempage des grains dont la dose est : 4
litres d’eau propre pour 1 kg de soja. La
durée de trempage est de 12 heures tout
en ayant soin de changer l’eau tous les
4 heures.
Pas de concassage pour
faciliter l’élimination de la
peau des grains. Le dosage de
l’eau, la durée de trempage et
le changement de l’eau étaient
méconnus
Egouttage (P3)
Cette étape consiste à verser le mélange
grains-eau dans un panier au-dessus
d’une bassine pour éliminer l’eau et
réduire l’humidité des grains avant la
mouture.
Les femmes ne pratiquaient
pas l’égouttage avant la
mouture
1 kg de soja pour
7 à 8 L d’eau
propre (P4)
Pour l’extraction du lait, la quantité
d’eau à utiliser est 7 à 8 litres pour 1 kg
de pâte de soja.
L’eau est utilisée dans
l’ancienne pratique sans savoir
la quantité nécessaire
L’ajout progressif
de l’eau
fermentée (P5)
Ajouter progressivement dans le lait sur
le feu doux, remuer délicatement
jusqu’à coagulation complète.
Les femmes avaient l’habitude
de mettre d’un seul tenant
l’eau fermentée lors de la
cuisson sans tenu compte de
l’aspect progressif.
Utilisation de la
passoire (P6)
L’utilisation de la passoire permet de
donner une forme régulière au fromage.
Elle était seulement utilisée par les
femmes peulhs pour donner une forme
au fromage de lait de vache.
La passoire n’est pas utilisée
dans l’ancienne pratique
Source : Enquête terrain, décembre 2015
Méthode d’analyse
Les statistiques descriptives telles que la
moyenne, la fréquence, les écart-types ont été
calculées pour analyser les taux d’adoption des
différents points d’innovation dans la vidéo
ciblée. Le modèle de régression logistique
binaire a été utilisé pour analyser les
déterminants de l’adoption des innovations
contenues dans la vidéo. Au total 6 modèles ont
été estimés, en rapport avec chaque point
d’innovation (voir tableau 1 précédent).
La forme théorique du modèle de régression
logistique binaire est la suivante :
Y = Xi + ; où Y représente la variable
dépendante dichotomique qui prend la valeur 0
pour la non-adoption et la valeur 1 pour
l’adoption; le coefficient estimé ; Xi la
variable explicative et est le terme d’erreur.
En se basant sur les facteurs socio-économiques
énumérés dans la littérature (voir paragraphe
consacré au cadre analytique), et certaines
terminants socio-économiques de l’adoption des innovations diffusées à travers la vidéo :
cas des femmes transformatrices de soja au Bénin
371
J. Rech. Sci. Univ. Lomé (Togo), 2017, 19(4) : 365-380
remarques empiriques, les variables explicatives
introduites dans les modèles sont : le nombre
d’actifs travaillant avec la transformatrice
(NbreAct), l’âge de la transformatrice (Age), le
revenu (Rev), l’accès au financement (AcFi), la
distance au marché le plus proche (DM), la
fréquence de la transformation (FT) et le type de
clientèle (TC). L’ensemble de ces variables est
discuté en détails ci-dessous :
la variable âge de la transformatrice (Age)
devrait influencer négativement l’adoption de la
vidéo. En effet, l’adoption de nouvelles
technologies exige un certain niveau de risque
associé à la décision du choix des technologies
(FEDER, 1982). Les jeunes sont donc plus
disposés à prendre des risques que les vieux
(ZEGEYE et al., 2001; GLELE et al., 2008).
Ainsi, une transformatrice âgée a une faible
capacité à analyser les messages vidéos, et va
donc prendre moins de risque ;
la variable NbreAct fait référence à la main
d’œuvre familiale disponible, souvent
mentionnée comme une variable de poids dans
la décision d’adopter des technologies nouvelles
(NKAMLEU et ADESINA, 2000 ; KEBEDE et
al., 1990). Ici, elle devrait être positivement liée
à l’adoption des messages vidéos ;
la distance au marché (DM) pourrait
influencer négativement l’adoption (SHIYANI
et al., 2002). Après la transformation du soja en
fromage, les transformatrices ont besoin
d’écouler leur produit. Un marché d’écoulement
proche serait facile d’accès et va donc diminuer
les coûts de transaction. Ainsi, la
transformatrice tiendrait compte de ces
avantages du marché et être incitée à adopter de
nouvelles pratiques qui améliorent la qualité de
ces produits ;
la variable FT représente le nombre de fois
que la transformatrice prépare du fromage par
semaine et qu’elle soit aussi en contact avec la
technologie. C’est un proxy de la taille de son
activité, à savoir si la femme est une grande
transformatrice ou une petite transformatrice.
En comparaison aux résultats trouvés avec les
grands producteurs (ADEGBOLA et
GARDEBROEK, 2007 ; FEDER et al., 1985),
les femmes qui transforment une grande
quantité de soja s’intéresseraient plus à ces
messages vidéos pour améliorer la qualité de
leurs fromages ;
le type de clientèle (TC), à savoir vendeuses
ou consommateurs directs, peut inciter la
transformatrice à adopter de nouvelles
pratiques. Les éléments pris en compte
concernent les différences d’exigences par
rapport à la qualité et à la quantité et celles
d’avantages de prix selon chaque TC.
Précisément, nous nous attendons à ce que le
type de client, en tant que proxy de l’efficacité
du marché (HAYAMI et RUTTAN, 1985)
influence positivement ou négativement
l’adoption ;
le revenu (Rev) et l’accès au
financement (AcFi) sont des variables qui
pourraient influencer positivement l’adoption
(ADEGBOLA et GARDEBROEK, 2007 ;
ZELLER et al., 1998 ; FEDER et al., 1985).
Pour acquérir les nouveaux équipements
(passoires, bassines, etc.) induits par les bonnes
pratiques, la transformatrice a besoin des
ressources financières. Lorsqu’elle ne dispose
pas de ressources propres, elle doit donc recourir
aux prêts au niveau des structures de
financement ou chez les voisins. La
disponibilité de ces ressources peut l’encourager
à adopter les messages vidéo.
Le revenu net annuel (RN) a également été
estimé selon la formule suivante :
RN = Q*Pu CT avec CT = CF + CV ; où RN =
Revenu Net issu de la transformation du soja ;
Q = Quantité de soja transformée en kg ; Pu =
Prix unitaire ; CT = Coût Total de la
transformation ; CF = Coût Fixe (coûts ne
dépendant pas de la quantité produite) ; CV =
Coût variable (charges de production qui sont
fonction de la quantité totale produite).
Le tableau II résume l’ensemble des variables
introduites dans les modèles de même que les
signes attendus, concernant leur influence sur
l’adoption des bonnes pratiques de
transformation de soja en fromages.
GOUROUBERA M.W. & al.
372
J. Rech. Sci. Univ. Lomé (Togo), 2017, 19(4) : 365-380
Tableau II : Description des variables indépendantes introduites dans les modèles
Pour juger de la qualité des modèles estimés,
nous avons considéré le coefficient de
détermination, le Pseudo R2 de Nagelkerke et le
test de Hosmer-Lemeshow. Le Pseudo R2 de
Nagelkerke permet de dire la variance expliquée
par le modèle. Le test de HosmerLemeshow
permet d’évaluer l’ajustement des valeurs
observées aux valeurs prédites.
RESULTATS
Caractéristiques socio-économiques des
enquêtés
Nous avons réalisé l’étude auprès des femmes
qui transforment du soja en fromage à une
fréquence de 3 transformations/semaine. Le
fromage obtenu est vendu au marché distant en
moyenne de 1,04 km, principalement aux
consommateurs (89,17%). L’âge moyen de ces
femmes est 36,16 ans avec un revenu net moyen
annuel de 81 643,94 FCFA. Parmi celles-ci,
seulement 30,8% ont accès au financement
(tableau III).
Codes
Modalités/ unités
Signes
attendus
NbreAct
Individu actif
+
Age
Année
_
Rev
FCFA
+
AcFi
0= non
1= oui
+
FT
Nombre de
transformation par
semaine
_
+
TC
0= individuel
1= grossiste
±
DM
Km
_
terminants socio-économiques de l’adoption des innovations diffusées à travers la vidéo :
cas des femmes transformatrices de soja au Bénin
373
J. Rech. Sci. Univ. Lomé (Togo), 2017, 19(4) : 365-380
Tableau III : Description des variables indépendantes introduites dans les modèles
Source : Enquête terrain, décembre 2015
Taux d’adoption des points d’innovation
contenus dans la vidéo
La figure 2 montre les taux d’adoption pour
chacun des points d’innovation contenus dans la
vidéo diffusée aux femmes enquêtées. L’analyse
de cette figure montre que les femmes ayant
adopté les messages enseignés à travers la vidéo
sont en général plus nombreuses que les non
adoptantes au niveau de tous les points. Le plus
fort taux adoption a été observée pour le point
P1 (tri) qui est de 95 % et la plus faible adoption
a été observée au point P6 (60,8 %). Le niveau
d’adoption des points P2, P3, P4 et P6 sont
respectivement de 78,8 %, 75,8 %, et 91,9 %.
Figure 2 : Niveau d’adoption des points d’innovation
Source : Données de terrain, décembre 2015
010 20 30 40 50 60 70 80 90 100
Tri (P1)
Concassage + 4 L d’eau pour 1 kg de soja et
Egouttage (P3)
1 kg de soja pour 7 à 8 L d’eau propre (P4)
Ajout progressif de l’eau fermentée (P5)
Utilisation de la passoire (P6)
Non Oui
Variables
Moyenne (Ecart-types)
Fréquences relatives %
NbreAct
1,21 (1,07)
_
Age
36,16 (8,27)
_
Rev
81643,94 (118411,243)
_
AcFi
Non
Oui
-
69,2
30,8
FT
3 ,13 (1,21)
_
TC
Individuel
grossiste
89,17
10,83
DM
1,04 (1,38)
_
GOUROUBERA M.W. & al.
374
J. Rech. Sci. Univ. Lomé (Togo), 2017, 19(4) : 365-380
Déterminants socio-économiques de
l’adoption des points d’innovation contenus
dans la vidéo
Le tableau IV présente l’évaluation de la qualité
des 6 modèles. De tous les 6 modèles, seul le
modèle pour le point d’innovation P5 (ajout
progressif de l’eau fermentée) n’est pas
significatif (p = 0,42) au seuil de 10%. Les
différentes variables introduites dans ce modèle
ne déterminent donc pas l’adoption de P5 (ajout
progressif de l’eau fermentée). Par contre, les
Chi-deux des modèles 1, 2, 3, 4 et 6 sont
significatifs respectivement au seuil de 10 %,
1 %, 1 %, 1 %, et 5 %. De plus, les variables
explicatives introduites dans les modèles de
régression permettent d’exprimer entre 8,9 % et
38 % (Pseudo R2 de Nagelkerke) des variations
de l’adoption des points d’innovations. Le test
de Hosmer-Lemeshow montre que pour tous les
modèles, qu’il n’y a pas une différence
significative entre les valeurs prédites et les
valeurs observées (p > 0,05).
Tableau IV : Qualité des modèles
P1
P2
P3
P4
P5
P6
Modèle 1
Modèle 2
Modèle 3
Modèle 4
Modèle 5
Modèle 6
Significativité
0,091*
0,000***
0,000***
0,003***
0,42
0,013**
Pseudo R2 de
Nagelkerke
0,138
0,38
0,142
0,139
0,062
0,089
Test de
Hosmer-
Lemeshow
0,857
0,087
0,853
0,938
0,261
0,922
*** Valeur significative à 1 % ; ** Valeur significative à 5 % ; * Valeur significative à 10%.
Le tableau V présente les déterminants de
l’adoption des 6 (six) points d’innovation. A
chaque point correspond un modèle. Les
résultats des modèles (tableau V) montrent que
des huit variables introduites, sept (7)
influencent positivement ou négativement
l’adoption. Certaines de ces variables ont eu un
double effet (négatif et positif) en fonction des
technologies. Les variables qui influencent
positivement l’adoption des points d’innovation
sont le nombre d’actifs agricole (NbreAct), la
fréquence de la transformation (FT), la distance
au marché le plus proche (DM) et celle qui
influence négativement est l’Age. Quant aux
variables revenu (Rev) et type de clientèle (TC),
elles influencent aussi bien positivement que
négativement l’adoption des points
d’innovation.
L’âge (Age) de la transformatrice influence
négativement l’adoption dans le modèle 3. Ce
modèle représente le point d’innovation qui
consiste à verser le mélange grains-eau dans un
panier au-dessus d’une bassine pour éliminer
l’eau et réduire l’humidité des grains avant la
mouture. Ce résultat s’explique par le fait que
les transformatrices âgées ont soit plus de
difficultés à regarder les vidéos à cause des
problèmes de vue qui peuvent subvenir dans
leur vie ; soit trouvent plus contraignant à
reproduire les nouvelles pratiques qui
demandent à mesurer avec précision les
quantités à utiliser dans les phases de
préparation des fromages de soja.
terminants socio-économiques de l’adoption des innovations diffusées à travers la vidéo :
cas des femmes transformatrices de soja au Bénin
375
J. Rech. Sci. Univ. Lomé (Togo), 2017, 19(4) : 365-380
Tableau V : Déterminants de l’adoption des points d’innovation
*** Valeur significative à 1 % ; ** Valeur significative à 5 % ; * Valeur significative à 10%
p = Probabilité ; Coef = Coefficient ; Gras : Coef. Significatif.
Source : Données de terrain, décembre 2015
Etant donné que l’âge influence négativement
l’adoption des messages vidéo par les femmes
transformatrices de soja en fromage à cause de
la force de travail ou de la capacité visuelle, la
disponibilité de la main d’œuvre sera un atout
pour l’adoption. Ainsi, le nombre d’actif
disponible (NbreAct) a influencé positivement
l’adoption dans le modèle 3. Le nombre d’actifs
agricoles travaillant avec la transformatrice
consiste en une main d’œuvre importante qui va
l’aider dans ses activités, notamment elle va
faciliter la prise en compte les nouvelles phases
d’activités incluses dans la vidéo.
La fréquence de transformation (FT) influence
positivement l’adoption dans le modèle 1 (tri).
Lorsque la transformatrice fait plusieurs fois la
transformation dans une semaine, elle aura plus
d’occasion de mettre en pratique l’innovation.
Le nombre de transformation pourrait justifier
l’importance de cette activité pour la
transformatrice et partant de là, la nécessité
d’améliorer ses pratiques et la qualité de ses
produits en adoptant les innovations démontrées
par la vidéo.
La variable type de client (TC) quant à elle
influence négativement l’adoption dans le
modèle 2 et positivement l’adoption dans le
modèle 3. En effet, l’influence négative sur
l’adoption dans le modèle 2 s’explique par le fait
que les transformatrices ont souvent une
P1
P2
P3
P4
P5
P6
Modèle 1
Modèle 2
Modèle 3
Modèle 4
Modèle 5
Modèle 6
Variables
Coef (p)
Coef (p)
Coef (p)
Coef (p)
Coef (p)
Coef (p)
Age
0,032
(0,388)
-0,005
(0,872)
-0,046**
(0,025)
0,006
(0,816)
0,018
(0,532)
-0,020
(0,251)
NbreAct
-0,238
(0,332)
0,057
(0,795)
0,344**
(0,034)
0,300
(0,120)
-0,230
(0,244)
-0,131
(0,300)
FT
0,690**
(0,021)
0,342
(0,104)
-0,176
(0,186)
0,179
(0,262)
0,184
(0,346)
0,092
(0,427)
TC
18,485
(0,998)
-1,49*
(0,066)
1,69**
(0,030)
1,005
(0,348)
0,910
(0,402)
0,644
(0,175)
Rev
-0,552
(0,400)
3,057***
(0,000)
-0,197
(0,542)
-0,915**
(0,038)
-0,576
(0,264)
0,153
(0,575)
AcFi
-0,064
(0,922)
0,310
(0,558)
-0,197
(0,566)
0,077
(0,850)
-0,512
(0,345)
0,365
(0,209)
DM
-0,025
(0,886)
-0,053
(0,732)
0,328**
(0,023)
0,143
(0,326)
0,063
(0,685)
0,333***
(0,002)
Constante
5,925
(0,116)
-15,0***
(0,000)
3,08*
(0,092)
0,986
((0,675)
3,531
(0,222)
-0,777
(0,618)
GOUROUBERA M.W. & al.
376
J. Rech. Sci. Univ. Lomé (Togo), 2017, 19(4) : 365-380
exigence vis-à-vis des clients à savoir que le
produit doit leur être livré à temps. Il existe une
sorte de contrat verbal qui s’établir entre elle et
l’acheteur (vendeuses de nourriture : riz, pate,
igname pilée et/ou les commerçantes de
fromage à base de soja, etc..). De ce fait, même
si les messages diffusés à travers les vidéos sont
compris, les femmes transformatrices hésitent à
prendre la décision de mettre en pratique de
nouvelles techniques de transformation de peur
de compromettre leur livraison à bonne date.
Ainsi, plus les transformatrices sont en
partenariats avec des clientes exigeantes moins
elles prendraient le risque d’essayer de
nouvelles pratiques de transformation qui
pourraient retarder leur livraison. Ce facteur
influence négativement l’adoption dans le
modèle 2 à cause la quantité de travail et du
temps que la technique exige. De plus, dans ces
milieux, l’accès au moulin pour faire le
concassage des grains est très difficile ce qui
rend le P2 plus exigeant à être utilisé et
augmente ainsi le risque de ne pas pouvoir livrer
le produit a temps. Cependant, l’égouttage
(modèle 3) est une pratique très importante pour
avoir une pâte fine lors de la mouture, condition
indispensable pour avoir du fromage de qualité
pour satisfaire la clientèle. Aussi, cette pratique
est une amélioration de ce que faisaient déjà les
femmes dans leur processus traditionnel de
transformation. De plus, cette pratique ne
présente pas de risque de retard dans la livraison
des fromages aux clients même très exigeants.
Tout ceci explique l’influence positive de cette
variable au niveau de ce modèle.
Le revenu (Rev) issu de cette transformation
après la vente des produits à deux effets sur
l’adoption. Il influence à la fois positivement et
négativement l’adoption de différentes
pratiques. Il détermine positivement l’adoption
des pratiques qui exige un coût supplémentaire
comme le concassage (modèle 2) et
négativement sur des aspects qui l’exige moins
(modèle 4). Les résultats ont montré également
que la distance au marché le plus proche (DM)
détermine positivement l’adoption dans le
modèle 3 (égouttage) et dans le modèle 6
(utilisation de la passoire).
DISCUSSION
Les résultats ont montré que la vidéo a favorisé
un fort taux d’adoption qui atteint 95 %. Ces
résultats semblent être plus satisfaisants que
ceux obtenus par VAN MELE et al. (2007)
lorsque nous comparons le taux d’adoption bien
que cela soit dans des milieux différents. En
effet, une étude a été conduite au Bangladesh par
ces auteurs qui ont diffusé quatre types de vidéo
sur les sur différentes pratiques et techniques de
conservation et de stockage du riz au sein des
femmes (triage, flottaison, séchage et le
stockage). Cette étude révèle que les nouvelles
technologies de « triage manuel des grains » et
celles de la « flottaison des grains en utilisant du
sel » fut adopté respectivement par 24 % et
31 % des femmes. Nos résultats vont dans le
même sens que ceux trouvés par GANDHI et al.
(2009) lors de leurs recherches en Inde dans le
cadre du projet de recherche « Digital Green »
qui diffuse des informations agricoles aux petits
producteurs en utilisant la vidéo comme outils
de vulgarisation. Les résultats de ces études
montrent que la diffusion des informations en
utilisant la vidéo a des effets positifs. En effet,
avec l’utilisation de la vidéo, l’adoption des
pratiques agricoles fut sept (7) fois supérieur
que l’approche « training and visit » en termes
d’efficacité.
D’autre part, les modèles de régression
logistiques ressortent que les déterminants de
l’adoption sont : l’âge, le nombre d’actif, la
fréquence de transformation, le type de client, le
revenu et la distance au marché le plus proche.
En effet, l’âge (Age) de la transformatrice
influence négativement l’adoption dans le
modèle 3. Ce modèle représente le point
d’innovation qui consiste à verser le mélange
grains-eau dans un panier au-dessus d’une
bassine pour éliminer l’eau et réduire l’humidité
des grains avant la mouture. Ce résultat
s’explique par le fait que les transformatrices
âgées ont soit plus de difficultés à regarder les
vidéos à cause des problèmes de vue qui peuvent
subvenir dans leur vie ; soit trouvent plus
contraignant à reproduire les nouvelles
pratiques qui demandent à mesurer avec
précision les quantités à utiliser dans les phases
de préparation des fromages de soja. Cela
confirme les résultats de GLELE et al. (2008) et
terminants socio-économiques de l’adoption des innovations diffusées à travers la vidéo :
cas des femmes transformatrices de soja au Bénin
377
J. Rech. Sci. Univ. Lomé (Togo), 2017, 19(4) : 365-380
ZEGEYE et al. (2001) qui stipulent que les
jeunes sont plus disposés à prendre des risques
que les vieux. Toutefois, certaines études ont
montré que l’âge peut déterminer positivement
l’adoption d’une innovation (FOLEFACK et al.,
2012). Les résultats ont aussi montré que le
nombre d’actif disponible (NbreAct) influence
positivement l’adoption dans le modèle 3. Cette
importance de la main d’œuvre est démontrée
par bien d’autres travaux comme celui de
GLELE et al. (2008) dans l’adoption des
nouvelles variétés de manioc ou bien encore
ceux de NKAMLEU et ADESINA (2000) dans
l’étude des déterminants de l’utilisation des
intrants agricoles aux Cameroun. Aussi,
convient-il de noter que la variable type de client
(TC) quant à elle influence négativement
l’adoption dans le modèle 2 et positivement le
modèle 3 respectivement. Par ailleurs, la
fréquence de transformation (FT) influence
positivement l’adoption dans le modèle 1 (tri).
La technologie s’est avérée très importante pour
les femmes qui transforment une grande
quantité de soja parce qu’elle permet de faire
face aux difficultés d’accès à l’eau. La vidéo
montre clairement la quantité d’eau à utiliser
pour éviter le gaspillage et également avoir du
fromage de qualité. Cette technique réduit en
fait une contrainte majeure de transformation du
soja pour les femmes. Il est également ressorti
que la distance au marché le plus proche (DM)
détermine positivement l’adoption dans le
modèle 3 (égouttage) et dans le modèle 6
(utilisation de la passoire). En réalité, les zones
où le marché est plus éloigné sont les zones
souvent reculées. L’accès au moulin est plus
difficile. Parfois, les femmes sont obligées de
sécher le soja déjà trempé par faute de moulin.
Bien plus, elles doivent se déplacer plus loin
pour avoir le moulin. Cette situation oblige les
femmes à pratiquer l’égouttage en attendant
d’avoir la mouture expliquant ainsi la
détermination positive de la variable. Par
ailleurs, dans le modèle 6, l’influence positive
indique que dans ces zones éloignées du marché,
la clientèle est moindre. L’écoulement du
fromage peu parfois prendre le temps. Les
femmes préfèrent donc donner au fromage de
soja la forme du fromage de lait de vache en
utilisant la passoire (modèle 6) qui permet de
mieux la conserver. De même, les ménages
peuvent se procurer et garder le fromage durant
deux à trois jours ou même plus. Le revenu s’est
relevé comme influençant l’adoption. Ainsi, il
détermine positivement l’adoption des pratiques
qui exige un coût supplémentaire comme le
concassage (modèle 2) et négativement sur des
aspects qui l’exige moins (modèle 4). Le
premier aspect (influence positive) du revenu
s’inscrit bien dans les travaux de DIIRO (2013),
REARDON et al., (2007), et ELLIS et
FREEMAN (2004) qui démontrent que le
revenu est considéré comme un facteur très
déterminant dans l’adoption, parce qu’il permet
de financer les activités d’une part, de faire face
au coût supplémentaire surtout en l’absence de
financement. Par contre le deuxième aspect
(influence négative) peut être assimilé à un
comportement de satisfaction (LIPTON, 1968)
que développent les transformatrices. En effet,
les transformatrices ne s'emploient pas en réalité
à maximiser le revenu, mais elles essaient
d'obtenir au moins un niveau minimum de
revenu, ce qui expliquerait l’influence négative
observée.
CONCLUSION
Cette étude a analysé les facteurs socio-
économiques déterminant l’adoption des
innovations diffusées à travers les vidéos par les
femmes transformatrices de soja en fromage au
Nord et au Centre Bénin. Six bonnes pratiques
constituent les innovations introduites au travers
de la vidéo pour l’adoption par ces femmes.
Cette étude montre l’importance de la vidéo
comme outil de vulgarisation en favorisant un
taux d’adoption des bonnes pratiques
enseignées qui atteint 95%. Toutefois, plusieurs
facteurs socio-économiques peuvent influencer
positivement ou négativement son adoption
(figure 3). L’utilisation de la vidéo adaptée aux
conditions socio-économiques de la population
cible doit être plus fréquente dans la diffusion
des innovations.
GOUROUBERA M.W. & al.
378
J. Rech. Sci. Univ. Lomé (Togo), 2017, 19(4) : 365-380
- Fréquence de la transformation
- Nombre d’actif -Type de client - Age
- Distance au marché proche - Revenu
Source : Auteurs
Figure 3 : Influence positive et/ou négative des variables sur l’adoption
des points nouveaux contenus dans la vidéo
REMERCIEMENTS
Les auteurs remercient Access Agriculture qui a financé cette recherche.
BIBLIOGRAPHIE
ABADI GHADIM A.K., PANNELL D.J., 1999.
A conceptual framework of adoption of an
agricultural innovation. Agricultural
Economics, 21, 145-154.
ADEGBOLA P., GARDEBROEK C., 2007.
The effect of information sources on technology
adoption and modification decisions.
Agricultural Economics, 37, 5565.
ADEGBOLA P., SODJINOU E., 2003.
Typologie des exploitations agricoles au Sud
Bénin. Edition Atelier scientifique Sud du
Bénin, Cotonou, Bénin.
ADESINA A., BAIDU-FORSON J., 1995.
Farmers’ perceptions of new agricultural
technology: evidence from analysis in Burkina
Faso and Guinea, West Africa. Agricultural
Economics, 13, 1-9.
AHO N., KOSSOU D., 1997. Précis
d’agriculture tropicale, base et élément
d’application. Éditions du Flamboyant,
Cotonou.
BENTLEY J., VAN MELE P., MUSIMAMI
G., 2013. The Mud on Their Legs Farmer to
Farmer Videos in Uganda. MEAS Case Study
#3, Michigan State University.
BOAHENE K., SNIJDERS T.A.B, FOLMER
H., 1999. An Integrated Socioeconomic
Analysis of Innovation Adoption: The Case of
Hybrid Cocoa in Ghana. Journal of Policy
Modeling, 21, 167184.
CIMMYT, 1993. The adoption of agricultural
technology: A guide for survey design. Mexico,
D.F.
DEDRAS-ONG, 2014. Rapport annuel
programme d’appui à la filière Soja. Projet
d’Appui à la Filière Soja, Parakou, Bénin.
De STAERCKE P., 1990. Le soja : culture,
transformation artisanales et semi-industrielles.
Bruxelles, CIA.
DIIRO G., 2013. Impact of Off-farm Income on
Technology Adoption Intensity and
Productivity: Evidence from Rural Maize
Farmers in Uganda. International Food Policy
Research Institute, Working Paper 11.
DOSS C.R., 2006. Analyzing technology
Adoption
Influence Positive
Influence négative
Influence positive et négative
terminants socio-économiques de l’adoption des innovations diffusées à travers la vidéo :
cas des femmes transformatrices de soja au Bénin
379
J. Rech. Sci. Univ. Lomé (Togo), 2017, 19(4) : 365-380
adoption using microstudies: limitations,
challenges, and opportunities for improvement.
Agricultural Economics, 34, 207219.
DOSS C.R., MORRIS M.L., 2001. How does
gender affect the adoption of agricultural
innovations? The case of improved maize
technology in Ghana. Agricultural Economics,
25, 2739.
EICHER C.K., 2007. Agricultural Extension in
Africa and Asia. Cornell University, Ithaca,
New York.
FEDER G., JUST R. E., ZILBERMAN D.,
1985. Adoption of agricultural innovations in
developing countries: A survey. Econ. Dev.
Cult. Change, 33, 255-297.
FEDER G., 1982. Adoption of interrelated
agricultural innovations: complementary and
the risk, scale and credit. American Journal of
Agricultural Economics, 64, 1, 94-101.
FOLEFACK P. D., SALE A., WAKPONOU A.,
2012. Facteurs affectant l’utilisation de la
fumure organique dans les exploitations
agricoles en zone sahélienne du Cameroun.
Afrique Science, 8, 2, 22-33.
GANDHI R., VEERARAGHAVAN R.,
TOYAMA K. RAMPRASAD V., 2009.
Participatoy video and Mediated Instruction for
Agricultural Extension. Digital Green, Inde.
GLELE K.A., ADÉKAMBI A.S., AGLI C.K.,
TAMEGNON B.A., ADÉGBOLA P.Y., 2008.
Impact socio-économique de l’adoption des
variétés améliorées de manioc au Bénin.
Programme d’Appui à la Politique Agricole,
Porto-Novo, Bénin.
GOULD B.W., SAUPE W.E., KLEMME R.M.,
1989. Conservation tillage: the role of farm and
operator characteristics and the perception of
erosion. Land Economics, 65, 167-182.
HAYAMI Y., RUTTAN V.W., 1985.
Agricultural Development: An International
Perspective. Baltimore and London, Johns
Hopkins University Press.
KEBEDE Y., GUNJAL K., COFFIN G., 1990.
Adoption of new technologies in Ethiopian
Agriculture: The case of Tegulet-Bulga District,
Shoa Province. Agricultural Economics, 4, 1.
LIE R., MANDLER A., 2009. Filmer pour le
changement rural. La vidéo dans le
développement. In Words at Work, Edition CTA
and FAO.
LINDER R.K., 1987. Adoption and diffusion of
technology: an overview. In Champ, B.R.,
Highley, E., and Remenyi, J. V. (eds.)
Technological change in postharvest handling
and transportation of grains in the humid
tropics. Proceedings of an international seminar
held at Bangkok, Thailand.
LIPTON M., 1968. The theory of the optimising
peasant. Journal of Development Studies, 4, 3,
327-351.
LOUBET des BAYLE, J.L., 2000. Initiation
aux méthodes des sciences sociales.
« http://bibliotheque.uqac.ca/ ». Consulté le 30
mars 2016.
MATUSCHKE I., QAIM M., 2009. The impact
of social networks on hybrid seed adoption in
India. Agricultural Economics, 40, 493505.
MOUMOUNI M. I., 2005. Analysing the
integration of the Village Level Participatory
Approach into the extension system in Benin.
International Conference on Research for
Development in Agriculture and Forestry, Food
and Natural Resource Management,
Hohenheim-Stuttgart (Germany).
NEGATU W., PARIKH A., 1999.The impact of
perception and other factors on the adoption of
agricultural technology in the Moret and Jiru
Woreda districts of Ethiopia. Agricultural
Economics, 21, 205-216.
NKAMLEU G.B., ADESINA A.A., 2000.
Determinants of chemical input use in periurban
lowland systems: bivariate probit analysis in
Cameroon. Agricultural Systems, 63, 111-121.c
GOUROUBERA M.W. & al.
380
J. Rech. Sci. Univ. Lomé (Togo), 2017, 19(4) : 365-380
REARDON T., STAMOULIS K., PINGALI P,
2007. Rural Nonfarm Employment in
Developing Countries in an era of
Globalization. Agricultural Economics, 37,
173183.
ROGERS E.M., 2003. Diffusion of Innovations.
Free Press, New York.
SHIYANI R.L., JOSHI P.K., ASOKAN M.,
Bantilan M.C.S., 2002. Adoption of improved
chickpea varieties: KRIBHCO experience in
tribal region of Gujarat, India. Agricultural
Economics, 27, 33-39.
SMALE M., HEISEY P.W., Leathers H.D.,
1995. Maize of the ancestors and modern
varieties: the microeconomics of high-yielding
varietal adoption in Malawi. Econ. Dev. Cult.
Change, 43, 2, 351-368.
VAN MELE P., ZAKARIA A.K.M., HOSNE
A.B., HARUN A.R., MAGOR N.P., 2007.
Videos that strengthen rural women's capability
to innovate. Communication for Development
and Social Change, 1, 3, 273-293.
VAN MELE P., WANVOÈKÈ J., AKAKPO C.,
DACKO R.M., CEESAY M., BÉAVOGUI L.
ANYANG R., 2010. Videos bridging Asia and
Africa: Overcoming cultural and institutional
barriers in technology-mediated rural learning.
The Journal of Agricultural Education and
Extension, 16, 1, 75-87.
WOODARD J., 2012. Intégrer la vidéo à
moindre coût dans les projets de développement
agricole : Un kit destiné aux experts. FHI 360.
ZEGEYE T., TADESSE B. TESFAYE S., 2001.
Determinants of adoption of improved maize
technologies in major maize growing regions of
Ethiopia. Second National Maize Workshop of
Ethiopia, November, 12-16.
ZELLER M., DIAGNE A., MATAYA C.,
1998. Market access by smallholder farmers in
Malawi: implications for technology adoption,
agricultural productivity and crop income.
Agricultural Economics, 19, 219-229.
ZOSSOU E., VAN MELE, P., VODOUHÈ
S.D., WANVOÈKÈ J. 2009. The power of video
to trigger innovation: rice processing in central
Benin. International Journal of Agricultural
Sustainability, 7, 2, 119-129.
Article
Full-text available
Le système de vulgarisation au Bénin a connu plusieurs reformes dans le but de garantir un bon accompagnement des agriculteurs. Cependant, un grand nombre d'agriculteurs n'ont pas accès à l'information. Cet article présente les résultats de l'analyse de l'utilisation des TICs en l'occurrence les vidéos agricoles dans le système de vulgarisation au Bénin. L'étude a pris en compte les structures privées et publics impliquées dans la formation des agriculteurs. L'étude s'est faite en deux phases, une première phase qui a permis d'explorer 181 structures. Une deuxième phase au cours de laquelle 61 structures ont fait objet d'une étude approfondie. Les données ont été collectées à travers des entretiens semi structurés et de groupe à l'aide d'un guide d'entretien. Les résultats montrent que seules les structures privées utilisent effectivement les vidéos agricoles pour former les agriculteurs. Elles ont développé différentes stratégies leur permettant de former les producteurs selon leur capacité financière. Seulement 3 % des structures produisent elles mêmes leurs propres vidéos. Les vidéos proviennent pour la plupart d'une source externe. De même, la majorité des vidéos diffusées ont un lien à la gestion durable des terres, la gestion intégrée des ravageurs et la sécurité alimentaire. Le manque de moyens financiers, le manque de matériels adéquats et l'absence d'énergie électrique sont les principales contraintes justifiant la non utilisation de la vidéo par certaines organisations. Cette étude révèle les opportunités et défis liés à l'utilisation des vidéos agricoles et suggère sa prise en compte effective dans le système de vulgarisation Abstract Benin extension system has experienced different reforms in other to better farmers' training. However, farmers are still poorly trained. This paper assesses the use of ICT specially farmers learning videos in Benin's agricultural extension system. The study covered both private and public services that intervene in extension system in Benin. To collect data, we first explored 181 services nationwide. Then we selected 61 services for the second data collection. Semi structured interviews and group discussions are used to gather data. The study revealed that only private sector effectively uses farmers learning. T hey developed different strategies to spread information through videos according to their financial capacity. We found that only 3 % of extension services produce the videos themselves. They get videos from external sources. We also found that the majority of the videos already spread are related to sustainable land management, integrated pest management, vegetables and food safety. The study also revealed that even those who do not use farmers learning videos yet perceived them useful as extension tool to share ideas to fight against climate change, food security. The main reasons that non-adopters mentioned for not using videos are: financial shortage, lack of suitable equipments, and low coverage of electricity in rural areas. This study identified opportunities and challenges about farmers learning videos and suggest further effort by the policy to effectively include them in Benin's agricultural extension system.
Article
Full-text available
Will African farmers watch and learn from videos featuring farmers in Bangladesh? Learning videos on rice seed management were made with rural women in Bangladesh. By using a new approach, called zooming-in, zooming-out, the videos were of regional relevance and locally appropriate. When the Africa Rice Center (AfricaRice) introduced them to Africa in 2005, many scientists and civil servants thought that the videos would be culturally inappropriate and hence irrelevant to African smallholder farmers. However, African farmers who watched the videos did not experience cultural barriers. In fact, they enjoyed seeing another part of the world where farmers faced similar problems as theirs, and were able to solve these problems by themselves. To promote wider uptake of the videos a key challenge was to overcome the institutional barriers. Public sector agencies especially had to be convinced that African smallholders appreciated Asian videos. By watching the videos with farmers and listening to their feedback, the skeptical scientists and service providers changed their minds. By 2009, the Bangladeshi rice seed videos had been translated into 20 African languages and so became national products. Videos made according to the zooming-in zooming-out approach can bring farmer-to-farmer extension to a higher level of social aggregation.
Article
Full-text available
Understanding how to stimulate innovation among farmers and processors is crucial for attaining sustainable agriculture. To explore how farmer-to-farmer learning videos and training workshops changed women's rice processing practices, we interviewed 200 women and 17 women's groups in 20 villages in central Benin, including four villages which had received no intervention at all. Video on improved rice parboiling (a process whereby paddy is pre-cooked by steam without touching the water) had reached three times more women (74%) than hands-on training workshops organized by local NGOs and contributed to more equitable knowledge sharing within communities. In the villages where the NGOs had shown the video, 24% of the women started to use the improved parboiler equipment individually and 56% collectively within their group, compared to none in the control villages. About 92% of the women who attended both video and workshops developed creative solutions based on the idea of pre-cooking paddy with steam, compared to 72% for those who learned only through video. Fewer women innovated after learning through workshops only (19%) and after being informed by their peers (15%). Video watching also made women pay attention to reducing the loss of steam and to use local resources innovatively to conserve energy. More than 90% of the women who watched the video improved the quality of their parboiled rice, for example, by removing dirt, washing rice several times and drying rice on tarpaulins. Workshops stimulated innovations less than video did. Farmer-to-farmer video has great potential to enhance sustainable agriculture by encouraging local innovations.
Article
Low use of chemical inputs has been cited as a major factor limiting productivity growth of agriculture in most of sub-Saharan Africa. A wide range of variables influence adoption of such input. It is important to understand the role of these factors to ensure the development and implementation of more effective programs to promote agricultural input use. This study examines the effect of socio-economic factors on the likelihood of using chemical fertilizer and pesticide in peri-urban lowland agricultural systems in Cameroon. Rather than the univariate probit model which is commonly used, the bivariate probit model is employed to take account of the correlation between the disturbances. Results generally indicate that lowland farmers who are more highly educated, those with temporary land rights and those whose fields are more distant from the homestead are more likely to use chemical fertilizer. In the same way, lowland male farmers, those who have contact with extension, those who have temporary land rights or those practising continuous cropping are more likely to use chemical pesticides.
Article
Why do men and women adopt agricultural technologies at different rates? Evidence from Ghana suggests that gender-linked differences in the adoption of modern maize varieties and chemical fertilizer result from gender-linked differences in access to complementary inputs. This finding has important policy implications, because it suggests that ensuring more widespread and equitable adoption of improved technologies may not require changes in the research system, but rather introduction of measures that ensure better access for women to complementary inputs, especially land, labor, and extension services.
Article
The paper presents a model of farm decisions which arise when a farm is faced with two interrelated innovations. The innovations are distinguished by their returns to scale, and may be adopted individually. It is shown that under conditions of uncertainty or a binding credit constraint, the intuitive concept of innovations' complementarity may be misleading, and a more relevant definition of complementarity is derived. The latter helps to explain why policies which enhance adoption of one innovation may discourage adoption of the other, even when the two innovations seem to complement each other.