Embed Size (px)
Citation preview
ÉVALUATION DE L’EFFICACITÉ TECHNIQUE DES
EXPLOITATIONS OLÉICOLES EN TUNISIE
(CAS DE CHBIKA)
Mémoire
Sarra Ben Farah
Maîtrise en agroéconomie Maître ès sciences (M. Sc.)
Québec, Canada
© Sarra Ben Farah, 2018
ÉVALUATION DE L’EFFICACITÉ TECHNIQUE DES
EXPLOITATIONS OLÉICOLES EN TUNISIE
(CAS DE CHBIKA)
Mémoire
Sarra Ben Farah
Sous la direction de :
Lota Dabio Tamini, directeur de recherche
Nabil Amara, codirecteur de recherche
iii
Résumé
Compte tenu de l’importance du rôle joué par les exploitations oléicoles dans le
développement agricole et économique en Tunisie, l’amélioration de leur efficacité doit
constituer un pilier des politiques de développement.
Dans ce cadre, le présent travail de recherche vise à mesurer la performance des
producteurs oléicoles dans la région de Chbika en Tunisie à travers une analyse empirique
de leur efficacité technique. Pour y parvenir, un modèle de frontière stochastique de
production (avec une technologie de production représentée par une forme fonctionnelle
de type translog) a été spécifié, permettant à la fois d’estimer les scores d’efficacité des
exploitations et de dégager les facteurs explicatifs de l’inefficacité technique. Des données
d’enquêtes collectées auprès d’un échantillon de 70 oléiculteurs en 2017 dans la région de
Chbika ont été mises à profit à cet effet.
Il se dégage des résultats obtenus que les exploitations retenues sont en dessous de leur
frontière de production et sont caractérisés par une inefficacité technique. L’efficacité
technique moyenne est de 82 % et qui indique un niveau variant entre 27 % et 92 %. Ces
producteurs pourraient augmenter leur efficacité de 18% sans avoir à augmenter leurs
volumes d’intrants.
Quant à l’analyse des déterminants de l’efficacité, il en découle que les variables telles que
l’âge des chefs d’exploitations, le niveau d’instruction, l’accès au crédit et la proportion
des arbres productifs sont significatives et influencent positivement le niveau d’efficacité
technique des exploitations oléicoles à Chbika, alors que le revenu non agricole et l’accès
à la terre réduisent l’efficacité technique de ces exploitations.
Ces différents résultats ont été utilisés pour dégager des implications, en termes de mesures
de développement, dans une perspective d’amélioration des performances de ces
exploitations.
Mots clés : Efficacité technique, analyse par frontière stochastique de production,
déterminants de l’efficacité, exploitations oléicoles, Chbika (Tunisie).
iv
Abstract
Considering the important role played by olive producing farms in agricultural and
economic development in Tunisia, improving their efficiency must be a pillar of
development policies.
Within this framework, the present research aims to measure the performance of olive
producers in the Chbika region of Tunisia through an empirical analysis of their technical
efficiency. To achieve this object, stochastic frontier productionmodel (using a translog
functional form to represent the technology) has been specified, allowing both to estimate
the efficiency scores of the farms and to identify the factors explaining the technical
inefficiency. Survey data collected from a sample of 70 olive producers in the Chbika
region in 2017 were used for this purpose. Estimated efficiency measures reveal the
existence of technical inefficiencies of production in the sample. The computed average
technical efficiency is 82% ranging from a minimum of 27 % to a maximum of 92 %.
Estmation results from the technical inefficiency effects model suggest that variables such
as the age of olive producers, level of education, access to credit and the share of productive
trees are significant and influence positively the level of technical efficiency of olive
producing farms in Chbika. However, non-farm income and access to land reduce the
technical efficiency of these farms.
These factors are to be considered in the orientation of development policy measures with
the aim to improve the performance of these farms.
Key words: Technical efficiency, stochastic frontier production analysis, efficiency
determinants, olive producing farms, Chbika (Tunisia).
v
Table des matières
Résumé .......................................................................................................................................................... iii
Abstract ......................................................................................................................................................... iv
Liste des graphiques .................................................................................................................................. viii
Liste des figures ........................................................................................................................................... ix
Liste des tableaux ......................................................................................................................................... x
Liste des abréviations .................................................................................................................................. xi
Dédicace ....................................................................................................................................................... xii
Avant-propos .............................................................................................................................................. xiii
Chapitre 1 :
Le secteur oléicole dans la région de Chbika : Potentialités, opportunités et enjeux ........................ 1
Introduction, mise en contexte et problématique ................................................................................ 1
Objectifs de la recherche ...................................................................................................................... 16
Organisation du mémoire ..................................................................................................................... 16
Chapitre 2 :
Concept d'efficacité : cadre théorique, approches empiriques D’étude, hypothèses de recherche 18
Introduction ................................................................................................................................................ 18
1. Le concept d’efficacité : définition et mesure .......................................................................... 19
1.1 Concept d’efficacité : définition ........................................................................................ 19
1.2 Concept d’efficacité vu sous l’approche de la production ............................................. 22
1.3 Distinction entre les différents types d’efficacité ............................................................ 23
2. Les différentes approches d'estimation d'efficacité et la justification du choix de la
méthode stochastique (SFA) ................................................................................................................ 31
2.1 L’approche paramétrique .................................................................................................... 33
2.2 L’approche non paramétrique ............................................................................................ 42
2.3 DEA versus SFA .................................................................................................................. 44
3. Le choix de l’output, les inputs et les variables explicatives de l’inefficacité ..................... 51
➢ La variable output ................................................................................................................ 51
➢ Les variables inputs ............................................................................................................. 51
vi
➢ Les variables explicatives de l’inefficacité technique .................................................... 53
❖ L’âge du chef d’exploitation (Z1) ..................................................................................... 53
❖ Le niveau d’instruction (Z2) .............................................................................................. 54
❖ L’accès aux crédits agricoles (Z3) ..................................................................................... 55
❖ La proportion des arbres productifs dans l’exploitation (Z6) ........................................ 59
Chapitre 3 :
Approche empirique pour l’estimation de l’efficacité technique des entreprises de la région de
Chbika ......................................................................................................................................................... 62
1. La spécification du modèle ......................................................................................................... 64
1.1 La méthode de la frontière stochastique (SFA) ............................................................... 64
1.2 Le choix des variables et la spécification du modèle ...................................................... 67
1.3 Test de spécification des hypothèses : .............................................................................. 72
2 La collecte des données ............................................................................................................... 74
2.1 Présentation de la zone d’étude ................................................................................................ 74
Chapitre 4 :
Analyse préliminaire de la base des données collectées et résultats empiriques .............................. 85
Introduction ................................................................................................................................................ 85
1. Analyse des résultats préliminaires : observation de données collectées .................................. 86
1.1. Statistique descriptive univariée : caractérisation des exploitations enquêtées .......... 86
2. Mesure de l’inefficacité technique et interprétation des résultats .........................................108
2.1. Vérification des hypothèses de spécification du modèle à estimer ..............................110
2.2. Présentation et analyse des résultats de l’estimation de l’efficacité technique des
exploitations oléicoles à Chbika ....................................................................................................111
Chapitre 5 :
Pistes de réflexion, limites et conclusion ..............................................................................................126
1. Recommandations et perspectives de développement des exploitations oléicoles dans la
région de Chbika ..................................................................................................................................126
2. Limites et voies futures de recherche .......................................................................................132
3. Conclusion ....................................................................................................................................136
Référence bibliographique ........................................................................................................................... i
Annexe 1 : Aire de répartition de l’olivier dans le monde ................................................................. xxiv
vii
Annexe 2 : Les principales contraintes du secteur oléicole en Tunisie ............................................. xxv
Annexe 3 : La mesure des élasticités dans les formes fonctionnelles Translog et Cobb-Douglasxxvi
Annexe 4 : illustration des axiomes de convexité et de rendement d’échelle (Une DEA du type
CRS et une autre du type VRS). ............................................................................................................xxvii
Annexe 5 : Synthèse des études relatives à l’analyse de l’efficience des exploitations oléicoles
................................................................................................................................................................... xxviii
Annexe 6 : Visualisation des principaux facteurs qui peuvent influencer l’efficacité technique des
exploitations oléicoles avec leurs effets attendus (-/+) ...................................................................... xxxi
Annexe 7 : La distribution conditionnelle de l’inefficacité ...............................................................xxxii
Annexe 8 : Localisation géographique de la zone d’étude (Chbika) en Tunisie ........................... xxxiii
Annexe 9 : Évolution de la précipitation moyenne annuelle dans la plaine de Kairouan 1987-2013
...................................................................................................................................................................xxxiv
Annexe 10 : Questionnaire d’enquête .................................................................................................. xxxv
Questionnaire d’enquête ........................................................................................................................ xxxv
Annexe 11 : Les conditions d’application du test de Student ............................................................... xl
Annexe 12 : Vérification des postulats de base ...................................................................................... xli
viii
Liste des graphiques
Graphique 1: Écart de performance entre l’agriculture et l’industrie en Tunisie ............................ 4
Graphique 2 : Comparaison des rendements oléicoles moyens des principaux pays producteurs au
niveau mondial (2000 à 2014) ......................................................................................................... 8
Graphique 3 : Production totale d’olives en Tunisie (1998 à 2014) ................................................ 9
Graphique 4: Tendances en matière de superficie, rendement et production oléicoles en Tunisie,
de 1990 à 2011 .............................................................................................................................. 10
Graphique 5 : Répartition de la superficie oléicole en Tunisie, par région en 2014/2015 (en
pourcentage) .................................................................................................................................. 12
Graphique 6 : Production moyenne d’olives en Tunisie par district, 2016 ................................... 13
Graphique 7 : Rendements régionaux de la production d’olives en Tunisie, de 2008 à 2012 ...... 14
Graphique 8 : Les rendements par gouvernorat en 2015/2016 ...................................................... 15
ix
Liste des figures
Figure 1 : Représentation du processus de production en agriculture ........................................... 23
Figure 2 : Illustration graphique du concept d’efficacité à partir d’une fonction de production
(inputs orientés / outputs orientés) ................................................................................................ 25
Figure 3: Représentation graphique de l’efficacité technique pure et d’échelle............................ 27
Figure 4 : Représentation graphique (Farrell, 1957) de l’efficacité technique et de l’efficacité
allocative (cas de deux inputs et un output). ................................................................................. 30
Figure 5 : les différentes méthodes de mesure de l’efficacité ....................................................... 32
Figure 6 : Frontière de production stochastique, décomposition du terme d’erreur : cas de deux
observations C1 et C2. ................................................................................................................... 36
Figure 7 : Représentation schématique du modèle conceptuel adopté ......................................... 61
Figure 8 : Étapes méthodologiques pour la mesure et l’analyse de l'efficacité technique ............ 63
Figure 9 : Tranche d'âge des chefs des exploitations oléicoles enquêtés ...................................... 87
Figure 10 : Pourcentage des chefs d’exploitations enquêtés, compte tenu de leur niveau
d’instruction ................................................................................................................................... 88
Figure 11: Pourcentage des chefs d’exploitation suivant le nombre d’années d’expérience dans
l’oléiculture ................................................................................................................................... 90
Figure 12 : Activités principales déclarées par les exploitants enquêtés ....................................... 91
Figure 13 : Pourcentage des exploitants qui ont recours aux institutions bancaires (crédit agricole/
épargne) ......................................................................................................................................... 92
Figure 14 : La répartition des exploitants enquêtés selon la taille des superficies agricoles ......... 93
Figure 15 : répartition des exploitants selon les différentes cultures pratiquées ........................... 94
Figure 16 : Répartition des exploitations selon l’existence des superficies irrigables .................. 95
Figure 17 : Normalité de la variable quantité de la production oléicole ..................................... 100
x
Liste des tableaux
Tableau 1 : Comparaison de l’approche paramétrique et non paramétrique ................................. 46
Tableau 2 : Description d’outputs, des inputs et des variables explicatives des écarts d’efficacité
....................................................................................................................................................... 70
Tableau 3 : Répartition de production agricole de délégation de Chbika ...................................... 77
Tableau 4 : Effectif et pourcentage des oléiculteurs enquêtés ....................................................... 82
Tableau 5 : Analyse descriptive de la variable expérience agricole .............................................. 89
Tableau 6 : Normalité de la variable continue, avec le test de Kolmogorov-Smirnov .................. 99
Tableau 7 : Comparaison de moyennes de la production oléicole obtenue selon l’âge des
agriculteurs (Test t pour échantillons indépendants) ................................................................... 101
Tableau 8 : Comparaison de moyennes de la production oléicole obtenue selon l’expérience des
agriculteurs (Test t pour échantillons indépendants) ................................................................... 101
Tableau 9 : Comparaison de moyennes de la production oléicole obtenue selon le crédit agricole
(Test t pour échantillons indépendants) ....................................................................................... 102
Tableau 10 : Comparaison de moyennes de la production oléicole obtenue selon le niveau
d’instruction (Test t pour échantillons indépendants) ................................................................. 103
Tableau 12 : Comparaison de moyennes de la production oléicole obtenue selon l’accès à la terre
(Test t pour échantillons indépendants) ....................................................................................... 104
Tableau 13 : Comparaison de moyennes de la production oléicole obtenue selon l’irrigation (Test
t pour échantillons indépendants) ................................................................................................ 105
Tableau 14 : Comparaison de moyennes de la production oléicole obtenue (LnProd) selon
l’introduction d’une culture en intercalaire (Test t pour échantillons indépendants) .................. 105
Tableau 15 : Résultats des tests de rapport de vraisemblance ..................................................... 110
Tableau 16 : Résultats de l’estimation des paramètres de la frontière stochastique .................... 112
Tableau 17 : Élasticités des inputs à la moyenne de l’échantillon .............................................. 114
Tableau 18 : Distribution de fréquence de l’efficacité technique ................................................ 116
xi
Liste des abréviations
AFA : Agence Foncière Agricole.
CIHEAM-IAMM : Centre International de Hautes Études Agronomiques
Méditerranéennes - Institut Agronomique Méditerranéen de Montpellier.
CIRAD : Centre de coopération internationale en recherche agronomique pour le
développement.
CRDA: Commissariat Régional du Développement Agricole.
CTV: Cellule Territoriale de Vulgarisation.
DGRE : Direction Générale des Ressources en Eau.
FAO : Organisation des Nations Unies pour l’Alimentation et l’Agriculture.
Ha : hectare.
INS : Institut National des statistiques.
Mm : millimètre.
ONH : Office National de l’Huile.
SAT : superficie agricole totale.
SAU : Superficie agricole utile.
xii
Dédicace
Je dédie ce mémoire de maîtrise
À DIEU, le tout Miséricordieux et le très Miséricordieux
À mon très cher père qui a toujours cru en moi et qui m'a toujours encouragé à poursuivre
mes ambitions
mais qui n’as pas eu l’opportunité de me voir accomplir ce travail.
Que Dieu t’offre le paradis.
À ma mère, qui m’a toujours supporté et qui m’a comblé d’affection et d’amour. Je ne
finirai jamais de te remercier pour tes conseils et ton soutien moral.
Que Dieu te réserve la santé et la bonne vie.
Il n’y a pas de mots pour dire à quel point vous étiez une des clés de mon succès
Vous resterez toujours dans mon cœur et ma pensée.
À tous ceux qui me sont Chers
xiii
Avant-propos
Au terme de ce travail, fruit d’un cheminement académique de deux ans, j’ai le
grand plaisir d’exprimer mes sentiments de gratitude à l’égard de toutes les personnes qui
ont contribué, de près ou de loin, à l’élaboration de ce mémoire et son aboutissement.
Mes premiers remerciements vont à mon directeur de mémoire, M. Lota Dabio Tamini,
pour la confiance qu’il m’a accordé et l’encadrement qu’il m’a offert tout au long de ce
travail. Ses remarques judicieuses et son soutien ont été très bénéfiques et ont fondé les
assises de ce mémoire.
Je désire aussi offrir mes plus sincères remerciements à M. Nabil Amara, mon co-
directeur de recherche, pour sa grande disponibilité, ses précieux conseils et ses
encouragements qui m’ont aidée à aller au bout de ce projet. Nos multiples échanges et
commentaires pertinents ont pu m’orienter, alimenter ma réflexion, me faire progresser et
ont largement contribué à l’avancement de cette recherche.
Je tiens à remercier les membres du jury, qui m’ont fait l’honneur d’accepter
d’évaluer ce travail de mémoire.
Je remercie du fond du cœur ma chère famille : mes parents que j’adore, mes sœurs
et mon frère pour leurs nombreux encouragements incessants et leur appui constant qui ont
été déterminants dans cet accomplissement académique. J’adresse une pensée particulière
à ma mère, qui a toujours été là pour moi et qui n’a pas cessé de me soutenir durant
l’élaboration de ce mémoire.
Je tiens également à remercier mes amis qui m’ont toujours encouragée, à tous ceux
qui m’ont entourée ces dernières années et m’ont aidée à avancer dans les moments
difficiles.
xiv
Je souhaite témoigner ma gratitude à tout le personnel du CRDA et CTV de Chbika
pour l’accueil et les conditions matérielles dont j’ai pu bénéficier. Je tiens également à
souligner la contribution de toutes les personnes qui ont collaboré à la collecte de données,
je suis très reconnaissante du temps investi et du soutien logistique déterminant dans la
réalisation de la phase enquête-terrain.
Finalement, je suis redevable aux soixante-dix producteurs qui ont pris le temps de
répondre au questionnaire et ont permis de rendre cette étude concrète. Sans votre
participation, tout ce travail et tout l’appui dont j’ai eu la chance de bénéficier auraient été
vains. Je voudrais profiter de l’occasion pour remercier le ministère de l’Enseignement
Supérieur et de la Recherche en Tunisie et la Mission Universitaire pour le financement,
accordé durant les deux années de la maîtrise, qui a été apprécié.
1
Chapitre 1 :
Le secteur oléicole dans la région de Chbika :
Potentialités, opportunités et enjeux
Introduction, mise en contexte et problématique
Depuis l’indépendance, l’agriculture continue d’occuper un rôle crucial dans l’économie
tunisienne avec près de 15 % de la population active occupée et une contribution au PIB de
9,98 % en 2016 (Banque Mondiale, 2016). L’agriculture reste donc une activité essentielle
pour le développement du pays et sa protection apparaît ainsi comme une nécessité.
Le modèle de l’agriculture tunisienne est axé essentiellement sur les petites exploitations
familiales. D’après la FAO (2017), la structure des exploitations agricoles en Tunisie est
caractérisée par la prédominance des petites unités, qui représentent 78 % de l’effectif total
des exploitations agricoles et occupent environ 43 % de la superficie agricole totale. En 2013,
54 % des exploitations avaient une superficie de moins de 5 hectares et occupaient
uniquement 11 % de la SAU et 75 % avaient une superficie inférieure à 10 hectares (FAO,
2014; APIA, 2016). Ces chiffres mettent en lumière un phénomène très important sans être
récent, celui d’une agriculture qui offre la garantie d'une sécurité alimentaire future.
L’Organisation des Nations Unies pour l’alimentation et l’agriculture affirme que « les
exploitations agricoles familiales en Tunisie sont l’une des clés de la sécurité alimentaire et
du développement rural durable » (FAO, 2015a, p.109).
2
L’agriculture tunisienne a connu des mutations remarquables qui se sont traduites par une
augmentation importante du nombre d'exploitations, notamment les micro-exploitations
familiales. En effet, selon les enquêtes sur les structures des exploitations agricoles du
Ministère de l’Agriculture, le nombre d’exploitations, estimé à près de 350 000 unités en
1962, a atteint 450 000 exploitations en 2005, pour passer à près de 540 000 exploitations en
2010 (Ministère de l’Agriculture, 2012). Le morcellement des terres et les partages
successoraux entre les héritiers témoignent d'une pression de plus en plus forte sur les
ressources et se traduit par la dégradation des ressources en eau et en sol (Elloumi, 2006).
Un des objectifs de la politique agricole tunisienne est de stimuler la productivité de cette
forme d’agriculture (Bachta, 2002). Toutefois, cette dernière, souvent présentée comme un
mode de production de subsistance, est considérée comme moins productive que le mode de
production capitaliste. Ceci s’explique, entre autres, par le fait que la majorité de ces
exploitations sont caractérisées par la prédominance de modes de production basés sur des
techniques culturales traditionnelles et peu performantes.
Selon FAO, CIHEAM-IAMM et CIRAD (2017), l'agriculture familiale se heurte à plusieurs
contraintes qui freinent leur développement. D’abord, étant donné que les trois quarts du
territoire de la Tunisie sont semi-arides ou arides (CNEA, 2014), les risques auxquels
s’expose l’agriculture, en rapport avec les aléas climatiques, affectent négativement les
cultures (par exemple, la perturbation du cycle agricole, les pertes de semences, la réduction
des rendements, etc.). Ainsi, les exploitations agricoles sont appelées à relever des défis
d’augmentation de productivité dans ce climat défavorable, caractérisé par une forte
variabilité climatique, des déficits de la pluviométrie ainsi que des sécheresses fréquentes
(Elloumi, 2006).
De surcroît, la Tunisie est en situation de stress hydrique important (Milano et al., 2013;
Besbes et al., 2014). Elle est considérée parmi les pays les moins dotés en ressources
hydriques dans le bassin méditerranéen (WWAP, 2014; Louati, 2011). De ce fait,
l’agriculture tunisienne est confrontée à des pénuries d'eau qui accentuent le risque de la
diminution de sa capacité de production et ralentit les possibilités de l'augmentation du
rendement (Ben Nasr, 2015), alors que le développement socio-économique et
3
l'accroissement de la population nécessitent au contraire une production plus élevée sur les
plans quantitatif et qualitatif afin d’assurer la sécurité alimentaire.
Les effets conjugués de l’aggravation des pénuries d’eau, la forte variabilité climatique et la
succession des années de sécheresse rendent pratiquement impossible toute augmentation du
rendement. Ainsi, les performances des exploitations agricoles se trouvent modestes par
rapport aux objectifs de développement agricole et rural en Tunisie.
Par ailleurs, l’efficacité d’un grand nombre d’agriculteurs reste largement tributaire des
techniques culturales traditionnelles utilisées par la grande majorité des producteurs
(Elloumi, 2006). L'accès aux intrants techniques (tels que les semences améliorées, les
engrais et les pesticides) reste limité du fait que, dans bien des cas, les agriculteurs sont
confrontés à des difficultés d’approvisionnement, ne bénéficient quasiment pas des services
de vulgarisation et sont rarement membres de coopératives, lesquelles distribuent souvent
aux petits agriculteurs des intrants subventionnés.
Le manque d’accessibilité et de disponibilité des technologies et intrants agricoles améliorés,
conjugué à des services d’appui à l’agriculture inadéquats, se reflète dans la faiblesse des
rendements observée généralement. De ce fait, les agriculteurs ne sont pas souvent en mesure
d'utiliser leur pleine potentialité technique (faible apport en
fertilisants, faible utilisation d'herbicides et d’engrais chimiques, mécanisation limitée et
pénétration réduite des innovations). Cela affecte négativement leurs ressources productives
et conduit à une baisse de la production agricole, de la productivité et, par ricochet, de revenu.
Un autre problème qui se pose aux petits agriculteurs et qui limite l’utilisation efficace de
leurs terres reste le coût exorbitant et la disponibilité des intrants (Elloumi, 2006; Bachta et
al., 2005). Généralement, avec le faible niveau de revenus, les producteurs n’ont pas les
moyens financiers pour acquérir les intrants, ce qui limite leur utilisation.
De plus, les agriculteurs se trouvent, de manière générale, marginalisés du moment où il y a
le risque de se voir refuser l’accès aux crédits agricoles, qui leur permettent d’améliorer les
cultures et augmenter les rendements. L’insuffisance de l’accès aux crédits fait en sorte que
les agriculteurs ne peuvent pas acquérir d’intrants à des prix raisonnables, entreprendre des
investissements et entretenir les infrastructures existantes. Ceci justifie aussi le faible taux
d’utilisation des intrants agricoles et aggrave la baisse de la performance de l'ensemble de
4
l'agriculture tunisienne. Néanmoins, cet obstacle est dû principalement à l’absence de titres
de propriété, un niveau d’instruction peu élevé et un faible taux d’encadrement (Albouchi et
al., 2005). En plus, dans le contexte tunisien, la majorité des chefs d’exploitation sont vieux
et analphabètes (Elloumi, 2006; Bachta et al, 2005). Par conséquent, il y a une limitation vis-
à-vis la réception des actions de vulgarisation et la maîtrise du processus technologique (ces
exploitants âgés ne savent pas utiliser les produits de traitements, méconnaissent les
possibilités de choix des cultures, les systèmes d’irrigation améliorés, etc.). Ce constat tient
à une multitude de contraintes, parmi lesquelles on retrouve la faiblesse d’encadrement
agricole. C’est ainsi qu’en considérant les faits mentionnés ci-dessus, l’exode rural est
accentué en Tunisie, principalement pour les jeunes (Bachta et al., 2005). Le graphique 1
montre une faible productivité du secteur agricole avec un taux de croissance inférieur à celui
d’autres secteurs (hormis l’agriculture), notamment des industries manufacturières.
Graphique 1: Écart de performance entre l’agriculture et l’industrie en Tunisie
(1988-2008)
Source : INS, tiré de BAD, 2012.
5
Le graphique 1 montre que la productivité dans l’agriculture reste inférieure à celle dans
l’industrie au cours des deux dernières décennies, ce qui reflète la fragilité du secteur agricole
en termes de productivité. Par conséquent, l’agriculture tunisienne sera confrontée à plusieurs
défis, entre autres une nécessité accrue d‘augmenter la production agricole et la productivité
afin de garantir un revenu suffisant pour les agriculteurs.
À cet effet, des politiques agricoles nationales ont été adoptées afin de mettre au point des
stratégies adéquates pour promouvoir cette agriculture. Elles se sont principalement
focalisées sur la mise en place d’infrastructures hydrauliques au service du développement
de l’agriculture irriguée. « La mobilisation des ressources hydrauliques et l’aménagement
des périmètres irrigues ont renforcé ce caractère familial et conféré au territoire national un
caractère intégré » (Elloumi, 2003, p.55). Cette stratégie est supposée permettre l’atténuation
des effets des aléas climatiques, l’intensification de l’agriculture et, par la suite,
l’amélioration des rendements. Parallèlement, d’autres mesures d’ordre foncier ont été mises
en œuvre, notamment l’insertion d’un système d'immatriculation foncière et l’apurement des
anciennes tenures foncières (en les transformant en un régime de propriété privée
individuelle) (Fautras, 2017). Malgré les objectifs fixés par le gouvernement et les efforts de
multiples interventions des pouvoirs publics, la productivité de ces exploitations reste
souvent limitée et les rendements observés restent très inférieurs aux potentialités et aux
performances escomptées (Laajimi, 2007; Frija et al., 2014). Ceci laisse présager
l’inefficacité de ces différentes politiques adoptées.
Il s'avère donc nécessaire de s’intéresser aux capacités productrices de ces petites
exploitations agricoles et de connaître leur niveau d'efficacité technique afin de stimuler leur
productivité. Cela conduit à nous questionner sur l’utilisation efficace des facteurs de
production permettant ainsi à ces exploitations agricoles familiales de réduire leurs coûts de
production et d’accroître leurs revenus. Par conséquent, les producteurs vont être en mesure
de garantir un prix qui couvre les coûts de production, qui rémunère le capital et qui rémunère
les exploitants.
À noter que cette recherche ne couvre pas tous les secteurs de production. Elle se concentre
spécifiquement sur la production oléicole. Ce choix est fait pour plusieurs raisons. De prime
6
abord, le secteur oléicole présente et un créneau important dans l'économie agricole
tunisienne et à ce titre, une spéculation stratégique pour le pays.
En effet, à l’échelon mondial, comme le montre l’annexe 1, les plantations d’oliviers sont
groupées essentiellement autour de la méditerranée. En Tunisie, les exploitations oléicoles
sont étendues sur 1,8 millions d’hectares, avec 88 millions de pieds d’oliviers répartis sur
tout le territoire (ONH, 2016). L’oléiculture s’avère d’une grande importance en Tunisie,
avec près de 65 % du nombre total d’exploitants agricoles en Tunisie (ONH, 2016). Par
ailleurs, l’olivier a marqué, par son ampleur géographique et historique, la vie des Tunisiens,
étant donné qu’il est associé à leurs coutumes et à leurs habitudes (Kitagawa et al., 2015).
« Il s’agit d’une activité synonyme d’histoire ancienne et récente de la population » (Thabet
et Mahfoudhi, 2001, p. 239). Ce secteur dynamise les trois principaux secteurs économiques
du pays : l’agriculture, l’agro-industrie et le commerce. En effet, non seulement la dynamique
de la filière contribue au développement de l'économie du pays, mais elle développe aussi un
réseau socio-économique aux niveaux local, régional et national.
En plus, l’oléiculture est une activité intensive en main-d’œuvre et fait travailler de très
nombreuses familles dans les zones rurales. Elle représente ainsi « la composante principale
de l’activité pour plus de 300 000 agriculteurs (d’une façon permanente ou occasionnelle),
dont plus de 60 % sont de moyens ou petits producteurs » (Elfkih et al., 2013, p.14) et elle
génère par la suite des effets d’entraînement sur d’autres secteurs productifs. De ce fait, elle
joue un rôle de tout premier plan dans le développement régional et la stabilité des
populations rurales. Par ailleurs, ce secteur oléicole occupe une place prépondérante dans le
schéma de l’agriculture tunisienne, non seulement à cause de l'importance des superficies
réservées à l'oléiculture, mais aussi de la contribution à concurrence de 8 % dans la
production mondiale. Avec ce chiffre, la Tunisie se place au rang de deuxième producteur
mondial après l’Espagne (ONH, 2016).
Ce pays méditerranéen est « le producteur et l’exportateur le plus intégré au marché mondial
d’huile d’olive » (Karray et Kanoun, 2013, p.3). Les exportations de ce dernier viennent en
tête des exportations agricoles totales en Tunisie, avec 45 % de l'ensemble (ONH, 2016).
Durant la saison 2014/2015, la Tunisie a détrôné le leader mondial, l’Espagne, devenant ainsi
le premier pays exportateur d’huile d’olive (Ministère de l’Agriculture, 2015).
7
Cependant, la Tunisie s’est fait attribuer la première place en exportation d’huile d’olive au
niveau mondial, non seulement parce que la production a été exceptionnelle, mais à cause
d’autres facteurs : l’Espagne, premier producteur mondial, a subi la sécheresse ces deux
dernières années, ce qui a eu une répercussion sur la qualité des olives. Du coup, la production
espagnole a été divisée par deux (La presse, 2015). Même chose en Italie, la très large
prolifération de la bactérie « Xylella Fastidiosa » en 2013 a causé la destruction de milliers
d’oliviers dans ce pays (Carné Carnavalet, 2015). Par conséquent, il y a autant d'olives et
donc d'huile en moins sur les marchés.
Étant donné que ces pays européens n'arrivent plus à produire autant qu’à l’habitude, le prix
de l'huile d'olive a grimpé au niveau mondial. Cette envolée des prix a pesé négativement sur
les capacités productives des agriculteurs les plus pauvres. Malgré les devises qu’il rapporte
de ses ventes à l’extérieur, le secteur oléicole reste encore caractérisé par des rendements
plus ou moins bas et faiblement maîtrisés, même dans les régions ayant le meilleur potentiel.
Le graphique 2 illustre la compétitivité globale des rendements oléicoles tunisiens, sur la
base des rendements moyens obtenus dans chaque pays producteur pour les dix dernières
années.
8
Graphique 2 : Comparaison des rendements oléicoles moyens des principaux pays
producteurs au niveau mondial (2000 à 2014)
Source : FAOSTAT, 2016.
Comme le montrent les résultats du graphique 2, la Tunisie est à la traîne derrière ses
concurrents de l’UE (Espagne, Italie, Grèce, Portugal) en termes de rendements oléicoles,
ces dix dernières années. En effet, les causes qui expliquent le faible rendement de ce système
de production sont multiples. Comme on peut le constater à l’annexe 2, il s’agit de contraintes
d’ordre climatique, technique et socioéconomique. En effet, l’oléiculture tunisienne est
étroitement dépendante des évènements climatiques, qui constituent un obstacle important à
l’intensification. En outre, elle est sujette à des attaques par les ravageurs qui limitent le
potentiel de production et déprécient les rendements (Chatti-Kolsi et al., 2016). L’évolution
tendancielle de la production agricole cache aussi de très fortes variations d’une campagne à
une autre. De ce fait, la productivité est irrégulière et très variable, laissant les producteurs à
risque dans un état quasi-permanent de vulnérabilité. Ces variations s’expliquent en grande
partie par la dominance de l’agriculture pluviale dans un contexte d’irrégularité et de baisse
des précipitations ainsi que d’importantes attaques des cultures.
9
Le graphique 3 présente l’ampleur des oscillations annuelles de la production totale d’olives,
au cours des deux dernières décennies (1998 à 2014).
Graphique 3 : Production totale d’olives en Tunisie (1998 à 2014)
Source : FAOSTAT, 2016.
Le graphique 3 montre de forts écarts de la production oléicole d’une année à l’autre. Entre
2001 et 2003, un écart s’est également creusé. Cette période présente deux pics de
production : un très faible en 2001/2002 et l’autre très élevé en 2002/2003. Toutefois, cet
écart semble se stabiliser par la suite, étant donné le volume de production durant les
campagnes suivantes qui fluctue assez légèrement. Selon les données de la FAO (2015b), en
2013/14, la production tunisienne est retombée à 80 000 tonnes. À l’inverse, la production
pour la saison agricole 2014/2015 a atteint environ 1.4 million de tonnes d’olives, soit une
croissance de 300 % par rapport à la récolte de l’année précédente. De plus, selon le Ministère
de l’Agriculture (2015), « la culture de l’olivier en Tunisie est menacée, étant donné que la
production risque de diminuer de moitié d’ici 2030 en raison des conditions climatiques
extrêmes (des inondations aux sécheresses) ».
Malgré l'importance du secteur oléicole en Tunisie sur les plans sociohistorique, économique
et environnemental, le rendement oléicole ne fait que diminuer depuis plusieurs décennies.
10
Cette contradiction constitue le principal problème de la Tunisie. Cette chute de rendement
est d’autant plus dramatique si l’on analyse le graphique 4, qui montre les tendances en
matière de superficie et rendement oléicoles en Tunisie, de 1990 à 2011.
Graphique 4: Tendances en matière de superficie, rendement et production oléicoles
en Tunisie, de 1990 à 2011
Source : DGPA, 2013, tiré de FAO, 2015b.
D’après le graphique 4, durant la période allant de 1990 à 2012, un certain nombre
d’évolutions apparaissent en particulier : la progression des superficies allouées à la
production oléicole (elles étaient, en 1990, de près de 158 milliers d’hectares, et de 180
milliers en l’an 2011), à laquelle s’oppose la chute des rendements (allant de 165 tonnes par
hectare en 1990 à près de 123 tonnes par hectare en 2011). Ces tendances semblent mettre en
évidence la situation inquiétante du secteur oléicole en Tunisie. Les données sur le niveau du
rendement moyen, qui a une tendance à la baisse depuis des décennies, reflètent le niveau
d’inefficacité des exploitations oléicoles.
En outre, il convient de préciser que l’impact des problèmes sociaux qui ont surgi, notamment
dans les régions défavorisées du centre, a eu des cortèges d’implications en termes de griefs
politiques et d’instabilité politique, économique et sociale. Parmi les causes de ce
déséquilibre socio-économique, nous pouvons citer la détérioration des conditions de vie de
la population tunisienne, l’accroissement de la pauvreté qui touche davantage le milieu rural
11
que le milieu urbain et l’augmentation du prix des produits de base (notamment celui de
l’huile d’olive, des céréales, du lait, etc.), enregistrée lors de la période précédant le
changement politique survenu en janvier 2011 (Ben Romdhane, 2010). Dans ce contexte
déséquilibré, les populations de ses zones défavorisées (du Centre et du Sud en particulier)
ont été sévèrement exposées aux risques de pauvreté et de migrations interrégionales accrues
vers les grandes villes, notamment la ville de Tunis.
L’activité agricole se trouve alors menacée dans sa viabilité socio-économique. Par
conséquent, le secteur oléicole en Tunisie, parmi d’autres secteurs, est appelé actuellement à
assurer l’équilibre régional en termes de stabilité politique et sociale, surtout dans les zones
les moins favorisées.
La région de Chbika (Kairouan) a été choisie comme région d’étude. Le choix d'une telle
région semi-aride se justifie par l’importance du secteur agricole dans son économie
régionale. En effet, cette région de la Tunisie centrale est restée à dominance agricole et
rurale malgré sa proximité des grandes villes côtières (Tunis, Nabeul, Hammamet, Sousse).
Selon le recensement général de la population, effectué par l’INS en 2014, la délégation de
Chbika compte 35 308 habitants, dont 32 387 habitants vivant en milieu rural et pratiquant
l'agriculture, soit 92 % de la population totale. L’agriculture demeure l’activité la plus
importante dans cette zone, en dépit de certains problèmes climatiques et édaphiques qui
surgissent de temps à autre tels que la salinité des sols, l’érosion et surtout le manque d’eau
qui a engendré une surexploitation des nappes (Poussin et al., 2007).
Cette région présente aussi les mêmes éléments de problématique générale que la Tunisie
dans son ensemble : rareté de la ressource et dominance des exploitations familiales.
Soixante-dix pour cent des exploitants pratiquent une agriculture familiale dans des unités de
production ne dépassant pas les 10 ha et près de 5 000 agriculteurs cultivent moins de 2
hectares (CTV de Chbika, 2014). Cette activité agricole permet de garantir des revenus à des
exploitants agricoles pauvres en majorité.
Ce choix est justifié, entre autres, par le fait que les superficies oléicoles les plus importantes
sont situées sous ce type de climat semi-aride. Au niveau du Chbika, l’arboriculture,
principalement l’olivier, est très importante et occupe une très grande superficie. Elle s’étend
sur 27 600 ha, soit 67 % de la superficie agricole totale (CTV de Chbika, 2014), faisant d’elle
12
la culture dominante dans cette zone. Cette culture s’adapte bien au climat semi-aride,
notamment à l’irrégularité des précipitations qui varient entre 200 mm et 400 mm (Touhami,
2013), aux grandes plages de température (des étés secs et des hivers humides) et à la forte
évaporation qui peut atteindre 1600 mm/an.
Si on regarde maintenant ce qu’il en est sur le plan régional, on voit que la production oléicole
est concentrée dans la région du Centre, qui représente les deux tiers de la production
nationale en moyenne (FAO, 2015b). Les gains de production enregistrés dans cette région
permettent d’augmenter l’exportation et l‘offre locale Le graphique 5 montre la
prédominance de la surface oléicole du Centre avec 82 % de la superficie nationale en 2015.
Ensuite, viennent le Sud et le Nord avec respectivement 13 % et 5 %. Le graphique 6 fait
ressortir également les disparités en matière de production oléicole moyenne des oliveraies
en fonction des régions. On observe que la région du Kairouan est classée parmi les premiers
producteurs d’olives au niveau national avec une moyenne de 50 000 tonnes en 2016. Les
amples écarts entre les régions sont révélateurs d’une grande hétérogénéité en termes de
productivité.
Graphique 5 : Répartition de la superficie oléicole en Tunisie, par région en 2014/2015
(en pourcentage)
Source : ONAGRI, 2016.
13
Graphique 6 : Production moyenne d’olives en Tunisie par district, 2016
Source : ONAGRI, 2016.
On constate une disparité régionale, étant donné que l’État favorisait la plantation des oliviers
dans des régions, au détriment d’autres régions. Comme nous venons de le voir dans les deux
graphiques 5 et 6, les régions du Centre, souffrant de problèmes climatiques, contribuent pour
82 % à la production nationale d’olives, alors que dans les régions du Nord, où les conditions
climatiques sont nettement favorables, le secteur olivier est pratiquement marginalisé (Karray
et Kanoun, 2013; FAO, 2015b). Ceci ne fait que détériorer la situation du secteur oléicole
surtout en termes de performances productives. Par conséquent, on pourrait penser que ce
fait reflète une incohérence interne au niveau des politiques agricoles mises en place et
l’absence de synergie de la politique agricole tunisienne avec les autres politiques
sectorielles. Ceci provient en fait d’un héritage de mauvaises orientations en matière de
politique de développement rural.
Par ailleurs, les défis du secteur agricole en général, et du secteur oléicole en particulier,
peuvent être relevés par la mise en place de politiques agricoles recherchant une croissance
durable et inclusive et misant sur la mise en place de politiques adéquates.
Cependant, les politiques actuelles ne sont pas parvenues à assurer, dans les régions du
Centre, un bon niveau de rendement par rapport aux autres pays concurrents. Le graphique 7
illustre bien cette disparité des rendements entre les régions de la Tunisie, durant la période
2008-2012 :
14
Graphique 7 : Rendements régionaux de la production d’olives en Tunisie, de 2008 à
2012
Source : DGPA, 2013, tiré de FAO, 2015b.
D’après le graphique 7 ci-dessus, les rendements régionaux moyens des oléicoles dans le
Centre, notamment dans Chbika, restent faibles (0.45 tonne à l’hectare) en comparaison avec
la région du Nord (en moyenne 0.82 tonne à l’hectare sur les trois dernières années), d’autant
plus qu’il faut noter que le rendement national moyen est très proche de celui observé au
niveau du Centre, étant donné que ce dernier pèse le plus dans la moyenne nationale (FAO,
2015b). Le graphique 8 suivant rend compte de la faiblesse des rendements au niveau de la
région du Kairouan, par rapport aux autres régions du Centre en Tunisie.
15
Graphique 8 : Les rendements par gouvernorat en 2015/2016
Source : DGEAD, 2016, tiré de ONAGRI, 2016.
La faiblesse des rendements, à laquelle s’ajoutent des coûts de production parfois élevés
(notamment ceux de la mécanisation, de l’achat des intrants et surtout de la main-d’œuvre
permanente et occasionnelle), engendrent des valeurs ajoutées insuffisantes. De ce fait, la
nécessité d'améliorer l'efficacité technique au niveau de ces exploitations agricoles est de plus
en plus accentuée. Pour cela, l'amélioration de la performance agricole, en termes d’efficacité
technique, est devenue par conséquent une obligation absolue pour les exploitants agricoles,
ainsi que pour les décideurs. C’est dans ce contexte de faiblesse du rendement que nous nous
proposons de mener cette étude. L’estimation de l’efficacité technique des exploitations
agricoles a fait l’objet de plusieurs travaux, entre autres en Tunisie (Bachta et Chebil, 2002;
Dhehibi et al., 2007; Albouchi et al., 2007; Naceur et al., 2010; Chemak, 2010; Chebil et al.,
2013, Dhehibi et al., 2012; Chemak et Dhehibi, 2012; Chebil et al., 2013). Néanmoins,
l’originalité de ce présent travail de recherche se trouve dans le fait que dans la littérature,
« le manque d‘études prospectives et de diagnostics stratégiques dans le secteur oléicole, a
traduit l’absence de stratégies de long terme pour le développement de la filière » (Karray et
Kanoun, 2013, p.40). C’est dans cette perspective que ce mémoire de recherche propose
l’analyse d’un diagnostic plus approfondi, dans le but de chercher une meilleure valorisation
du secteur oléicole en Tunisie. De fait, cette étude constitue une contribution aux débats
actuels sur l’efficacité technique du secteur oléicole, notamment en Tunisie.
16
Objectifs de la recherche
Au regard de cette mise en contexte, le présent travail de recherche a pour finalité d'alimenter
la réflexion sur l'efficacité technique des exploitations oléicoles dans la délégation de Chbika,
au centre de la Tunisie. L’idée est d’expliquer la situation présente des exploitants oléicoles
dans ce pays au fort potentiel agricole, mais souffrant de problèmes structurels profonds.
Nous tenterons de déterminer quels sont les exploitants où l’on retrouve les effets les plus
significatifs en matière d’inefficacité technique. Nous essayerons ensuite d’identifier les
facteurs qui ont le plus d’impacts sur les inefficacités observées.
Les principaux objectifs poursuivis sont donc les suivants :
1- Déterminer les scores d’efficacité technique dans les exploitations oléicoles à Chbika en
Tunisie;
2- Identifier quels sont les facteurs explicatifs des niveaux d’inefficacité technique de ces
exploitations (l’âge de l’exploitant, la taille de l’exploitation, le niveau d’éducation de
l’exploitant, le recours au crédit agricole, le mode de faire-valoir, la main-d’œuvre
familiale et salariale, etc.);
3- Suggérer des mesures d’amélioration du niveau de l’efficacité du secteur oléicole de la
zone étudiée qui devraient permettre de concilier une amélioration de la productivité des
facteurs et de la production, et donc de l’économie régionale et nationale.
Organisation du mémoire
Pour répondre adéquatement aux objectifs de recherche, le reste de ce mémoire est structuré
de la façon suivante. Dans la première partie, nous avons exposé la problématique et les
objectifs. Dans la deuxième partie, consacrée à la revue de littérature, nous nous penchons
sur les facteurs qui sont à l’origine des inefficacités techniques. Nous nous penchons aussi
sur les différences qui existent entre les principales méthodes de mesure (paramétrique ou
non paramétrique) et nous analysons les articles qui ont déjà été réalisés sur le concept
17
d’efficacité technique. Pour ce qui est de la troisième partie de ce travail, elle porte sur la
méthodologie qui a été utilisée pour procéder à l’analyse. Nous présentons les indicateurs qui
ont été choisis et les raisons qui ont motivé ce choix, les bases de données qui ont été utilisées,
ainsi que le cadre d’analyse. Dans la quatrième partie de ce travail, nous présentons les
résultats de l’analyse. Ces résultats permettent de déterminer s’il existe des inefficacités
techniques au niveau des exploitations oléicoles dans la région de Chbika (Tunisie). Nous
procédons aussi à l’analyse des effets des facteurs explicatifs sur les exploitations. Enfin,
dans la cinquième et dernière partie du mémoire, nous revenons sur les résultats obtenus, les
limites de notre étude et les voies de recherche intéressantes à creuser dans le futur. Bien
entendu, on ne peut conclure ce chapitre sans mettre en évidence les mesures et les pistes de
réflexion à proposer pour améliorer l’efficacité technique des oléiculteurs de la région de
Chbika.
18
Chapitre 2 :
Concept d'efficacité : cadre théorique, approches
empiriques D’étude, hypothèses de recherche
Introduction
Dans le contexte actuel marqué par la recherche d’une plus grande compétitivité, l’approche
économique de l’efficacité technique est de plus en plus prise en compte par les scientifiques
et constitue un des principaux sujets de l’économie de la production. La mesure de l’efficacité
s’inscrit dans le cadre d’une meilleure utilisation des ressources productives afin de réaliser
des économies et maximiser les gains de productivité.
Durant les dernières décennies, des études sur l'efficacité technique ont retenu une attention
considérable et cela à peu près dans tous les champs d'activité économique, notamment dans
le secteur de l’éducation (Ruggiero et Vitaliano, 1999; Abbott et Doucouliagos, 2003; Waldo,
2007; Kirjavainen, 2007), de la santé (Ferrier et al., 2006; Clement et al. 2008; Yougbare et
Teghnem, 2016), de l’agriculture (Nuama, 2006; Chogou et al., 2017), des transports (Rivera,
2004; Baumstark et al., 2005), de l’utilisation des ressources énergétiques (Ghali et al., 2014),
de la microfinance et des banques (Igue, 2006; Soulama, 2008; El Moussawi et Obeid, 2010;
Bannour et Labidi, 2013; Cornée et Thenet, 2017), des industries manufacturières (Lesueur
et Plane, 1995; Cling et al, 2005; Agbodji, 2010), etc.
Une variété d’approches théoriques a été développée et utilisée dans diverses études
empiriques pour estimer des frontières de production et « étudier l’échec des producteurs
19
dans la réalisation du même niveau d’efficacité » (Battese 1992, p.159). Nous allons donc
nous pencher sur le résultat des recherches existantes autour de ce concept.
Rappelons que l’objectif poursuivi dans ce mémoire de recherche est l’évaluation du niveau
d’efficacité technique des oléiculteurs dans la région de Chbika et l’identification de l’effet
des facteurs explicatifs des écarts d’efficacité technique entre ces exploitations. Selon Bégin
(2014, p.9), « l’étude de l’efficacité technique est d’un grand intérêt autant pour les
entreprises que pour les gouvernements à travers l’orientation des politiques vers
l’amélioration de l’utilisation des facteurs de production ».
Le présent chapitre s’articulera autour de trois sections. Dans un premier temps, il sera
question de proposer une synthèse des différents concepts et considérations théoriques
attachés à la notion d’efficacité des exploitations agricoles en particulier. Ensuite, dans un
deuxième temps, l'attention sera portée sur la présentation des principales approches et
méthodes d’estimation utilisées pour mesurer l’efficacité technique, en l'occurrence
l’approche paramétrique et celle non paramétrique. Cette partie permet donc de justifier le
choix méthodologique qui sera appliqué ultérieurement dans notre étude, en Tunisie
(Chbika). Finalement, la troisième partie de cette revue de littérature sera dédiée à
l’identification des facteurs explicatifs les plus influents sur l’inefficacité technique des
entreprises oléicoles. Ceci permettra d’énoncer les hypothèses qui seront mises à l'épreuve
dans le présent mémoire.
1. Le concept d’efficacité : définition et mesure
1.1 Concept d’efficacité : définition
Dans la littérature économique, la notion d’efficacité est abondamment utilisée pour
permettre de mesurer de la performance des unités de production. Il est donc important de
comprendre pourquoi cette question d’efficacité est progressivement devenue pertinente au
niveau du secteur agricole en particulier.
20
Selon la théorie économique, le concept efficacité fait référence à l’optimum de Pareto1
(Chemak et Dhéhibi, 2010). L’efficacité en agriculture peut être définie comme « le niveau
auquel les producteurs arrivent à réaliser le meilleur résultat avec les ressources disponibles
dans l’exploitation et les technologies données » (Adjognon, 2009, p.27). Donc, elle traduit
le rapport entre les résultats attendus et les résultats atteints. Ceci signifie qu’elle décrit
l’optimisation des moyens utilisés afin de maximiser le profit et garantir une plus grande
compétitivité. En d’autres termes, elle donne une indication sur la capacité des entreprises à
utiliser une technologie existante de la manière la plus adéquate (Ghali et al., 2014).
L’efficacité est alors perçue au sein des différentes analyses recensées comme un élément de
mesure de la performance des unités de production, tout comme le rendement et la
productivité. Selon Saucier et Brunelle (1995), la notion d’efficacité englobe les concepts de
productivité et de rendement.
De ce fait, la mesure de la performance n‘est plus limitée seulement à la seule dimension
financière (basée sur des comparaisons selon le coût moyen, le rendement, la productivité),
mais aussi elle est évaluée par la capacité d’un système de production de produire « au mieux
» par la mise en œuvre de l’ensemble des moyens de production (Coelli et al., 1998). C‘est
dans ce contexte qu‘apparaît le concept de l’efficacité technique.
La partie suivante a pour objectif la présentation, dans une perspective historique, des grandes
étapes de la genèse du concept d’efficacité. Plusieurs auteurs identifient la période des années
60, comme étant celle où l’ensemble des secteurs ont connu d’importants changements
structurels. En effet, un regain d’intérêt de ce concept au cours de cette période, occasionné
par la poussée technologique et l’émergence de l'innovation technologique qui a été intégrée
au sein du processus de production des firmes, a été remarqué. Ceci a amené les chercheurs
à étudier les impératifs d'une utilisation efficiente des nouvelles technologies de production
(Amara et Romain, 2000). Avant cette période, « la possibilité que les entreprises puissent
exploiter leurs ressources de manière inefficace était implicitement écartée des études
empiriques » (Amara et Romain, 2000, p.1). Ce n’est qu’au cours des années quarante que
le concept d’efficacité commence à apparaître dans la littérature avec les travaux de Carlson
(1939), Hicks (1946) et Samuelson (1947).
1 En économie, l’optimum de Pareto est un état dans lequel on ne peut améliorer le bien-être d’un individu
sans détériorer celui de l’autre.
21
Dès lors, la notion d’efficacité a fait l’objet d’une multitude d’études et de recherches
scientifiques. En effet, plusieurs auteurs ont alors tenté successivement, pendant plus d’un
demi-siècle, d’éclaircir ce concept. Debreu (1951), Koopmans (1951), Shephard (1953),
Farrell (1957) étaient les premiers à s’intéresser au concept d’efficacité. Leurs travaux sont
considérés comme le point de départ de la construction du concept.
Koopmans (1951) était le premier à proposer une mesure du concept d'efficacité, relative à
l’analyse de la production. Il a proposé une formalisation de l’efficience technique qui permet
de décomposer l’efficience technique en une efficience d’échelle et une efficience technique
pure
Debreu (1951) était le premier à le mesurer empiriquement, à travers les coefficients
d’utilisation des ressources (des mesures de ratio extrant-intrant) pour décrire le maximum
d’une réduction équiproportionnelle de tous les inputs permettant au processus de production
de subsister. Quant à Shephard (1953), il a introduit la fonction distance input qui permet de
mesurer l’inefficacité en prenant en compte la possibilité d’intégrer des processus de
production multi-output.
Farrell (1957), dans son article2, est arrivé à fournir un outil de raisonnement théorique fondé
sur le concept microéconomique du taux marginal de substitution. C’est ainsi qu’il a été
le premier à définir clairement le concept d'efficacité économique et à le diviser en deux
termes : efficacité technique et d’efficacité allocative. C’est ce qui est adopté aujourd’hui par
la littérature économique qui identifie trois formes d’efficacité dans les activités productives,
notamment l’efficacité technique, allocative et économique (Amara et Romain, 2000).
Avant d’expliciter le cadre conceptuel qui guide notre travail de recherche, il nous semble
pertinent d’exposer sommairement les fondements théoriques.
2Article : « The Measurement of Productive Efficiency » de Farrell publié en 1957 et s’inspirant des travaux
de Koopmans et de Debreu.
22
1.2 Concept d’efficacité vu sous l’approche de la production
L’objectif assigné à cette partie consiste, dans un premier temps, à retracer de manière
approfondie le fondement théorique du concept de l’efficacité.
« Selon la théorie microéconomique traditionnelle, le concept d’efficacité n’est pas pris en
compte dans les travaux empiriques, car les producteurs sont supposés être rationnels dans
leurs prises de décision et agissent dans un seul but du gain économique (maximisation de
profit) » (Ngom et al., 2016, p.9). Cette hypothèse de l’omission de l’efficacité suppose que
chaque exploitant se trouve toujours sur la frontière de production.
Les producteurs sont toujours à la recherche des méthodes qui conduisent à atteindre la
production maximale, et donc éliminer ou réduire leurs inefficacités techniques. Cependant,
généralement, cela ne vérifie pas les études antérieures, entre autres celles de Bachta et
Chebil 2002 ; Albouchi et al. 2007; Dhehibi et al. 2007; Dhehibi et Telleria 2012; Chemak
et al. 2010; Chemak et Dhehibi 2010; Naceur et al. 2010; Chebil et al. 2013, Chebil et al.,
2016, qui montrent des scores d’efficacité technique faibles dans différentes exploitations du
territoire tunisien. Face à ce constat préoccupant, on se demande, dans notre étude, si les
exploitations agricoles tunisiennes à Chbika sont techniquement efficaces ou non. Par
ailleurs, la nécessité d’un cadre analytique se pose avec acuité pour décrire et expliquer la
raison des échecs ou succès de la performance de ces exploitations.
En théorie microéconomique, on peut mesurer l’efficacité d’une firme à travers l’approche
de production. Le concept de l’efficacité productive ou technique est présenté dans la
définition même de la fonction de production (Chaffai, 1997; Chebil et al., 2013).
La fonction de production spécifie les quantités maximales d’outputs accessibles pour tout
niveau des inputs, et pour tout niveau de l’output, les quantités minimales nécessaires à leur
obtention (Thiry et Tulkens, 1988). C’est ainsi que l’efficacité d’une unité de production
établit alors une relation technique entre les paniers d’inputs et les différents niveaux
d’outputs qu’on peut obtenir à l’issue du processus de production. Le rapport qui existe entre
les inputs et l’output peut être caractérisé par la technologie de production. On procède à une
approche qui tente de modéliser cette technologie de production afin d’identifier les
combinaisons productives optimale. Ceci nous amène à effectuer une analyse à travers un
23
indicateur de performance productive qui est l’efficacité technique, nécessitant l’estimation
d’une frontière de production.
Par souci de simplification, nous illustrerons dans la figure 1 la configuration dans laquelle
l’output s’obtient à travers la combinaison de plusieurs inputs.
Figure 1 : Représentation du processus de production en agriculture
Source : Auteur, 2017; tiré de la théorie de la production.
Les contraintes imposées à la production découlent de la rareté des ressources, ce qui
implique une grande attention quant à leur utilisation. Ainsi, la firme maximisera sa
production ou minimisera l’utilisation de ses moyens de production, tout en veillant à une
meilleure utilisation de ces ressources à travers une allocation efficace au sens de Pareto.
1.3 Distinction entre les différents types d’efficacité
De nombreux auteurs nous ont révélé l’existence de plusieurs types d’efficacité : l’efficacité
technique, l’efficacité d’échelle, l’efficacité allocative. Notons que l‘efficacité économique
correspond aux produits des deux types d’efficacité réunis (efficacité technique et allocative)
(Lovell, 1993; Coelli et al., 1998 et Amara et Romain, 2000). Une exploitation agricole est
considérée comme économiquement efficace « si elle est à la fois techniquement efficace et
alloue de manière efficace ses ressources productives » (Hanafi, 2011, p.11).
24
a. Notion d’efficacité technique
La notion d’efficacité technique avait déjà fait l’objet de nombreuses investigations
théoriques. Nous procédons ainsi à une recension des définitions successives dont a fait
l’objet ce concept.
L'efficacité technique se définit comme la capacité de la firme à exploiter les ressources de
façon optimale. Selon Ghali et al. (2014), l’efficacité technique concerne la capacité de
l’exploitation à éviter le gaspillage par une bonne gestion des ressources disponibles. Dans
le même sens, Djimasra (2009) la décrit comme étant la capacité d’une entreprise à produire
de façon efficace avec les ressources nécessairement limitées dont elle dispose. Pour Farrell
(1957), ce concept est mesuré à partir des meilleures pratiques dans le secteur. Autrement
dit, il mesure comment une exploitation valorise les intrants qui entrent dans le processus de
production de manière optimale.
Une unité de production est techniquement efficace lorsqu’elle se situe sur la frontière, c’est-
à-dire qu’elle consiste à réaliser le plus possible niveau d’outputs pour un niveau d’intrants
donné (orientation-output, la maximisation de l’output) ou bien elle consiste à utiliser le
moins d’inputs possible pour un niveau de production donné (orientation-input).
L’efficacité technique est mesurée par l’écart existant entre le niveau de production observé
et le niveau d’output optimal déterminé par la frontière de production. La figure 2 présente
une illustration graphique de l’efficacité technique (cas d’une fonction mono-output/mono-
input).
25
Figure 2 : Illustration graphique du concept d’efficacité à partir d’une fonction de
production (inputs orientés / outputs orientés)
Source : inspiré de Farrell, 1957; Miri, 2014.
La fonction de production est définie comme étant une fonction reliant la combinaison de
tous les points efficaces. L’écart par rapport aux meilleures pratiques fournit le degré
d’(in)efficacité d’une firme. La figure 2 montre que les exploitations numérotées 1, 2, 3, et 4
sont techniquement efficaces puisqu’elles se situent directement sur la courbe frontière de la
fonction de production. Cependant, l’exploitation 5 présente une inefficacité étant donné
qu’elle se situe en dessous de la frontière de production. Donc, le producteur aurait la
possibilité d’employer moins d’inputs utilisés sans pour autant réduire le niveau d’output
produit en passant de xEXP 5 à x′EXP 5 (orientation-input) ou bien augmenter le niveau
d’output obtenu en gardant les mêmes niveaux d’intrants constants en passant donc de
yEXP 5 à yEXP 5′ (orientation-output).
L’efficacité technique se décompose à son tour en efficacité technique pure (ETP) et
efficacité d’échelle (EE) (Latruffe et Piet, 2013). Cette décomposition se fait selon
l’hypothèse faite sur la nature des rendements à l’échelle. L’efficacité d’échelle renseigne sur
le niveau optimal de la taille de l’exploitation. Ainsi, elle permet d’évaluer si les rendements
26
d’une exploitation sont croissants, constants ou décroissants3. Elle traduit donc l’adéquation
d’une unité de production à son échelle optimale. L'échelle optimale est entendue ici comme
étant la meilleure situation à laquelle peut parvenir l'unité de production en augmentant
proportionnellement la quantité de tous ses facteurs. L’efficacité technique pure, quant à elle,
renseigne sur la manière dont les ressources de l'unité de production sont gérées (Latruffe,
2010; Blancard et al., 2013). Dans le cas des rendements d’échelle constants, on suppose
qu’une augmentation dans la quantité d’inputs consommés mènerait à une augmentation
proportionnelle dans la quantité d’outputs de produits. Dans le cas des rendements d’échelle
variables (croissants ou décroissants), en revanche, la quantité d’outputs produits est
considérée pour augmenter plus ou moins proportionnellement que l’augmentation dans les
inputs. La figure 3 fait la distinction entre l’efficacité technique pure et l’efficacité d’échelle.
3 Les rendements sont croissants si la production augmente plus vite que les facteurs de production. On parle d’économies d’échelle
lorsque tous les intrants sont doublés et la production fait plus que doubler.
Les rendements sont dits décroissants lorsque la production augmente par un moindre multiple que celui qui est appliqué à tous les
facteurs de production. On est en présence de déséconomies d’échelle lorsque les quantités d’intrants sont doublées et que la
production augmente par un multiple inférieur à deux. Enfin, les rendements sont dits constants lorsque la production varie dans la
même proportion que les facteurs de production.
27
Figure 3: Représentation graphique de l’efficacité technique pure et d’échelle
Source : Coelli et al. 1998, Albouchi et al., 2004.
Sur la figure 3, l’exploitation A est techniquement inefficace par rapport à l’exploitation B,
qui correspond à la taille optimale, étant donné qu’il est possible de produire la même
quantité d’output avec moins d’intrant. L’inefficacité technique pure correspond au rapport
𝑋𝐴′
𝑋𝐴et l’inefficacité d’échelle est mesurée par le rapport
𝑋𝐴′′
𝑋𝐴′. Le produit de ces deux
inefficacités correspond à l’inefficacité technique total au point A, et se mesure par le
rapport 𝑋𝐴′′
𝑋𝐴.
28
b. Notion d’efficacité allocative
Le concept d’efficacité allocative se réfère aux prix relatifs des facteurs de production
(travail, capital, herbicide et fertilisant). Il consiste à mesurer, pour un niveau de production
donné, les proportions dans lesquelles les facteurs de production sont utilisés et de choisir la
combinaison d’inputs de façon à minimiser leur coût. Selon Piot-lepetit et Rainelli (1996),
l’efficacité allocative se définit par la façon dont l’entrepreneur fixe les proportions entre les
différents intrants participant à la combinaison productive en se basant sur leurs prix
respectifs.
c. Illustration des types d’efficacité
La figure 4 ci-dessous, proposée par Farrell (1957), illustre la distinction entre les types
d‘efficacité, pour le cas où il existe deux facteurs de production (le travail L et le capital K).
L'isoquant SS' représente la frontière de production qui est définie comme étant l’ensemble
des combinaisons d’input qui sont techniquement efficaces pour un niveau output donné. Les
points situés au-dessus de l’isoquante caractérisent les firmes non efficaces. La droite (AA')
représente graphiquement le rapport des prix des inputs déterminés par le marché (la courbe
d'isocoût). Ainsi, le point Q représente une firme techniquement efficace, utilisant les deux
facteurs de production dans le même rapport que la firme située au point P. Tous les points
situés sur la frontière de production sont techniquement efficients, et ont un score d’efficacité
technique égal à 1 alors que tout point à l’intérieur de l’isoquant est techniquement inefficace
pour ce niveau de production. L‘efficacité technique de l'exploitation au point P est donnée
par le rapport OQ
OP, qui varie entre zéro et l’unité. Les firmes efficaces ont un rapport égal à 1,
et celles dont le ratio est inférieur à 1 doivent baisser l’intrant utilisé de (1 −OQ
OP). Par
exemple, si le ratio est de 0,85 il faut diminuer l’intrant de 15 % pour devenir efficace et se
positionner sur la courbe.
Bien qu’ils soient techniquement efficaces, tous les points sur l’isoquant ne sont pas
allocativement efficaces. L’efficacité allocative est mesurée par l’écart entre le coût de
production et l’efficacité technique. En effet, et même si l'efficacité technique est de 100%
29
en ces deux points, les coûts de production à Q' ne représentent que la fraction OR
OQ de ceux au
point Q. Ce ratio est alors défini comme une mesure de l'efficacité de prix, ou efficacité
allocative. Tous les points situés sur l’isocoût (AA’) sont allocativement efficaces, mais ne
sont pas tous faisables.
Selon Farrell (1957), l’efficacité économique correspond à l’efficacité technique et à
l’efficacité allocative réunies. Elle est obtenue au point Q’. L’efficacité économique au point
P peut encore s’écrire :
𝐸𝑇𝑇𝑖 =𝑂𝑅
𝑂𝑃=
𝑂𝑄
𝑂𝑃×
𝑂𝑅
𝑂𝑄= 𝐸𝑇𝑖×𝐸𝐴𝑖
Donc, pour qu’elle soit économiquement efficace, la firme devrait utiliser les différents
facteurs de production dans les combinaisons optimales, étant donné leurs prix relatifs.
En conséquence, le point P n’est ni techniquement ni allocativement efficace. Le point Q,
bien qu’il soit techniquement efficace, il est allocativement inefficace. Le point E est
allocativement efficace, mais techniquement inefficace. Enfin, il est à signaler que les points
situés sur la droite OE sont tous allocativement efficaces, mais il n’y a que le point Q’ qui est
techniquement efficace et par conséquent il l’est aussi économiquement (le point optimal de
production).
30
Figure 4 : Représentation graphique (Farrell, 1957) de l’efficacité technique et de
l’efficacité allocative (cas de deux inputs et un output).
Source : Farrell, 1957; tiré de Coelli et al., 1996.
Dans le cadre de cette étude, nous nous penchons sur la mesure l'efficacité technique pour
étudier la performance des exploitations oléicoles dans la région de Chbika. En effet, la
mesure de l’efficacité technique est considérée une étape préalable à l’évaluation de la
performance globale. En plus, pour l’instant, on s’est limité à mesurer l’efficacité technique
à cause du manque d'information concernant les prix de certains inputs. Donc, faute de
données, l’évaluation de l'efficacité allocative et l'efficacité économique demeurent de plus
difficiles à estimer.
Dans la littérature économique, il existe plusieurs méthodes d’évaluation de l’efficacité
technique. En mettant l’accent sur les avantages et les inconvénients de chaque approche,
nous justifions, dans ce qui suit, le choix de l’approche que nous adoptons dans notre travail.
31
2. Les différentes approches d'estimation d'efficacité et la
justification du choix de la méthode stochastique (SFA)
Après avoir introduit le concept de l’efficacité dans la partie précédente, on établit les
principales méthodes de mesure. Dans la littérature économique, ces méthodes d’analyse de
l’efficacité peuvent être classées « selon la forme prévue de la frontière, selon la technique
d'estimation utilisée pour l'obtenir, et selon la nature de l'écart entre la production observée
et la production optimale » (Albouchi et al., 2005, p.4). Ainsi, la littérature fait apparaître une
variété de méthodes pratiques d’estimation de la frontière de production et par conséquent de
l’efficacité technique. La figure 5 ci-dessous, dressée par Coelli et al. (1998) résume la
diversité de méthodes quant à l’évaluation de l’efficacité de production.
32
Figure 5 : les différentes méthodes de mesure de l’efficacité
Source : Coelli et al., 1998.
Au regard de ce panel de méthodes d’estimations de l’efficacité disponibles, deux grandes
approches sont retenues par la littérature économique et sont les plus utilisées pour établir
une frontière de production et estimer l’efficacité technique : l’une paramétrique, approche
économétrique connue sous le nom de frontières stochastiques (SFA), et l’autre non
paramétrique, approche basée sur la programmation mathématique et connue sous le nom
d’analyse par enveloppement des données (AED). Le principal élément distinctif de ces deux
approches réside dans les hypothèses concernant, d’une part, la prise en compte des résidus
(facteurs aléatoires) et d’autre part la spécification fonctionnelle ou non de la fonction de
production. Ainsi, chacune de ces deux méthodes repose sur une conception différente de la
construction de cette frontière efficace. Néanmoins, toutes ces techniques comportent des
avantages ainsi que des faiblesses qui limitent la portée de leurs applications comme outil
33
d'évaluation de l'efficacité. Ceux-ci ont été amplement décrits dans la littérature de plusieurs
auteurs tels que Coelli et al., 1998; Amara et al, 2000; Ambapour, 2001.
L’étude détaillée des méthodes paramétriques et non paramétriques, qui sera discutée dans
la partie suivante, permettra d’identifier le choix méthodologique le plus approprié dans notre
cadre d’analyse.
2.1 L’approche paramétrique
Les approches paramétriques sont proposées par Aigner et Chu (1968), Aigner Lovell et
Schmidt (1977) et Meeusen et Van Den Broeck (1977). Ils exigent la spécification d'une
forme particulière de la technologie de production (le plus classiquement une fonction de
type Cobb-Douglass, translog, CES, Leontief, etc.). Autrement dit, ils nécessitent
l’imposition d’une forme fonctionnelle spécifique de la fonction de production connue à
priori, tout en reliant les variables indépendantes aux variables dépendantes.
Comme leurs noms l’indiquent, les frontières paramétriques intègrent un certain nombre de
paramètres pour construire la frontière de production. L’estimation de ces paramètres se fait
à l’aide d’outils économétriques. La forme fonctionnelle choisie implique des hypothèses
spécifiques sur la distribution des termes d’erreur. Le problème consiste à spécifier cette
fonction et à estimer les paramètres. Ainsi, « si le modèle est mal spécifié, l’efficacité
mesurée pourra être biaisée par une erreur de spécification » (Berger et Humphrey, 1997; cité
par Solhi et Rigar, 2014). Au sein de l’approche paramétrique, il peut s’opérer une forme de
distinction. Selon Amara et Romain (2000) et repris par Ndegue Fongue et al. (2014), il
existe trois approches paramétriques qui se sont développées pour spécifier la nature exacte
34
du terme d'erreur dans le modèle standard, à savoir les frontières de production déterministes,
probabilistes et stochastiques.
2.1.1 Les fonctions de production déterministes et probabilistes
Farrell (1957) fut à l'origine de l'approche déterministe et paramétrique (Amara et Romain,
2000). L’estimation de la fonction de production frontière paramétrique déterministe,
effectuée par Aigner et Chu (1968), se fonde sur l’hypothèse d’une fonction de production
donnant le maximum de production possible à partir des facteurs de production. Une frontière
de production, de coût ou de profit sera dite déterministe, si l’on suppose que les écarts entre
la fonction estimée et les observations réelles correspondent exclusivement à des inefficacités
productives. Elle présente donc une frontière fixe en ce sens qu’elles présentent un seul terme
d’erreur qui est positif et permet de détecter l'inefficacité.
Cette technique d’estimation est plus facile à estimer, cependant, elle est très sensible aux
erreurs de mesure (Ampabour, 2001). De plus, elle néglige la possibilité que la performance
d'une firme puisse être affectée par des effets aléatoires hors du contrôle du producteur (tels
que les aléas climatiques, la pénurie des intrants, la fluctuation des prix, etc.) (Fok et al.,
2013). Quant à l’approche probabiliste, elle fut développée par Timmer (1971). Cette
approche consiste à réduire la sensibilité de la frontière aux observations extrêmes, due aux
erreurs aléatoires. Cette technique d’estimation est appliquée par plusieurs auteurs tels
Bravo-Ureta (1986) et Romain et Lambert (1995).
2.1.2 Les fonctions de production stochastiques
La frontière de production stochastique (SFA) est une méthode permettant d’estimer une
frontière de production à caractère paramétrique et un score d’efficacité technique spécifique
à chaque unité de décision. Elle décompose l’erreur de la fonction étudiée en deux éléments
indépendants : d’abord, une composante symétrique permettant des variations purement
aléatoires, reflétant les erreurs de mesure, la mauvaise spécification du modèle (variations
liées à des variables non prises en compte dans le modèle) et les facteurs incontrôlables
35
impliquant que la firme n'a aucun pouvoir décisionnel pour améliorer son efficacité. Ces
facteurs ne peuvent pas être négligeables, notamment dans l’agriculture qui est toujours
affectée par des aléas climatiques récurrents et des catastrophes naturelles répétitives
impactant la productivité des exploitations agricoles. L’intégration de ce terme donne la
nature stochastique à ce type de frontière d’efficacité.
Ensuite, une composante asymétrique traduit le degré d’inefficacité des firmes en rapport à
la frontière (la défaillance technique). Cette décomposition du terme d’erreur conduira par
conséquent à une mesure plus précise de l’efficacité technique.
Par hypothèse, les deux termes suivent des distributions indépendantes. Le terme d’erreur
aléatoire suit une distribution normale symétrique, tandis que le terme d’efficacité suit une
distribution asymétrique définie positivement pour une fonction de coût et négativement pour
une fonction de production et de profit. Des distributions de type exponentiel, gamma ou
normal tronqué sont proposées pour ce terme non négatif. On suppose aussi qu’il n’existe
aucune corrélation entre l’inefficacité et les répresseurs.
La fonction de frontière de production stochastique se présente sous la forme générale
suivante (Aigner et al., 1977; Battesse et Coelli, 1995) :
𝑦𝑖 = 𝑓(𝑥𝑖, 𝛽)exp (휀𝑖)
Avec i=1, 2, … … …, n et 휀𝑖 = 𝑣𝑖 − 𝑢𝑖
Où 𝑦𝑖: la production observée.
𝑥𝑖: le vecteur d’input.
: les paramètres inconnus à estimer.
𝑣𝑖: une composante purement aléatoire, supposée suivre une densité normale (0. σ2v).
𝑢𝑖: Une composante aléatoire non négative, représentant l'inefficacité technique
Cette approche stochastique prend en compte les variations aléatoires qui pourraient
influencer l’efficacité ou l’inefficacité d’une exploitation, et son utilisation, par conséquent,
36
est souhaitée dans le cas où le secteur de production dont on analyse l’efficacité présente des
effets aléatoires très élevés, notamment le secteur agricole.
Les principales caractéristiques de la frontière stochastique sont illustrées dans la figure 6 :
Figure 6 : Frontière de production stochastique, décomposition du terme d’erreur : cas de deux
observations C1 et C2.
Source : Leveque et Roy, 2004.
Dans cette figure, 𝑦 = 𝑓(𝑥, 𝛽) représente une fonction de production stochastique. Soit les
exploitations 𝐶1 = (𝑦1, 𝑥1) et 𝐶2 = (𝑦2, 𝑥2) avec un seul input (en abscisse) et un seul output
(en ordonnée). On note que l’observation 𝐶1 représente une exploitation dont l’inefficacité
𝑈1est compensée par les effets d’un choc exogène favorable V1. Par contre, l’observation C2
représente une exploitation dont l’inefficacité U2 est aggravée par un choc exogène
défavorable V2.
L’indice d’efficacité technique est généralement défini par le ratio entre le niveau de
production observé et le niveau de production frontière estimée avec le même vecteur
d’intrants (Romain et Lambert, 1995). Ainsi, l’efficacité technique de production pour l’ième
exploitation est donnée par la formule suivante :
𝐸𝑇𝑖 =
𝑦𝑖 𝑟é𝑎𝑙𝑖𝑠é
𝑦𝑖𝑚𝑎𝑥=
𝑓(𝑥𝑖, 𝛽)exp (𝑣𝑖 − 𝑢𝑖)
𝑓(𝑥𝑖, 𝛽)exp (𝑣𝑖)= exp (−𝑢𝑖) = exp (−𝑢𝑖)
37
Le modèle de l’inefficacité permet de dégager les facteurs explicatifs de l’inefficacité
technique.
ui = δ0 + ∑ δr
R
i=r
zr + wi
Avec :
Zr: les variables explicatives de l’inefficacité technique.
δr: le vecteur de paramètres inconnus à estimer des déterminants de l’efficacité ;
ωi: le terme d’erreur aléatoire indépendant.
Les paramètres de la frontière de production stochastique et les effets d’inefficacité technique
seront estimés par la méthode du maximum de vraisemblance (MV).
L’analyse des paramètres associés aux déterminants permet à chaque fois de dévoiler la
nature de la corrélation avec la variable dépendante et indique l’impact de ceux-ci sur
l’efficacité technique des exploitants oléicoles à Chbika.
Les niveaux moyens d’efficacité technique varient significativement non seulement selon la
méthode d’estimation, mais aussi selon la forme fonctionnelle utilisée. Le choix d'une forme
fonctionnelle la plus appropriée qui puisse traduire le plus fidèlement possible la technologie
de production est nécessaire dans le cadre de la modélisation avec la méthode paramétrique
(SFA).
D’une façon générale, on distingue deux grandes catégories de modèles d’estimation de la
fonction (Greene, 2008) : les formes fonctionnelles simples, de type Cobb-Douglas (1928),
et les formes fonctionnelles flexibles, de type translog ("transcendental logarithm"). Cette
dernière est introduite par Christensen et al. (1971).
La fonction de production translogarithmique est flexible et permet une estimation plus facile
de la technologie de production et des niveaux d'efficacité technique. La comparaison des
élasticités obtenues à partir des dérivées de la fonction tranlog à celles issues d’une Cobb-
Douglas nous donne plus de détails sur cette flexibilité. Les détails de mesure des élasticités
38
sont fournis dans l’annexe 3. En effet, la fonction de production Cobb-Douglas repose sur
des hypothèses très restrictives. Elle suppose notamment des élasticités des facteurs
constantes, alors qu’ils dépendent du niveau des facteurs pour une fonction de production
translogarithmique. De même, pour l’élasticité partielle de substitution d’Allen-Uzawa
(EPSAU), elle est unitaire dans un cadre Cobb-Douglas, alors qu’aucune valeur ne lui est
imposée dans un cadre Translog. Donc, la fonction translog leur permet plutôt de varier de
période en période. Par conséquent, la forme fonctionnelle translog impose moins de
contraintes sur la structure de production, les niveaux d’élasticités de substitutions et de
rendements d’échelle tout en autorisant l’analyse économétrique.
En plus, la forme fonctionnelle translogarithmique permet de prendre en compte les effets
interactifs entre les facteurs de production. De surcroît, elle est continue et deux fois
dérivable4. Elle comporte plusieurs propriétés dont celles de continuité, d'homogénéité
linéarité et de concavité. Elle est basée aussi sur un modèle économique, ce qui permet
d’introduire toutes les propriétés théoriques requises par la technologie de production. Par
conséquent, elle permet une approximation plus satisfaisante des outils d'analyse de la
technologie de production.
Compte tenu des différentes raisons évoquées ci-dessus, la fonction de production
translogarithmique est adoptée ultérieurement comme la plus appropriée dans la démarche
méthodologique pour un ajustement de la technologie de production. Un test d’hypothèse
sera effectué en vue d’évaluer notre choix de la forme fonctionnelle.
Pour expliquer les inefficacités, les études utilisaient, jusqu’au début des années quatre-vingt-
dix, une approche qui procède en deux étapes : dans un premier temps, les inefficacités sont
estimées à partir d’une frontière stochastique pour mesurer les scores d’efficacité technique
d’un échantillon des firmes, puis dans un deuxième temps, une régression de ces scores
obtenus est effectuée sur le vecteur de ces variables explicatives. La régression, effectuée
lors de la deuxième étape est abordée en utilisant soit la méthode des moindres carrés
4 La fonction translog est une approximation de second ordre à une fonction de production de forme arbitraire.
Ces spécifications permettent d’approximer le niveau de la production, de toute fonction en un point, appelé le
point d’approximation. En effet, la fonction translog ne décrit la « vraie » technologie qu’au niveau de ce point
d’approximation et à son voisinage.
39
ordinaires, soit un modèle dichotomique (Tobit, Logit, Probit) pour tenir compte du caractère
tronqué (entre 0 et 1) de la variable score d’efficacité (Albouchi et al., 2005).
Cette hypothèse est introduite pour éviter le biais inclus dans la première étape, selon lequel
le niveau d’efficacité est indépendant de ces variables alors que dans la deuxième étape, ils
sont considérés comme dépendants. Cette approche présente l’avantage qu’en cas d’erreur
de spécification dans la deuxième étape, le biais de spécification n’affecte que les coefficients
estimés des déterminants et non les coefficients de la frontière (Murillo-Zamorano, 2004).
Plusieurs auteurs défendaient cette procédure à deux étapes, tels que Ray (1988), Kalirajan
(1991), alors que d’autres auteurs l’ont contestée.
En effet, cette procédure en deux étapes présente l’inconvénient lors de l’estimation des
paramètres dans la seconde étape car l’hypothèse d’indépendance des termes d’erreurs a été
abandonnée. Comme le soutient Amara et Romain (2000), ceci est une source de faiblesse
de l’approche. Par conséquent, plusieurs auteurs proposaient des modèles qui permettent
d’estimer simultanément la frontière de production stochastique et les effets des facteurs
explicatifs des écarts d’efficacité technique entre les firmes (Kumbhakar et al. (1991);
Reifschneider et Stevenson (1991); Battese et Coelli (1992) ; Huang et Liu (1994) ; Battese
et Coelli (1995) et Kumbhakar et Lovell (2000)). Une hypothèse économétrique restrictive,
associée à cette approche, est le fait que ces variables relatives aux facteurs explicatifs de
l’inefficacité sont non corrélées aux inputs de la fonction de production.
La méthode en une seule étape appelée frontière de production à erreurs composées et à effets
d’inefficacité incorporés proposée par Battese et Coelli (1992). Dans cette méthode, tous les
paramètres sont estimés simultanément de sorte que ceux de la technologie de production
sont désormais sensibles à une omission de variables (Amara, 2000).
Plusieurs études ont eu recours à une estimation paramétrique stochastique pour estimer
l’efficacité productive des exploitations agricoles et analyser ses déterminants, et ce, dans
plusieurs filières de l’agriculture.
Plus récemment, Chogou et al. (2017) ont estimé le niveau d’efficacité technique des petits
producteurs d’ananas au Bénin en utilisant la méthode des frontières de production
stochastiques qui a été appliquée sur un échantillon représentatif de 135 exploitants membres
40
du Réseau de producteurs d’ananas du Bénin (RéPAB). Les résultats montrent que, dans
l’ensemble, les producteurs d’ananas ne sont pas efficaces techniquement. Les producteurs
étudiés ont en moyenne une efficacité technique de 67 %. Les niveaux d’efficacité varient de
3 % à 86 %. Il y a donc un grand écart entre le score minimum et le score maximum. Les
producteurs les plus efficaces se trouvent parmi les producteurs qui respectent l’itinéraire
technique recommandé. La vulgarisation de l’information technique en matière de
production agricole et le respect de l’itinéraire technique ont une influence positive sur
l’efficacité technique des producteurs d’ananas au Bénin. Ainsi, des mesures
complémentaires doivent être prises en compte pour améliorer la performance de ces petits
producteurs, notamment faciliter l’accès aux intrants de bonne qualité
Choukou et al. (2017) ont aussi utilisé cette approche pour identifier les déterminants de
l’efficacité et/ou de l’inefficacité économique des producteurs de maïs dans les oasis du
Kanem au Tchad. La méthode des frontières de production stochastiques a été appliquée à
un échantillon de 251 exploitants agricoles observés en 2014. Les résultats montrent que,
dans l’ensemble, les producteurs de maïs ne sont pas efficaces techniquement et
économiquement et il existe encore des réserves de productivité à valoriser pour augmenter
la production du maïs et augmenter les revenus des producteurs. L’examen des déterminants
de l’efficacité technique et économique montre que les variables telles que le sexe, l’âge,
l’activité principale (agriculture) améliorent l’efficacité technique et économique des
producteurs de maïs dans les oasis du Kanem.
Ben Nasr et al. (2016) ont mesuré l’efficacité technique des exploitations irriguées en
utilisant une fonction de production de frontière stochastique de type Cobb-Douglas. Cette
étude rapporte les données d’une enquête primaire de 47 exploitations irriguées appartenant
au périmètre de Sidi Ali ben Salem à Kairouan en Tunisie. Les résultats du modèle estimé
montrent des scores d’efficacité techniques faibles. Ces scores confirment l’hypothèse de la
faible performance des exploitations irriguées. En effet, 75 % des exploitations montrent des
scores d’ET inférieur à 0,6. Les raisons évoquées par les auteurs pour expliquer les niveaux
d’inefficacité technique sont : le droit d’accès à l’eau, le mode de détention de la terre, la
structure de la main-d’œuvre et le revenu extra-agricole.
41
Albouchi et al. (2007), dans leurs études à travers des données de panel correspondant à la
période 1994-2003, ont estimé aussi une frontière de production stochastique pour examiner
les déterminants de la performance des exploitations tunisienne dans le bassin versant du
Merguellil, en Tunisie Centrale. Les résultats de l’estimation démontrent qu’il existe un
différentiel d’efficacité technique entre les zones étudiées avec des scores variant entre 96 %
et 64,2 %. La variabilité des scores d’efficacité technique est déterminée par plusieurs
facteurs. Il ressort plus précisément que l’accès aux crédits et l’économie de l’eau sont les
facteurs qui affectent positivement le niveau d’efficacité technique des zones étudiées, alors
que la faiblesse de la taille de l’exploitation et le manque de diversification réduisent leur
inefficacité.
Nuama (2006) a analysé l’efficacité technique des agricultrices de cultures vivrières en Côte-
d’Ivoire. Il en ressort que les agricultrices d’igname et de manioc opèrent respectivement à
88 % et 80 % de leur capacité productive. Quant à l’estimation des facteurs susceptibles
d’influencer leur efficacité technique, elle montre que la taille du ménage, l’accès à la
vulgarisation et au crédit ont un effet positif sur l’amélioration de l’efficacité technique de
ces exploitations.
Ces dernières années, plusieurs auteurs ont même procédé à intégrer les externalités
environnementales dans les mesures de la performance productive. À titre d’exemple,
Ndegue Fongue et al. (2014) ont recours à l’approche de frontière stochastique pour analyser
l’efficience technique et environnementale des producteurs agricoles du bassin de la rivière
Chaudière localisée au sud de la ville de Québec. Ces auteurs ont appliqué une fonction de
distance axée sur les inputs approximée par une forme fonctionnelle Translog. Les résultats
de Ndegue Fongue et al. (2014) indiquent un score moyen d’efficience technique de l’ordre
de 77,17 %. La moyenne d’efficience technique est légèrement plus élevée dans les
producteurs à prédominance végétale que dans ceux à prédominance animale. Les résultats
empiriques issus de ces deux formes fonctionnelles soulignent qu’il y a une corrélation
relativement élevée entre l’efficience technique et l’efficience environnementale. L’étude
conclut également que le niveau d’éducation élevé et l’expérience des producteurs
améliorent l’efficience alors que l’âge la réduit.
42
2.2 L’approche non paramétrique
L’étude de l’efficacité fait également appel à des approches, qui impliquent le recours aux
techniques de la programmation mathématique, connues sous le nom des approches non
paramétriques. Ces dernières, découlent de l’extension des travaux initiaux de Farrell et
seront étendues (au cas multi-produits) par Charnes et al. (1978) et Banker et al. (1984).
L’approche non paramétrique surmonte l’inconvénient de l’approche paramétrique,
puisqu’elle n’exige pas la spécification d’une forme analytique particulière de la technologie
de production et n’introduit aucun paramètre pour formaliser à priori la relation entre inputs
et outputs. Autrement dit, elle n’est pas associée à une forme fonctionnelle précise et aucune
distribution de l’inefficacité. Toutefois, vu que cette approche est déterministe, elle suppose
donc l’absence d’erreurs aléatoires (Albouchi et al., 2007). Dans ces analyses, plusieurs
méthodes peuvent être utilisées pour construire la frontière et déterminer les niveaux
d'efficacité, mais la méthode analyse d’enveloppement des données (DEA) est la méthode
non paramétrique la plus utilisée. Avec cette dernière, les frontières de production sont
construites en utilisant la programmation linéaire pour solutionner les problèmes primal et
dual d’optimisation DEA.
La méthode DEA a été développée par Farrell (1957) et popularisée par Charnes et al. (1978).
Cette méthode détermine l’enveloppe convexe des vecteurs de production qui représentent
les firmes observées à travers leurs inputs et leurs outputs. Elle procède donc à comparer les
performances de chaque exploitation aux plus performantes, en mesurant la distance de
celles-ci par rapport à la frontière d’efficacité. Cet écart des meilleures pratiques établit le
degré d’efficacité d’une firme. Le DEA attribue à chaque entreprise un score d’efficacité égal
à 1 si elle est efficace (sur la frontière) ou inférieur à 1 si elle est inefficace. Donc, cette
approche fournit un outil de “benchmarking” puisqu’elle permet d’évaluer les gains
réalisables sur les quantités d’input et d’output (Borodak, 2007; Latruffe, 2010; Blancard
et al., 2013).
43
La formulation principale du DEA, suppose des rendements d’échelle constants (CRS
model5). Plus tard, Banker et al. (1984) ont inclus les rendements d’échelle variables (VRS
model6) pour mesurer l’efficacité d’échelle. Ainsi, en se référant à l’annexe 4, l’efficacité
technique globale (CRS) regroupe deux composantes : l’efficacité technique pure (VRS)
et l’efficacité technique d’échelle (Chabalgoity et al., 2005).
Elle permet de mener une analyse multidimensionnelle en considérant que les firmes peuvent
produire plusieurs biens et services. « Selon Gunther et Chauveau (2002), cette approche est
particulièrement adaptée à la mesure de l’efficacité des firmes combinant plusieurs inputs
pour produire plusieurs outputs » (Ben Nasr et al. (2016), p. 1679).
Dans la littérature, la méthode DEA a été largement utilisée pour mesurer l'efficacité
technique des unités de production dans le secteur agricole (Haji, 2007; Artukoglu, 2010;
Palomares et Martinez, 2011; Cukur et al., 2013).
Chemak et al. (2014) ont mesuré les performances techniques des producteurs de la pomme
de terre de la région de Bizerte en Tunisie par l’approche DEA. Les résultats révèlent une
inefficacité d’usage des ressources estimée à une moyenne de 19 % sous l’hypothèse CRS
et à 31 % sous l’hypothèse VRS. Ainsi, les producteurs disposent d’une importante marge de
progrès à conquérir. Les indices d'efficacité ont été régressés à l'aide d'un modèle Tobit pour
identifier les facteurs qui affectent l’efficacité des producteurs. Les résultats de l’estimation
leur ont permis de conclure qu’il s’agit de l’âge des producteurs, du mode de faire-valoir, de
la nature de la source d’eau et du système d’irrigation. La prise en compte de ces facteurs
permettra d’améliorer la performance technique des producteurs à travers la mise en place
des mesures adaptées.
Chebil et al. (2013) ont utilisé la méthode DEA pour examiner les possibilités d’amélioration
de l’efficacité d’usage de l’eau d’irrigation dans la production du blé dur dans la zone de
5 CRS signifie Constant Returns to Scale. (Une augmentation dans la quantité d’inputs consommés conduit à
une augmentation proportionnelle dans la quantité d’outputs de produits).
6 VRS signifie Variable Returns to Scale (La quantité d’outputs produits augmente plus ou moins
proportionnellement que l’augmentation dans les inputs).
44
Chbika au Centre de la Tunisie. L’estimation a été faite auprès d’un échantillon de 170
agriculteurs ayant pratiqué, pendant la saison agricole 2010-2011, la culture de blé dur en
irrigué. Les résultats obtenus indiquent que le niveau d’efficacité technique global moyen est
de l’ordre de 70,72 % alors que celui de l’eau est seulement de 64,86 %, ce qui montre bien
qu’il y a un gaspillage d’eau dans l’irrigation des céréales. En vue d’expliquer la variabilité
des scores d’efficacité technique, l’estimation d’un modèle Tobit a montré que le choix de la
variété, le nombre de sources d’irrigation par exploitation, l’appartenance à un Groupement
de Développement Agricole, l’irrigation d’appoint et la taille de l’exploitation sont des
facteurs essentiels qui peuvent favoriser l’amélioration de l’efficacité d’usage de l’eau.
2.3 DEA versus SFA
L’approche DEA possède un certain nombre d’avantages (Kalaitzandonakes et al., 1992) par
rapport à la méthode paramétrique. Ceux-ci ont été suffisamment rappelés dans la littérature
(Coelli et al., 1998 et Amara et Romain, 2000). Borodak (2007) synthétise certains avantages
de la méthode DEA : un premier atout consiste au fait qu’elle ne requiert aucune hypothèse
à priori concernant la forme fonctionnelle de la fonction de production, ni une restriction
quant à la distribution du terme d’inefficacité. Elle est de ce fait une méthode d’estimation
des frontières de production, particulièrement adaptée en cas d'incertitude sur la forme
fonctionnelle de la technique de production étudiée. Ceci fait élargir le champ de la mesure
de l'efficacité technique aux firmes qui ont des fonctions de productions difficiles à estimer.
En revanche, pour les frontières stochastiques (SFA), leur utilisation peut dans ce cadre
s‘avérer risquée puisque la forme fonctionnelle choisie nécessite des hypothèses spécifiques
sur la distribution des termes d‘erreur.
La méthode DEA permet également de détecter les intrants utilisés en excès
(Ghali et al., 2014). Cependant, en utilisant moins d’informations que dans l’approche
paramétrique, les résultats dans l’approche non paramétrique devraient être moins précis. Par
ailleurs, cette méthode a l’avantage, entre autres, de n’imposer aucune structure préconçue
aux données dans le calcul des scores d’efficacité. Ainsi, elle offre à l’analyste la latitude de
choisir les variables (inputs et outputs) en fonction des objectifs des dirigeants (Berger et
45
Humphrey, 1997; Avkiran, 1999). Ainsi, elle montre une grande sensibilité au nombre de
DMUs, à la qualité des données et au nombre de variables d’output et d’input (Thiam et al.,
2001; Piot, 1994; Piot et Vermersch, 1993).
De plus, la méthode DEA permet d’intégrer plusieurs inputs et plusieurs outputs différents
qui peuvent ne pas posséder la même unité de mesure. Cette approche se révèle
particulièrement intéressante par rapport à la frontière stochastique (SFA), étant donné le
caractère multidimensionnel de l’agriculture.
Néanmoins, la méthode DEA présente également quelques limites, lesquelles peuvent avoir
des conséquences sur la nature des résultats obtenus. L’une des critiques majeures,
auxquelles on fait face lorsqu’on utilise cette méthode, consiste à l’abstraction des erreurs de
mesure et de l’influence des facteurs exogènes sur la frontière d’efficacité. Ainsi, cette
méthode ne permet pas de prendre en compte les erreurs statistiques, les chocs aléatoires ou
les bruits (Jacobs et al. 2006). Dans ce cas, la fiabilité des résultats peut être fortement remise
en cause.
Ensuite, la méthode DEA ne permet pas de faire des tests statistiques et de vérifier des
hypothèses (Amara et Romain, 2000), étant donné qu’il s’agit d’une méthode non
paramétrique où la frontière est déterminée par les données.
En outre, la fonction frontière estimée à l'aide de cette approche est très sensible aux
observations extrêmes, qui tracent cette frontière. Toutefois, il peut exister hors de
l’échantillon des unités plus efficientes que la meilleure de l’échantillon.
Le tableau 1 résume les principaux éléments de comparaison entre les deux approches
d’estimation :
46
Tableau 1 : Comparaison de l’approche paramétrique et non paramétrique
Approche SFA
(Stochastic Frontier Analysis)
Approche DEA
(Data Envelopment Analysis)
▪ Méthode paramétrique : On peut
procéder à des analyses et des tests
statistiques grâce aux propriétés
statistiques de la fonction de
production.
▪ Méthode non paramétrique : On ne
peut pas tester les hypothèses. Ne
prend pas suffisamment en compte les
erreurs statistiques.
▪ Utilise des estimations
économétriques par la méthode du
maximum de vraisemblance pour
estimer les paramètres du modèle et
tester leur significativité.
▪ Fondée sur la programmation
mathématique linéaire.
▪ L‘approche paramétrique englobe les
deux frontières, déterministe et
stochastique
Elle Tient compte des facteurs
aléatoires (frontière stochastique).
▪ Aucune variation aléatoire n'est
possible. Elle est toujours
déterministe donc elle considère que
toute déviation de la frontière de
production est une source
d’inefficacité.
▪ La décomposition de différentes
composantes de l’inefficacité n’est
pas toujours possible, en particulier
pour les technologies multi-produits
(l’estimation ne concerne en général
qu’un seul produit).
▪ Elle permet l’estimation des fonctions
de production frontière dans des
situations de multi-produits et de
multi-inputs différents.
▪ La forme fonctionnelle doit être
spécifiée. Elle nécessite de représenter
la technologie par une forme
paramétrique particulière.
▪ Pas de spécification de relation
fonctionnelle particulière pour la
technologie.
Source : Auteur, 2017; inspiré de Chaffai, 1997.
47
La comparaison des deux approches paramétrique et non paramétrique met en exergue les
avantages et les limites de chaque approche. On peut repérer dans la littérature plusieurs
études qui ont combiné les deux approches pour des fins de comparaison (Chahtour, 1999;
Murillo-Zamorano et Vega-Cervera, 2001; Filali, 2008, Chemak et Dhehibi, 2010; Hossain
et al., 2012; Kamiyama et al., 2016; Chebil et al., 2016). Leur application conjointe a pour
objectif une meilleure appréciation des résultats. Presque dans toutes ces études, les résultats
des deux approches prouvent leur complémentarité et semblent être en concordances en
termes d’analyse des scores d’efficacité.
Force toutefois est de constater que le choix entre les deux approches n’est pas toujours facile
et il n’existe pas un cadre d’analyse standardisé pour l’estimation de l’efficacité technique et
ceci malgré la diversité des modèles proposés dans la littérature.
Bosman et Frecher (1992) recommandent de se baser sur la connaissance que l’on a de la
technologie du secteur étudié pour faire le choix méthodologique. Cependant,
Romain et Lambert (1995, p. 45) indiquent que « le choix de la méthode d’estimation n’est
pas primordial lorsque l’objectif de l’étude est d’identifier les facteurs qui caractérisent les
entreprises efficaces et non de rechercher leur niveau absolu d’efficacité ».
Compte tenu des limites inhérentes à la méthode DEA, l’approche paramétrique stochastique
est privilégiée par rapport à l‘approche non paramétrique, dans notre étude, en tant qu’outil
de mesure de l’efficacité.
Le choix de cette méthode nous est dicté, d’une part, par la prise en compte des facteurs
aléatoires hors du contrôle des firmes qui affectent leur performance productive et d’autre
part, la prise en compte d’un cadre d’analyse avec un processus de production mono-output.
Donc, le recours à la frontière de production stochastique permet d'isoler le terme d'erreur
purement aléatoire de celui reflétant l'inefficacité technique et devrait par conséquent
conduire à une mesure plus précise de l'efficacité technique.
❖ Un regard sur les travaux antérieurs d’études d’efficacité dans le secteur oléicole.
Cette section fait une récapitulation non exhaustive des différentes études qui ont été réalisées
dans les pays méditerranéens afin d’analyser l’efficacité du secteur oléicole. Afin de faciliter
l’analyse, nous allons mettre l’accent sur les principaux facteurs qui nous semblent
48
importants et qui ont eu un impact sur l’efficacité technique des exploitations oléicoles. Le
survol de la littérature a montré que quelques études ont été réalisées afin d’analyser
l'efficacité et la performance productive des exploitations oléicoles.
Tzouvelekas et al. (1999) et Tzouvelekas et al. (2001) ont estimé l'efficacité technique et le
changement technologique de la production (des procédés organiques et conventionnels)
dans les exploitations grecques à travers une frontière de production stochastique.
Plusieurs autres études, notamment celles de Giannakas et al. (2000), Karagiannis et
Tzouvelekas (2001, 2009), ont étudié la question de l’efficacité technique du secteur oléicole
en Grèce. Artukoglu et al. (2010), Cukur et al. (2013), Ozden et Dios-Palmores (2016) ont
fait la même chose pour la Turquie.
Dans son étude sur la performance du secteur oléicole en Turquie, Ozden et Dios-Palmores
(2016) se sont intéressés à l'effet de la structure de propriété sur la performance et la
sensibilité des producteurs à l’égard de la qualité et de l'environnement du secteur oléicole.
Les facteurs favorables à la performance mis en exergue dans ces études renvoient, pour
l’essentiel, à des aspects qui concernent la gestion.
Cukur et al. (2013) ont suggéré qu'il existe d'énormes différences d'efficacité technique dans
les exploitations oléicoles et que la plupart des exploitations oléicoles ne fonctionnent pas
dans leur niveau optimal. Un sondage en face-à-face a été effectué auprès de 66 exploitations
oléicoles et l’estimation de l'efficacité de ces exploitations a été déterminée en utilisant la
méthode DEA.
Pour les exploitations oléicoles espagnoles, Lambarraa et al. (2007 ; 2009), Alcaide-López-
de-Pablo et al. (2014) et Lambarraa et al. (2007) ont évalué l'efficacité technique du secteur
oléicole espagnol. Ils ont utilisé dans leur analyse un modèle de frontière stochastique sur un
échantillon d'exploitations agricoles espagnoles, à l'aide d'un panel de données, de 1999 à
2002. Les résultats indiquent que les exploitations oléicoles espagnoles sont moins efficaces
par rapport aux autres fermes de l'UE. Parmi les facteurs exogènes retenus par l’auteur, l'âge
de l’exploitant, les régimes fonciers et l’adoption de l'agriculture biologique affectent les
niveaux d'efficacité.
49
Encore en Espagne, Amores et Contreras (2009) ont réalisé une analyse l'efficacité du secteur
oléicole, sur un échantillon de 3000 fermes en Andalousie. Ils ont estimé l’efficacité en
utilisant l'analyse des enveloppes de données (DEA) appliquée à ces exploitations oléicoles.
Les résultats de cette étude ont suggéré que l'efficacité est liée positivement à la taille de la
ferme, et les améliorations d'efficacité observées dans les grandes exploitations proviennent
de l'adoption de l'irrigation et des arbres nouvellement plantés. Les autres facteurs
susceptibles d’influencer l’efficacité sont l'âge des oliviers, l'irrigation, l'intensité de
l'agriculture et la pente.
Beltrán-Esteve (2013) a également évalué dans son étude l'efficacité des exploitations
oléicoles en Andalousie (Espagne). Les résultats mettent en évidence les avantages du
système de culture olivier dans les plaines par rapport à celui dans les montagnes.
En Tunisie, Lachaal et al. (2005 ; 2004), Kashiwagi et al. (2013) et Kamiyama et al. (2016)
ont analysé la productivité et l’efficacité technique des exploitations oléicoles.
Lachaal et al. (2005) ont examiné l'effet de l’efficacité technique de production et ses
déterminants au niveau d’un échantillon de 178 exploitations oléicoles dans la région de Sfax
(Tunisie) en utilisant un modèle d’estimation simultanée de la frontière stochastique de
production et des effets de l’inefficacité technique. Les résultats suggèrent qu’une utilisation
plus efficace des facteurs de production permettrait une augmentation de la production
d’olive de l’ordre de 18 %. Par ailleurs, l’examen des déterminants de l’efficacité technique
de production a révélé que cette dernière est positivement affectée par la proportion de
plantations productives, la proportion de la main d’œuvre qualifiée et la formation agricole.
Cependant, elle est négativement associée à la pratique de l’amandier en intercalaire.
Quant aux Kashiwagi et al. (2013), ils ont étudié l'effet de l'introduction d'une technique
d'irrigation sur l'efficacité technique de l'olivier en Tunisie. À cet effet, ils ont estimé une
frontière de production stochastique de forme Cobb-Douglas sur un échantillon de fermes
oléicoles tunisiennes. Leurs résultats démontrent que l'efficacité technique des exploitations
oléicoles irriguées varie selon les fermes et qu’elles sont moins efficaces que les exploitations
non irriguées. Cette découverte suggère que l'introduction de l'irrigation dans les fermes non
irriguées détient le potentiel d'augmenter les niveaux de production ; de plus, l’accumulation
de l'expérience et les connaissances des exploitants et la sélection de l'olivier contribuent de
manière significative à l'amélioration de l'efficacité technique.
50
Récemment, Kashiwagi (2017) a examiné l'efficacité technique des exploitations oléicoles
en Palestine en utilisant un échantillon de 176 exploitations oléicoles. À cet effet, ils ont
estimé une fonction de production stochastique de type Cobb-Douglas. Les résultats
suggèrent que plus le niveau d'éducation du chef des ménages agricoles est élevé, plus
l’efficacité technique s’améliore. En plus, les fermes avec une plus grande densité d'oliviers
sont associées à une plus grande efficacité technique. L'introduction de l'irrigation a eu un
effet marginal sur l'amélioration de l'efficacité et l'élargissement de la zone irriguée en a eu
un négatif, mais l'augmentation du nombre d'années d'irrigation a impacté positivement
l'efficacité. En plus, bien que l'impact de l'accès aux marchés d'exportation sur l'efficacité
technique soit négatif et que les exploitations agricoles orientées vers la consommation
domestique d'huile d'olive aient affiché une efficacité réduite, l'accès aux marchés par des
presses d'olive et des intermédiaires a contribué à améliorer l'efficacité.
Le tableau présenté dans l’annexe 5 fait une synthèse des études antérieures qui ont estimé
l’efficacité technique du secteur oléicole dans certains pays producteurs. Notre survol de la
littérature a démontré que la mesure de l'efficience technique est un domaine de recherche
très dynamique qui a bénéficié de nombreuses avancées. L’analyse des études antérieures a
enrichi notre travail et nous a permis de choisir le modèle paramétrique, SFA, pour étudier
la question d’efficacité technique au niveau des exploitations oléicoles dans la région de
Chbika.
À la suite de la revue de littérature, l’analyse des différentes techniques d’évaluation de
l’efficacité technique et le choix méthodologique qui sera utilisé dans le cadre de notre
analyse, il serait pertinent de s’attarder sur les principales variables utilisées dans les travaux
consultés, qui peuvent expliquer les écarts d’efficacité entre les producteurs d’olives à
Chbika.
51
3. Le choix de l’output, les inputs et les variables explicatives de
l’inefficacité
Cette section présente les variables qui sont couramment évoquées dans la littérature, pour
décrire l’output, les inputs et l’ensemble des facteurs impactant les niveaux d’inefficacité
technique.
➢ La variable output
La variable dépendante (𝑦𝑖) représente la production totale d’olives obtenues sur l’ensemble
de l’exploitation au cours d'une campagne agricole. Cette variable est exprimée par la
quantité totale d’olives en kilogramme récoltées sur chaque exploitation. Lachaal et al.
(2005), Artukoglu (2010); Kamiyama et al. (2016) avaient eu à utiliser la production totale
d’olives pour exprimer la variable dépendante, dans leur étude qui porte sur la mesure de
l’efficacité technique des exploitations oléicoles respectivement en Tunisie et en Turquie.
➢ Les variables inputs
Les facteurs de production de base sont les inputs utilisés dans le processus de production.
Les variables inputs (les xi de la fonction production) sont composées de la terre, du travail
et des engrais.
Input 1 : La superficie agricole : Le facteur terre, l'un des principaux facteurs de production
en agriculture, est pris en compte à partir de la superficie de production, qui correspond à la
superficie mise en valeur par l'exploitant. La terre est mesurée par le nombre d'hectares
d’olives emblavés sur les différentes parcelles (superficie) de l'exploitation au cours d'une
campagne agricole. C'est un actif fixe puisqu’on ne peut pas procéder à une extension
illimitée des superficies oléicoles.
52
Input 2 : L’engrais (Eng) : Le nombre de kilogrammes des différents fertilisants ajoutés.
Généralement, on parle d’engrais agricoles lorsqu’il s’agit des engrais et fertilisants minéraux
et organiques, des produits phytosanitaires ou pesticides chimiques, etc. Cependant, en raison
de la faible utilisation des engrais dans la production oléicole, nous comptons dans notre
modèle les engrais de types minéraux et organiques uniquement.
Plusieurs auteurs ont introduit, dans leurs études sur l’efficacité technique, la variable engrais
comme un input, tels que Bachewe et al. (2015) pour les exploitations céréalières en Éthiopie,
Padilla-Fernandez et Nuthall (2009) pour les producteurs de canne à sucre aux Philippines.
Input 3 : Le travail (L) : La quantité de travail utilisée par l’exploitant. Plusieurs auteurs
ont proposé différentes mesures du facteur travail.
Il peut être exprimé en coûts de main-d'œuvre (Artukoglu, 2010; Cukur et al., 2013; Atici et
Podinovski, 2015; Kamiyama et al., 2016), unités de travail annuelles (Latruffe et al., 2005;
Davidova et Latruffe, 2007) ou des heures de travail (Palomares et Martinez, 2011; Reinhard
et al., 2000). Dans notre modèle, comme dans le cas d’étude de Beltrán-Estevea (2013) pour
les exploitations oléicoles espagnoles, cet input est exprimé en nombre de jours de travail
(permanent et occasionnel) engagés pour exécuter toutes les opérations culturales dans le
processus de production d’olives.
En effet, le facteur travail a été choisi parce que la production d'olives est une activité qui
nécessite différents niveaux de travail en fonction du cycle de production (taille, récolte).
Bien que la majorité du recrutement se passe pendant la saison de récolte, tout au long de
l'année, les exploitations peuvent embaucher des travailleurs permanents pour réaliser des
opérations d'entretien général. En ce sens, il s’agit d’un facteur variable puisque sa quantité
peut être ajustée durant toute la période de production. Il prend en compte la main-d’œuvre
salariée permanente, la main-d’œuvre salariée occasionnelle, la main-d’œuvre familiale et
l’entraide.
Notons que nous n’avons pas pris en considération le facteur capital comme étant un input,
car l’échantillon est composé seulement d’exploitations oléicoles de petites tailles
caractérisées par un système agricole à faible intensité de capital. En effet, rares sont ceux
qui disposent du matériel nécessaire pour une bonne exécution de l’itinéraire technique.
53
Parfois, les producteurs ont recours à la location de matériels pour accomplir l’activité
agricole concernée.
➢ Les variables explicatives de l’inefficacité technique
Il est important de savoir quelles variables inclure pour expliquer les sources d’inefficacité
technique (Vitaliano et Toren, 1994). Ainsi, nous essayerons d’aborder les variables les plus
fréquemment utilisées dans la littérature consultée et qui, somme toute, semblent les plus
importantes.
Comme l’indiquaient Romain et Lambert (1995), l‘objectif de l‘étude d’efficacité n‘est pas
le calcul du niveau de l‘efficacité comme telle, mais plutôt l‘identification des facteurs qui
l’influencent.
Dans notre travail de recherche, six variables ont été retenues comme étant des facteurs
susceptibles d’agir sur l’efficacité technique des exploitations agricoles (les Ui = Ziδ + Wi).
Ainsi, à la lumière de la littérature existante, il sera intéressant de tester les variables
suivantes :
❖ L’âge du chef d’exploitation (Z1)
Un volet de la littérature s’intéresse à l’impact de l’âge de l’exploitant sur l’efficacité
technique. Pour certains auteurs, les producteurs les plus âgés sont plus efficaces que les
jeunes exploitants. Kamiyama et al. (2016) et Selmi et al. (2015) rapportent que cet effet est
positif grâce à une solide expérience acquise dans l’exploitation agricole. En effet, avec le
temps, l’exploitant a tendance à développer une certaine expertise et un savoir-faire
concernant les meilleures pratiques d’utilisation des inputs. Lambaraa et al. (2007) ont
confirmé la même chose avec les exploitations oléicoles en Espagne.
Donc, ces producteurs sont supposés se perfectionner dans leur exploitation, ce qui stimule
la productivité et entraîne une amélioration de la performance économique des exploitants.
Au contraire, pour d’autres auteurs, l’âge du chef d’exploitation peut avoir une incidence
négative sur la productivité et l’efficacité technique. Donc, les agriculteurs les plus âgés
adopteraient plus difficilement les innovations que les jeunes agriculteurs. En effet, plus l’âge
54
de l’exploitant est avancé, plus il y a une limitation vis-à-vis la réception des programmes de
vulgarisation et des séances de formation et plus la maîtrise du processus technologique
diminue.
Dans ce sens, Ben Nasr et al. (2016), dans une estimation de l’efficacité technique des
exploitations irriguées en Tunisie (Kairouan), montrent que plus l’âge des ouvriers est avancé
plus l’inefficacité technique est élevée. Cette hypothèse a été empiriquement validée aussi
par Coelli et Fleming (2004), Nuama (2006), Latruffe et al. (2008), Lambarra et al. (2009),
Konan et al. (2014). Ces auteurs expliquent ce résultat par la baisse de flexibilité et les
réserves manifestées par les agriculteurs âgés quant à l’adoption des nouvelles innovations
technologies alors qu’un jeune producteur sera plus capable d’assimiler de manière rapide
les nouvelles connaissances acquises. D’autres auteurs expliquent ceci par une certaine
démotivation des producteurs lorsqu’ils se rapprochent de l’âge de la retraite (Lachaal et al.,
2002). Donc, le facteur âge devrait exercer un effet négatif sur le niveau d’efficacité
technique.
H1 : L’effet de l’âge sur l’efficacité technique est ambigu (le signe peut être positif ou
négatif).
❖ Le niveau d’instruction (Z2)
Le niveau d’instruction du chef de l'exploitation est une autre variable qui peut également
améliorer l’efficacité des exploitants agricoles. Le rôle positif de l’éducation a été révélé par
la littérature (Lachaal et al. (2004, 2005); Coelli et Fleming, 2004; Latruffe et al. (2008a):
Lambaraa et al., 2007; Messaoudi et al., 2016; Konan et al., 2014; Ngom et al., 2016;
Kashiwagi (2017)). En effet, un producteur agricole instruit possède une grande réceptivité
en matière d’accumulation des connaissances et donc il assimile plus rapidement les
formations qui lui sont dispensées. Le contact des producteurs avec les agents de la
vulgarisation lui permet d’accéder à l’information et à la formation pratique avec des essais
sur terrains. Ces formations portent généralement sur l’amélioration des techniques de
production, l’organisation et la gestion du travail ou encore l’utilisation des matériels et des
semences. En outre, plus les producteurs sont instruits, plus ils maîtrisent plus facilement les
55
techniques modernes de production et donc ils utilisent pleinement leur capacité de
production pour optimiser les rendements et accroître leur efficacité productive.
De surcroît, les agriculteurs les plus éduqués possèdent plus d'opportunité d'avoir les
informations nécessaires sur l’offre, la demande et les prix du marché. Ainsi, ils s’inscrivent
dans une logique de maximisation de profit tout en cherchant à minimiser les risques liés à
l’incertitude de production future.
De tels résultats confirment les études de Wossink et Denaux (2006) qui trouvent que
l’éducation est le seul facteur présentant un impact significatif sur l’efficacité technique des
exploitations cotonnières de la région de la Caroline du Nord aux USA. Dans le même sens,
Romain et Lambert (1995) ont montré que l’éducation post-secondaire a un impact positif et
significatif sur le niveau d’efficacité technique des producteurs laitiers au Québec.
Néanmoins, d’autres auteurs sont parvenus à la conclusion que l’éducation n’améliore pas
l’efficacité de la production agricole. Hasnah et al. (2004), dans une étude menée en
Indonésie, trouvent aussi un impact significativement négatif de l'éducation du chef
d'exploitation sur l'efficacité technique des exploitations agricoles. Dans notre analyse, on
s’attendrait à ce que l’amélioration du niveau d’instruction est en faveur de l’amélioration de
la performance des exploitations oléicoles à Chbika.
H2: L’instruction exerce un effet positif sur l’efficacité technique des exploitations
oléicoles à Chbika (Tunisie).
❖ L’accès aux crédits agricoles (Z3)
Il est tout aussi évident que le crédit agricole est un indicateur de la capacité financière d’une
exploitation agricole et apparait comme un outil essentiel de financement de l’activité de
production. Donc, sa disponibilité est capitale pour que les petits producteurs puissent se
libérer du « cercle vicieux de la pauvreté et assurer des conditions de vie meilleures ». Notons
que le crédit agricole est mesuré par le montant des crédits destinés à l'agriculture au cours
d'une campagne agricole dans une exploitation oléicole.
Des études portant sur les déterminants de l'efficacité trouvent l'existence d'un lien positif
entre la variable accès au crédit et le score d’efficacité technique des exploitations (Nuama,
56
2006; 2010, Kouakou, 2001; Hazarika et Alwang, 2003; Nyemeck et al., 2004). En effet, les
crédits sont orientés pour moderniser leurs exploitations agricoles et financer les besoins de
campagne de production (main-d’œuvre, le recours à l’achat des facteurs de production
(intrants, engrais, pesticides), la mécanisation, l’installation d’un système d’irrigation plus
efficace, le forage des puits individuels, etc.), permettant ainsi de sécuriser et développer
leurs activités agricoles et donc de mieux réaliser les objectifs de production, ce qui leur
confère au final une meilleure aisance à financer les activités agricoles, créant ainsi les
conditions d’amélioration de la performance de leur exploitation.
En plus, le recours au crédit agricole peut inciter les exploitants à être productifs. En effet,
tant que le producteur est dans la spirale de l’endettement, il doit toujours penser à renforcer
ses capacités productives pour arriver à rééquilibrer sa situation financière et rembourser son
crédit afin d’honorer ses engagements avec la banque. D’ailleurs, cette motivation des
agriculteurs justifie la corrélation positive entre la variable crédit et le niveau d’efficacité
technique. En effet, en bénéficiant d’une bonne solvabilité envers les institutions de
microfinance rurales, les agriculteurs peuvent accéder à plusieurs avantages par rapport aux
services financiers et donc accélérer le rythme de leur développement.
Selmi et al. (2015) montrent que les exploitants ayant bénéficié d’un crédit agricole sont les
plus efficaces par rapport à ceux qui n’ont accès à aucun mode de financement. Selon
Nuama (2010), l’obtention de crédit réduit certaines contraintes de la production,
principalement l’acquisition d’intrants et le recours à une main-d’œuvre salariée.
Cependant, certaines autres études ont relevé que l’accès aux crédits pourrait engendrer un
effet négatif sur le niveau d’efficacité. Ceci est confirmé quand les crédits obtenus sont
détournés de leur objectif et sont utilisés pour couvrir des dépenses ponctuelles hors de
l’agriculture (telles qu’améliorer le niveau de vie, marier un membre de la famille, construire
ou améliorer l’habitat, payer les études des enfants). Des résultats similaires ont été signalés
par plusieurs auteurs tels que (Nyemeck et al., 2004 ; Onwuchekwa, 2008 ; Albouchi et al.,
2005, Binam et al., 2004; Hadley, 2006; Ziaul et al., 2011). Dans le même sens, plusieurs
auteurs trouvent que cet effet négatif des crédits sur le niveau d’efficacité technique peut être
expliqué par le fait que les producteurs ne sont pas dans la voie d’intensification de leur
système de production (Albouchi et al., 2007; Lachaal, et al. 2005). Cette réticence des
57
producteurs à intensifier la culture peut s’expliquer soit par l’utilisation du crédit à d’autres
fins personnelles, soit par l’absentéisme.
Une autre raison de cet effet négatif est que les producteurs ayant accès au crédit peuvent
acheter des facteurs de production, mais cela ne garantit pas toujours une utilisation efficace
de ces facteurs, ceci à cause, entre autres, du manque d’encadrement technique des
agriculteurs. Dans notre analyse, on s'attendait à ce que les agriculteurs qui ont recours au
crédit connaissent plus d'efficacité que ceux qui n’ont pas accès au crédit agricole.
H3 : Le crédit agricole exerce un effet positif sur l’efficacité technique des exploitations
oléicole à Chbika (Tunisie).
❖ Le recours au revenu extra-agricole (Z4)
L’agriculture ne représente pas toujours l’unique activité des exploitants de la zone, malgré
le fait que la culture oléicole constitue la principale source de leur revenu. En dehors des
activités directes de l’exploitation, certains agriculteurs pratiquant l’oléiculture sont engagés
dans une autre activité rémunérée, qui les fait bénéficier d’une diversification de leurs sources
de revenu.
Plusieurs auteurs trouvent que le recours au revenu extra-agricole contribue généralement à
l’amélioration des scores d’efficacité (Albouchi el al., 2007; Messaoudi et al., 2016). En effet,
les exploitants pluriactifs réinvestissent les revenus de l’activité secondaire dans la culture
principale et ainsi de suite. Cette stratégie leur permet de s’autofinancer, de subvenir à
certaines charges de leurs activités agricoles ainsi de pouvoir mieux faire face aux besoins
de leur famille. Donc, l’existence d’un revenu extra-agricole peut s’interpréter comme une
forme de protection qui permet de compenser le manque de ressources financières durant les
mauvaises saisons (mauvaise récolte, sécheresse, maladies, etc.).
Toutefois, d’autres études consultées, tel que celle de Tonsor et Featherstone (2009), ont
démontré que la variable relative au recours au revenu non agricole pourrait avoir un effet
négatif sur le niveau d’efficacité des exploitations. Donc, les producteurs qui exercent des
emplois ou toute autre activité génératrice de revenus ne sont pas aussi efficaces
techniquement. L’explication avancée renvoie à l’absentéisme des exploitants en agriculture.
58
Ce résultat concorde avec l’étude de Ben Nasr et al. (2016) qui a estimé le modèle de frontière
stochastique pour les exploitations irriguées en Tunisie. En effet, le temps consacré au travail
hors ferme par les exploitants cause des absences prolongées qui limitent la capacité à adopter
les innovations technologiques et la mise en application des nouvelles techniques agricoles
reçues. Tout ceci induit des faibles productions agricoles et donc des faibles parts des revenus
de provenance agricole. Dans ce cas, l’absentéisme affecte négativement la performance des
exploitations concernées.
En effet, le travail agricole est considéré comme pénible, surtout pour les jeunes agriculteurs,
ce qui les incite à fuir les champs, créant ainsi un solde migratoire important du milieu rural
vers le milieu urbain. L’accroissement du niveau d’éducation des oléiculteurs semble
également être associé au recours à l’activité non agricole et même à l’abandon progressif de
l’activité agricole. Les travailleurs salariés cherchent ailleurs car les métiers de la ville sont
jugés plus rentables que l’agriculture.
Dans notre étude, on envisage que concrètement, un oléiculteur, qui a recours à une activité
extra-agricole, toutes choses étant par ailleurs, est considéré comme techniquement moins
efficace que l’autre qui n’en a pas.
H4 : Le recours au revenu extra-agricole affecte négativement l’efficacité technique des
exploitations oléicoles.
❖ Le statut foncier (propriétaire ou locataire) (Z5)
Dans notre modèle, on va inclure une variable qui tient compte du statut foncier des terres
agricoles pour juger s’il est bénéfique, pour l’efficacité technique des oléiculteurs, d’être
propriétaire d’une exploitation ou non. Des études consultées ont confirmé que l’accès à la
terre et la propriété foncière peuvent aider les exploitants à augmenter leur efficacité
productive (Chemak et al., 2014). En d’autres termes, les exploitants propriétaires révèlent
une efficacité technique supérieure à celle des exploitants opérant sur des terres louées.
En effet, les agriculteurs adoptent des logiques distinctes selon leur statut foncier. Les
producteurs propriétaires se trouvent dans le besoin de garantir un investissement agricole à
long terme et celui de gérer les activés de l’exploitation pour une longue durée. Donc, ils sont
59
plus enclins à intensifier les cultures, à utiliser plus efficacement les ressources productives
et de ce fait à adopter des technologies qui améliorent la productivité agricole, alors que la
location des terres, bien qu’elle soit un moyen pour les exploitations d’élargir l’activité
agricole, empêche de mettre en œuvre des améliorations à long terme et n’augmente que
faiblement la probabilité d’adopter les nouvelles technologies. En effet, les locataires, en
cherchant à produire un maximum de profit, ont tendance à gaspiller les facteurs de
production. Cela confirmerait les analyses antérieures de plusieurs auteurs, tels que Ben Nasr
et al., 2016.
Par conséquent, la location des terres empêche une utilisation efficace des facteurs de
production et donc baisse la productivité des exploitations. À titre indicatif, il est à noter que
la majorité des agriculteurs ne possèdent pas de titre foncier. Leur absence empêche le
recours aux crédits agricoles et constitue ainsi un obstacle majeur pour stimuler
l’investissement. Par ailleurs, les producteurs ayant une situation foncière réglée ont plus de
chances de se faire octroyer des crédits et d’obtenir les aides nécessaires permettant de rendre
leurs exploitations plus efficaces que les autres n'ayant pas de statut foncier ou ceux qui ont
recours à la location.
Dans notre analyse, on supposerait qu’il existe une relation positive entre la variable accès à
la terre et le niveau d’efficacité technique des exploitations concernées.
H5 : Le statut foncier affecte positivement le score de l’efficacité technique des
exploitations oléicoles dans la région de Chbika.
❖ La proportion des arbres productifs dans l’exploitation (Z6)
Intuitivement, nous nous attendons à ce que les exploitations qui ont des arbres plus
productifs aient une efficacité plus élevée, puisqu’elles sont en pleine production. Ainsi, les
producteurs sont incités à gérer d’une manière efficace les facteurs de production. Par
conséquent, ils parviennent à s’assurer d’une production régulière toutes les années et de la
bonne qualité des olives produites. Les articles qui ont analysé l’effet de la proportion des
60
arbres productifs sur l’efficacité technique sont tous arrivés à des conclusions significatives
(Lachaal et al. (2005), Amores et Contreras (2009)).
Selon l’étude de Lachaal et al. (2005), si nous augmentons la part des oliviers productifs dans
l’exploitation, c'est-à-dire ceux qui ont entre 20 et 70 ans, cela va engendrer un effet positif
sur l'amélioration de l'efficacité technique, alors que la période improductive des oliviers,
due soit à leurs immaturations ou à leur vieillissement, fait en sorte que la production
diminue, ce qui affecte négativement l’amélioration de la performance technique des
exploitations oléicoles.
H6 : La proportion des arbres productifs exerce un effet positif sur l’efficacité
technique des exploitations oléicoles.
La revue de littérature effectuée dans le cadre de ce mémoire laisse entrevoir certaines
contributions potentielles à l’avancement des connaissances sur la thématique de l’efficacité
technique. Elle a permis, entre autres, d’identifier les facteurs qui sont susceptibles
d’influencer la performance des oléiculteurs. Les éléments issus de la revue de littérature ont
permis d’élaborer le cadre opératoire de cette étude, présenté à la figure 7.
61
Figure 7 : Représentation schématique du modèle conceptuel adopté
Source : Auteur, 2017; inspiré de la théorie de la production.
Le graphique présenté dans l’annexe 6 récapitule les six hypothèses de recherche qui seront
testées dans le cadre de la présente recherche et leurs effets attendus. Afin de traiter
efficacement l’ensemble de ces différentes hypothèses de recherche, une approche empirique
a été privilégiée, et ce, conformément aux objectifs de notre recherche. Nous présentons,
dans le chapitre suivant, la démarche méthodologique adoptée pour vérifier nos hypothèses
de recherche. Il sera notamment question de présenter les données relatives à notre
échantillon. À la fin, on présentera les méthodes d'analyse des résultats.
62
Chapitre 3 :
Approche empirique pour l’estimation de
l’efficacité technique des entreprises de la région de
Chbika
La revue de la littérature a montré que l’étude de l’efficacité est un vaste sujet de recherche
au sein duquel il est facile de perdre le fil, en partie parce qu’il existe une multitude de
méthodes disponibles pour la mesurer. D’ailleurs, le survol de la littérature, dans le chapitre
précédant, nous confirme l’ambiguïté dans la mesure du concept d’efficacité technique ainsi
que dans le choix des déterminants, lesquels sont susceptibles de l'influencer. L'ensemble de
ces éléments ont abouti à la formulation de plusieurs hypothèses de recherche relatives aux
objectifs fixés lors de l’élaboration de la problématique. C’est pourquoi il importe maintenant
de préciser une procédure empirique qui mène à savoir comment nous pouvons construire
une mesure d’efficacité et en quoi les hypothèses sous-jacentes à la méthode utilisée
influencent ultérieurement les résultats de notre analyse. Dans cette optique, il existe trois
étapes permettant d’étudier en profondeur la façon dont celle-ci définit, mesure et évalue
l’efficacité :
La première étape de la démarche empirique consiste à choisir une approche de mesure de la
frontière de l’efficacité. Cette étape est destinée à présenter de manière plus précise la
méthode choisie en exposant ses postulats de base afin de mesurer les écarts d’efficacité et
assurer une analyse pertinente des facteurs d’inefficacité dans les exploitations oléicoles à
Chbika.
Par la suite, dans la deuxième étape, il s’agit de spécifier les inputs et les outputs qui vont
être utilisés dans l'approche de mesure sélectionnée, et ce, à travers les études théoriques et
les travaux empiriques antérieurs.
63
Enfin, la dernière étape va permettre de décider quelle technique on va adopter dans ce travail
pour examiner les différences des scores d’efficacité technique. Il s’agit de décider entre une
procédure avec une seule étape permettant l'estimation du niveau d’inefficacité et
l'identification des déterminants de l'efficacité simultanément ou bien une procédure avec
deux étapes permettant d’abord d’estimer les inefficacités et ensuite faire une régression des
scores d’efficacités obtenus de la frontière stochastique de production sur le vecteur des
variables explicatives, au moyen par exemple du modèle tobit.
Ce processus logique, tel qu’il est représenté sur la figure 8, constituera un cadre d’analyse
empirique de ce chapitre consacré à la présentation de l’approche méthodologique.
Figure 8 : Étapes méthodologiques pour la mesure et l’analyse de l'efficacité
technique
Source: Worthington (2004, p.153).
Nous proposons dans ce chapitre de suivre cette démarche méthodologique afin de mesurer
le niveau d’efficacité technique des producteurs d’olives dans la région de Chbika et de
déterminer les facteurs explicatifs qui caractérisent les producteurs les moins efficaces,
comparativement à leurs concurrents les plus efficaces, à l’aide d’une fonction de production
ÉTAPE 1
CHOIX DE
L’APPROCHE DE
MESURE DE
L’EFFICACITÉ
Choix entre les
différentes approches
de la mesure de
l'efficacité (paramétrique
ou non paramétrique).
ÉTAPE 2
SPÉCIFICATION
DES INPUTS ET
OUTPUTS
Choix des inputs et
des outputs, qui vont
être utilisés dans
l'approche de
mesure
sélectionnée.
ÉTAPE 3
EXPLICATION DES DIFFÉRENCES EN
EFFICACITÉ
Décision de la technique
d’estimation d'efficacité
(Procédure en deux étapes
ou procédure en une
étape).
64
stochastique. La formulation du cadre méthodologique induit à poser et répondre à cette
question qui est de savoir si l’oléiculteur a atteint son niveau potentiel de production grâce à
l’utilisation efficace de ses facteurs de production. En d'autres termes, nous cherchons à
apporter des éléments de réponses à cette question : le producteur d’olives peut-il augmenter
son niveau de production actuel tout en gardant inchangés l’ensemble des facteurs de
production utilisés? Cette question mériterait qu’on s’y attarde, parce qu’elle constitue le
cœur de notre travail de recherche, et nous pousse à développer une démarche pour atteindre
les objectifs de recherche.
Pour répondre à cette question et rendre opérationnel notre objectif de recherche, une
approche méthodologique a été développée et adoptée pour mesurer l’efficacité technique
des exploitations oléicoles dans la région de Chbika (Tunisie). En s’inscrivant dans la
continuité de cette démarche, l'approche méthodologique préconisée est structurée en deux
grandes parties : il convient en premier lieu de procéder à la spécification d’un modèle de
frontière stochastique de production et au choix des variables explicatives qui vont
caractériser le modèle. Dans une deuxième partie, nous présenterons la base de données
utilisée ainsi que la méthodologie de traitement et d’analyse de ces données.
1. La spécification du modèle
Cette section abordera la question de la modélisation du modèle stochastique nécessaire pour
produire des résultats fiables et valides concernant la mesure de l’efficacité technique des
exploitations oléicoles à Chbika (Tunisie).
1.1 La méthode de la frontière stochastique (SFA)
La méthodologie adoptée pour étudier l’efficacité des exploitations oléicoles en Chbika
(Tunisie) a recours à l’approche paramétrique des frontières de production stochastiques,
compte tenu du fait qu’elle permet de différencier l’inefficacité liée aux producteurs et celle
due aux effets aléatoires non contrôlables par les producteurs
65
La forme structurelle de la frontière de production stochastique proposée par Battese et Coelli
(1995) et Kumbhakar et Lovell (2000) est représentée par la forme suivante :
𝑦𝑖 = 𝑓(𝑥𝑖; 𝛽)exp (휀𝑖)
Avec i=1, 2, … … …, n et 휀𝑖 = 𝑣𝑖 − 𝑢𝑖
Où:
• y dénote la production du ième exploitant agricole dans l'échantillon (i= 1,2, …, n);
• 𝑓(𝑥𝑖; 𝛽) représente une fonction de production d’une forme choisie a priori (par
exemple, translog, ou Cobb- Douglas) dont les paramètres β sont inconnus
• 𝑥𝑖 est un vecteur des inputs (1×k) utilisés par l'ième individu;
• 𝑣𝑖 est un terme d’erreur aléatoire qui capte les effets stochastiques qui ne sont pas
sous le contrôle de l’exploitant.
• 𝑢𝑖 représente la variable aléatoire, positive ou nulle, traduisant l’inefficacité
technique, en termes de production de i. Ce terme représente les effets d'inefficacité
technique. Ils sont indépendants et distribués selon une loi normale tronquée à zéro
avec une moyenne µi et une variance σu² (N (𝑢𝑖, σ²u)).
𝑢𝑖 et 𝑣𝑖et sont indépendants entre eux et indépendants des variables explicatives.
Les paramètres de la frontière de production avec effets d’inefficacité technique peuvent
être estimés simultanément par la méthode du maximum de vraisemblance. Les résultats de
ces estimations permettent d’obtenir les variances des erreurs :
σ² = σu² + σv² et γ =σ²u
σu²+ σ²v
Les paramètres σ2 et γ décrivent la contribution de l’efficacité technique à la production.
Battese et Corra (1977) définissent σ² comme étant la somme de la variance du terme
représentant l’inefficacité et celle du terme aléatoire et γ comme la part du terme
d’inefficacité dans la variance totale. Ces paramètres k 0
2,, sont à estimer par la
méthode du Maximum de Vraisemblance (maximum likehood method) au niveau du modèle.
66
Cette méthode revient donc à maximiser le logarithme de la fonction de vraisemblance par
rapport aux paramètres inconnus. Le paramètre γ permet de déterminer si la frontière de
production est stochastique ou déterministe.
Lorsque γ indique une valeur nulle, les déviations par rapport à la frontière sont entièrement
dues au bruit et aux termes d’erreurs 𝑣𝑖 (donc une valeur nulle de γ représente l’absence
d’inefficacité technique stochastique). La méthode des moindres carrés ordinaires MCO est
applicable dans ce cas. Plus la valeur de γ se rapproche de 1, plus la différence entre les
résultats issus d’une estimation stochastique et ceux d’une estimation déterministe est faible.
Si γ est égal à 1 alors dans ce cas les écarts par rapport à la frontière sont entièrement dus à
l’occurrence d’inefficacité ui.
Cependant, dans le cas des frontières de production stochastiques, il est impossible d’estimer
directement le terme d’erreur qui représente l’inefficacité technique. En effet, il est difficile
de dissocier, dans l’écart entre la production effective et la production optimale, la part due
à l’inefficacité technique de la part purement aléatoire. Pour séparer εi en ses deux
composantes 𝑣𝑖et 𝑢𝑖 et estimer ainsi l’efficacité technique, Battese et Coelli (1992) utilisent
la méthode proposée par Jondrow, Lovell, Materov et Schmidt (1982). Ces derniers suggèrent
d’utiliser une distribution conditionnelle de l’inefficacité, dont la forme structurelle est
présentée dans l’annexe 7, étant donné l’écart entre la production effective et la production
optimale.
Le niveau d’efficacité technique (ET) de l’exploitation i est déterminé par la formule
suivante, définie par Coelli et al. (1998) :
𝐸𝑇𝑖 = exp(−𝑈)
Dans notre travail empirique, la fonction de production translog proposée par Christensen,
Jorgenson et Lau (1973) est spécifiée. Comme on a déjà noté précédemment, cette fonction
offre une plus grande flexibilité dans la modélisation de la technologie. Aucune contrainte
n’est imposée a priori sur la structure de la production. Elle se présente de la manière
suivante :
𝐿𝑛𝑦 = 𝛽0 + ∑ 𝛽𝑘
𝑚
𝑘=1
𝐿𝑛 𝑥𝑘 + 1
2∑ ∑ 𝛽𝑘𝑙
𝑚
𝑡=1
𝑚
𝑘=1
𝐿𝑛𝑥𝑘𝐿𝑛𝑥𝑙 + vi-ui.
67
Avec :
Ln : log-népérien.
y: production totale récoltée (kg), xk : facteur de production k, (0, k, kl) : paramètres
inconnus et m : nombre de facteurs de production. La fonction translog est réduite à celle de
Cobb-Douglass quand kl=0 (pour tout k et l).
Il est important de signaler que, à partir d’une fonction Translog, les coefficients estimés ne
sont pas directement interprétables (par exemple dans le cas de la fonction Cobb-Douglas).
Il convient de calculer les élasticités des facteurs de production considérés qui sont donnés
par la formule suivante :
ekl =
𝜕 ln yi
𝜕 ln xki= βk + ∑ βkl ln xli
7
l=1
La somme des élasticités partielles, notée SE, donne l’élasticité d’échelle7, c'est-à-dire que
SE = ∑ekl et le rendement d’échelle sont égaux à la somme des élasticités des facteurs de
production significatifs8.
La suite de la méthodologie s'intéresse aux choix des variables et la spécification du modèle.
1.2 Le choix des variables et la spécification du modèle
Nous nous sommes basés sur les études antérieures dans le secteur agricole, comme indiqué
dans la revue de la littérature, pour choisir les variables qui renvoient aux inputs, à l’output
et aux déterminants.
7 L’élasticité d’échelle nous indique si les rendements sont croissants, constants ou décroissants, c’est-à-dire
si après une augmentation de 1% de tous les inputs l’output augmente par plus de 1%, par 1% ou par moins de
1%
8 L’élasticité d’échelle est une statistique d’intérêt qui est mesurée à partir d’une fonction de production en
calculant : E = ∑∂F/∂xi
∂F/xi
ni=1 , où le numérateur et le dénominateur désignent respectivement le produit marginal
et le produit moyen de l’input i.
68
❖ L’output et les inputs qui entrent dans le processus de production d’olives
Le modèle à estimer comprend un output (production totale d’olives) et trois inputs, en
l’occurrence la terre (superficie agricole), le travail et les engrais.
𝑦𝑖 concerne la production totale d’olives obtenue sur l’ensemble de l’exploitation au cours
de la récolte de l’année 2017. Cette variable est exprimée par le poids (en kilogrammes)
d’olives obtenu sur chaque exploitation.
Les 𝑥𝑖 sont définis de la manière suivante :
𝑥1: la superficie agricole (ha).
𝑥2: la quantité d’engrais utilisée (kg).
𝑥3: le nombre de jours de travail engagé dans le processus de production des exploitations
oléicoles (j).
❖ Les variables explicatives de l’inefficacité technique des exploitations oléicoles
Pour les facteurs susceptibles d’influer sur l’efficacité technique des exploitations agricoles,
il sera intéressant de tester les variables suivantes: l’âge, le niveau d’instruction, l’accès aux
crédits agricoles, le revenu extra-agricole, le statut foncier et la proportion des arbres
productifs.
L’identification des déterminants de l’inefficacité technique a été effectuée par l’estimation
du modèle suivant :
𝐸𝑇𝑖 = 𝛿0 + ∑ 𝛿𝑟
𝑅
𝑖=𝑟
𝑧𝑟 + 𝑤𝑖
Ces variables sont définies comme suit :
Z1i : représente l’âge du producteur (AGE);
Z2i : représente le niveau d’instruction du producteur (INST);
Z3i : représente l’accès au crédit du producteur (CRED);
Z4i : représente le revenu extra-agricole (REVNONAG);
Z5i : représente l'effet de l'accès à la terre (AT);
Z6i : représente la proportion des arbres productifs (PROPL);
69
𝛿𝑟: vecteur de paramètres inconnus à estimer qui mesure l’impact des variables exogènes zi
sur l’inefficacité
w𝑖: terme d’erreur aléatoire qui suit une distribution normale tronquée de moyenne nulle et
de variance tronquée δw2.
La récapitulation de l’ensemble des inputs, output et variables explicatives qui sont retenues
dans le modèle économétrique est reproduite dans le tableau 2 suivant :
70
Tableau 2 : Description d’outputs, des inputs et des variables explicatives des écarts
d’efficacité
Les variables Description Type de variable
L’output
La production des
oliviers
Elle est exprimée en kilogrammes d’olives obtenu sur chaque exploitation au cours de la
campagne 2017.
Variable continue
Les inputs
Superficie agricole La superficie de la terre dont dispose le producteur oléicole. Elle est exprimée en hectares.
Pour les agriculteurs, la terre est le principal capital physique.
Variable continue
Main d’œuvre La quantité de travail utilisée par l’exploitant. Elle est exprimée en hommes-nombre total des
jours de travail par campagne et représente la somme de la main-d’œuvre utilisée pour
exécuter toutes les opérations culturales. Elle prend en compte la main-d’œuvre salariée
permanente, occasionnelle et familiale.
Variable continue
Engrais Elle est exprimée en kilogrammes. Cette variable correspond à l’utilisation des engrais et fertilisants minéraux et organiques dans la production oléicole.
Variable continue
Les variables explicatives
Age de l’exploitant
agricole
L’âge est exprimé en nombre d’années. Cette variable peut traduire l’ancienneté de
l’installation du chef d’exploitation agricole.
Variable continue
Niveau
d’instruction
Le nombre d’années de scolarisation du chef d’exploitation.
Elle est égale à 1 lorsque l’exploitant est analphabète et elle est égale à 0 lorsqu’il s’agit d’un
niveau d’éducation primaire voire plus.
Variable binaire Codée ‘1’ si
l’agriculteur a déclaré qu’il est
analphabète, et ‘0’
autrement.
Crédit agricole Le crédit agricole correspond au nombre des exploitants qui déclarent avoir l’accès au crédit
agricole. Elle prend donc une valeur entre 0 et 1.
Variable binaire
(1 = Oui et 0= Non)
Revenu non
agricole
Le revenu non agricole comprenant les revenus tirés des activités indépendantes et les
revenus des salariés formels ou informels. Elle prend donc une valeur entre 0 et 1.
Variable binaire
(1 = Oui et 0= Non)
Statut foncier Le mode d’accès aux exploitations oléicoles (propriétaire / en location). Elle est égale à 1
quand la terre est en propriété et égale à 0 lorsqu’il s’agit d’une terre en location
Variable binaire
(1 = propriétaire et 0= en
location / en association)
Proportion des
arbres productifs
Le pourcentage des oliviers productifs. Cette variable concerne les exploitations possédant des
oliviers dont l’âge se situe entre 20 et 70 ans.
Variable continue
Source : Auteur, 2017
71
Deux types de variables sont considérés dans le tableau ci-dessus : les variables binaires et
les variables continues. Ces dernières ont été retenues en considérant la littérature existante
et elles ont été introduites dans le modèle à estimer pour expliquer les variations d’efficacité
entre les producteurs. Notons que la partie méthodologique ne considère pas la prise en
compte d’une potentielle endogenéité, ce qui présente une limite dans ce mémoire.
Formellement, les deux équations de notre modèle final à estimer s’écrivent sous la forme
suivante :
𝑙𝑛 𝑦𝑖 = 𝛽0 + 𝛽1 𝑙𝑛 𝑆𝐴𝑈𝑖 + 𝛽2 𝑙𝑛𝐿𝑖 +𝛽3 𝑙𝑛𝐸𝑁𝐺𝑖 + 12⁄ 𝛽11(𝑙𝑛 𝑆𝐴𝑈𝑖)2 + 1
2⁄ 𝛽22(𝑙𝑛 𝐿𝑖)2
+ 12⁄ β
33( ln ENGi)
2+ β
12ln SAUi lnLi +β
13ln SAUi lnENGi + β
23ln Li ln ENGi + vi-ui.
ui=δ0+δ1(AGE)+δ2(INST)+δ3(CRED)+δ4(REVNONAGR)+δ5(AT)+δ6(PROPL)+wi
Où
yi : valeur de la production agricole (en kg);
SAUi : superficie agricole (en Ha);
Li : travail effectué (nombre de jours);
ENGi: la quantité totale d’engrais utilisée (en kg).
AGE : âge de l’exploitant (nombre d’années);
INST: niveau d’instruction de l’exploitant (NIS = 0 s’il s’agit du niveau d’instruction
primaire, 1 sinon) ;
CRED: l’accès au crédit agricole (Créd=0 s’il y a un accès aux crédits agricoles, 1 sinon);
REVNONAGR : la pluriactivité agricole, 1 si le riziculteur possède une autre activité hors
exploitation et 0 s’il n’en possède pas ;
AT: l’accès à la terre ;
PROPL : la proportion des oliviers productifs ;
vi, ui et wi : termes d’erreurs définis antérieurement.
La démarche de l’analyse empirique pour estimer la performance productive des
exploitations oléicoles, est la suivante. En premier lieu, on effectue des tests de spécification
72
du modèle à l’aide du test de maximum de vraisemblance (test LR). En deuxième lieu, on
estime la frontière de production stochastique de type translog. Les coefficients estimés des
facteurs de production vont construire la forme de la fonction de production adoptée. Enfin,
on a recours à l’estimation proprement dite des niveaux d’efficacité technique et la
détermination des sources de l’inefficacité des producteurs.
Un signe négatif associé à un coefficient estimé d’une variable du modèle d’inefficacité
technique est interprété comme étant un effet positif sur l’efficacité technique et vice versa.
Les hypothèses développées dans le chapitre précédent ont permis d'anticiper les relations
entre les variables documentées dans la littérature. Ce mémoire a pour finalité de confirmer
et infirmer ces six hypothèses suivantes, représentées dans le cadre théorique. Ces dernières
succèdent au test de spécification des hypothèses, celui-ci faisant l’objet de la prochaine
section.
1.3 Test de spécification des hypothèses :
Dans le cadre de l’analyse économétrique, avant de s’intéresser aux résultats de l’estimation
des fonctions de production et d’inefficacité, il est important de procéder à des tests
préalables afin de s’assurer de la validité de nos résultats et voir si le modèle retenu est
approprié. Ainsi, il est nécessaire de tester les hypothèses suivantes :
1.3.1 La fonction translog est la plus appropriée dans cette étude :
Le test qui permettra de choisir la forme fonctionnelle la plus appropriée dans cette étude,
entre la fonction Cobb-Douglas et la fonction transcendante logarithmique, est noté H01 : la
fonction stochastique est de type Cobb-Douglas (β1 = β2 = β3 = …= 0), l’hypothèse
alternative étant la fonction translog.
73
1.3.2 Il y a une présence d’inefficacité technique :
Le test permettant de conclure si les effets d'inefficacité technique ne sont pas présents dans
le modèle permettant de discriminer entre fonction de production frontière et celle standard,
est noté H02 : Le modèle ne comporte pas d’effets d’inefficacité (γ = δ0 = δ1 = δ2 = … = δ7
=0).
Si l’hypothèse d’absence n’est pas rejetée, alors le modèle est considéré comme une fonction
de production ordinaire et il peut être estimée par les moindres carrées ordinaires (MCO).
Pour mesurer la fiabilité de ces hypothèses, nous avons testé la fonction de vraisemblance en
calculant une statistique λ (LR) dont la formule est la suivante :
λ = −2{ln[𝐿(𝐻0)] − ln[𝐿 (𝐻1)]}
Sachant que L (𝐻0) et L (𝐻1) sont respectivement les valeurs de la fonction de vraisemblance
sous l’hypothèse nulle 𝐻0 et sous l’hypothèse alternative𝐻1.
- 0HL désigne la valeur de la fonction de vraisemblance sous l'hypothèse nulle 0H
H0 : pas d’inefficacité technique : 𝛾 = (𝜎𝑢
2
𝜎2⁄ ) = 0
𝜎𝑢2 = 0 signifie que tous les termes 𝑢 sont nuls.
- 1HL désigne la valeur de la fonction de vraisemblance sous l'hypothèse nulle 1H
Le paramètre λ est supposé suivre approximativement une distribution de Khi Deux dont le
nombre de degrés de liberté est égal au nombre de restrictions imposées, c’est-à-dire la
différence entre le nombre de paramètres sous les deux hypothèses (le nombre des paramètres
est égal à celui des paramètres supposés nuls dans l’hypothèse, pourvu que celle-ci soit
vraie.).
La valeur de λ calculée est comparée à la valeur critique de décision lue dans la table 1 par
Kodde et Palm (1986) avec un seuil de tolérance de 5 %. Si la statistique λ calculée est
supérieure de χ2 lue au seuil de 5 % avec un degré de liberté égal au nombre de paramètres
supposés être zéro dans l’hypothèse nulle, alors on rejette𝐻0.
74
À la lumière des précisions obtenues en ce qui concerne la méthodologie de notre mémoire
et avant de se prononcer sur les résultats de la recherche, nous exposons la méthodologie
adoptée pour collecter l'information sur le terrain.
2 La collecte des données
Avant de passer à la phase du terrain et à la collecte des données proprement dite, nous
présentons succinctement la monographie de la région de Chbika pour donner un aperçu
global de la zone afin d'expliquer la motivation de ce choix sectoriel. La connaissance du
contexte (climatique, démographique, socioéconomique) du Chbika, et des contraintes
auxquelles cette région fait face, est indispensable pour bien apprécier la situation dans
laquelle évoluent les entreprises oléicoles. Dans cette partie, nous représentons les
particularités de la zone d’étude sur laquelle l’enquête sera faite, les données collectées et les
méthodes de traitement et leur analyse.
2.1 Présentation de la zone d’étude
La délégation de Chbika est située au centre de la Tunisie dans le gouvernorat de Kairouan
(une superficie de 657 000 ha). Elle est considérée comme un point de passage entre le Nord
et le sud. La région fait partie de la plaine de Kairouan avec 51 280 ha de surface agricole.
Elle est localisée dans le bassin versant de Merguellil, traversée par Oued Merguellil et
limitée au sud par Oued Zeroud. Elle se compose de huit secteurs dont la répartition
géographique des superficies est montrée par la carte des limites administratives présentée
dans l’annexe 8. La région appartient à l’étage aride supérieur, qui est caractérisé par des
importantes variabilités pluviométriques et de grands changements de température.
La température moyenne de l'ensemble de la région se situe entre 5 et 21°C en hiver et entre
25 et 42°C en été. La température minimale peut descendre à - 3°C en hiver, alors que la
température maximale peut facilement atteindre +46°C à cause du phénomène de sirocco
75
(vent de l’origine subsaharienne). L’évaporation trouve son maximum au mois de juillet avec
232 mm, tandis que le minimum est enregistré au mois de janvier avec 78 mm. L’évaporation
moyenne annuelle à la station de Kairouan est de 159 mm.
La région de Kairouan est caractérisée aussi par une pluviométrie interannuelle variable,
ayant des périodes de fortes précipitations et d’autres de bien faibles pluviométries. La
précipitation dans la région de Kairouan a une moyenne annuelle d'environ 290 mm. Cette
moyenne varie entre 250 et 400 mm par an. La région de Chbika est considérée comme étant
parmi les régions les moins arrosées avec une moyenne qui varie de 200 à 250 mm/an. En
effet, dans les années 1989, 1996, 2003 et 2002, la pluviométrie était supérieure à 250 mm
tandis que pour les années 1999, 2000 et 2013 la pluviométrie a subi une diminution
considérable, elle était inférieure à 200 mm. Les détails des mesures qui ont été prises dans
la station de Chbika durant les 26 dernières années (de 1987 jusqu’à 2013) sont présentés
dans l’annexe 9 de ce mémoire.
Le gouvernorat de Kairouan est traversé par trois grands oueds, à savoir : l’oued Zeroud,
oued Marguellil et oued Nebhana. Le volume d'eau mobilisable par ces trois oueds est estimé
à 102,5 mm3/an. Les phénomènes de surexploitation des nappes phréatiques marquent
toujours la région du fait du déséquilibre persistant entre les prélèvements réalisés et la
ressource en eau disponible.
La partie nord-ouest de la région de Chbika, englobant les zones Rouissette et jouauouda, est
constituée d’une topographie accidentée aux sols lourds. L'érosion hydrique est très
accentuée au niveau de cette zone, engendrant des pertes de production. Les principaux
facteurs de l’érosion sont étroitement liés aux conditions climatiques, à la dégradation des
sols (appauvrissement) et de l’eau (baisse du niveau statique de la nappe phréatique,
salinisation), à l’état du couvert végétal, à la topographie du terrain et aux modalités
d’exploitation des terres agricoles. Notons que l’olivier est reconnu par sa capacité
exceptionnelle de résistance aux conditions climatiques les plus difficiles, ce qui lui a permis
de s’implanter un peu partout en Tunisie, particulièrement au niveau du centre, et fait de cette
spéculation une culture de choix pour les producteurs.
L’économie de la région de Chbika est essentiellement basée sur le secteur agricole. Selon le
recensement général de la population, effectué par l’INS en 2015, la délégation de Chbika
76
compte 35308 habitants, dont 32387 habitants vivant en milieu rural, soit 92 % de la
population totale, ce qui confirme le caractère rural très prononcé de la région.
La région de Chbika est caractérisée par la prévalence de petites exploitations familiales qui
évoluent dans un contexte de défaillances structurelles (pauvreté, chômage, dégradation des
infrastructures rurales et agricoles), ceci engendre un effet inhibiteur sur la croissance de la
production et donc de la productivité.
Les informations relatives aux structures agraires dans la région de Chbika ont été collectées
auprès du CRDA et du CTV de Chbika. L’examen des données relatives au nombre et à la
superficie des exploitations par strate et par secteur a permis de conclure que les structures
agraires sont dominées par les exploitations de petites tailles ayant une superficie inférieure
à 10 ha. Cependant, bien que les exploitations qui ont une superficie inférieure à 5 ha
représentent 70 % du nombre total d’exploitations, elles couvrent seulement une superficie
de 29 % de la superficie totale. La taille moyenne par ménage est de 5 membres, elle est
légèrement supérieure à la moyenne nationale qui s’élève à 4,5 membres par ménage (CRDA,
2014).
Les systèmes de production dans la région de Chbika sont caractérisés par la dominance de
l’arboriculture, des céréalicultures, avec une extension du maraîchage à la suite du
développement de l’irrigation. Le cheptel vif de la région de Chbika se compose
essentiellement d’ovins à viande (race Barbarine) et de caprins conduits en extensif.
D’après les données collectées auprès de CTV de Chbika, sur une superficie agricole totale
de 51000 ha, on trouve 9500 ha de surface inculte et 41500 de superficie agricole utile (SAU)
répartie comme le montre le tableau 3 ci-dessous.
77
Tableau 3 : Répartition de production agricole de délégation de Chbika
Total (ha) Pluvial (ha) Irrigué (ha)
Arboriculture 27600 6500 21000
Céréaliculture 6300 1200 5100
Culture maraichère 3385 - 3385
Autres 4215 - -
Total (SAU) 41500
Source : Cellule territorial de vulgarisation (CTV) de Chbika, 2014
La principale composante du système cultural est l’arboriculture, dominée par l’olivier qui
s’étend sur 80 % des superficies irrigables (CRDA, 2014). L’olivier couvre à lui seul plus
des deux tiers de la superficie arboricole. Les agriculteurs de la région se voient obligés de
pratiquer d’autres cultures en intercalaire (principalement le maraichage et la céréaliculture),
souvent en présence d’un élevage temporaire ou permanent, pour augmenter le revenu
agricole et subvenir aux besoins de la famille.
La culture des oliviers reste d’une grande importance étant donné qu’elle couvre le tiers des
terres agricoles à Chbika. Cependant, elle est souvent confrontée à des risques élevés dus aux
attaques d’insectes et pathologies (l'œil de paon, teigne et rarement le dacus). La propagation
de ces maladies et insectes infecte remarquablement les productions et a pour conséquences
une augmentation des coûts de production et une diminution des prix de vente.
Les oléiculteurs éprouvent des difficultés à s’approvisionner en intrants (comme les engrais,
les semences, les pesticides), à accéder à des services financiers, particulièrement le crédit,
et de vulgarisation (innovation) et à accéder au marché et à l’information sur le marché. Avec
toutes ces contraintes, on peut aussi ajouter souvent le faible volume de production récolté à
cause des variations climatiques. Tout ceci compromet la productivité des petites
exploitations.
L’objectif de cette section était de donner un pronostic sur la situation actuelle, les atouts
et les contraintes, ainsi que le potentiel de développement de la région de Chbika.
Ceci nous amène plus particulièrement à souligner les enjeux auxquels font face les petites
exploitations oléicoles, notamment en termes de l’amélioration de la productivité agricole
78
afin de promouvoir une agriculture moderne orientée vers le marché. Ainsi, on comprend
qu’une amélioration de l’efficacité de ces unités de production est primordiale, car en plus
de favoriser leur compétitivité, elle permettrait de stimuler l’activité économique et l’emploi
dans une région qui en a grandement besoin.
Dans ce qui suit, on y précisera la procédure, l’échantillonnage réalisé, les instruments de
mesure retenus, le questionnaire construit et le déroulement de l’enquête sur le terrain. En
outre, la méthode d’analyse sera définie, avant de passer aux résultats et à leur analyse.
2.2 Techniques d'échantillonnage, de collecte et de traitement des
données
L’étude fut conduite en deux phases distinguées, moyennant le recours à trois sources de
données, à savoir les sources de données documentaires, les entrevues et l'observation directe
sur le terrain. Dans la phase préliminaire, la méthodologie a été basée sur la collecte de
données secondaires pour caractériser les exploitations oléicoles dans la zone d’étude. Une
recherche documentaire a été menée auprès du ministère de l’agriculture, des services
techniques du CRDA et du CTV de Chbika et de l’institut national de la statistique (INS).
Les informations recueillies sont relatives au contexte général de la production oléicole, à la
situation des producteurs oléicoles et de la filière oléicole à chbika et en Tunisie en général.
Dans l’étape suivante, il est apparu opportun de réaliser un travail de terrain. Les données
primaires qui ont alimenté le modèle sont issues d’une enquête auprès des producteurs
d’olives à Chbika, au centre de la Tunisie. La réalisation de l’enquête a nécessité la
constitution d’un échantillon, l’élaboration d’un questionnaire et la conduite de l’enquête.
Les données collectées pour ce travail ont été réunies à travers une enquête menée dans la
région de Chbika, sur la base d’un questionnaire et à l’aide des administrations locales
(CDRA, CTV et CRA).
L’instrument de mesure privilégié dans le cadre de cette étude est le questionnaire d’enquête,
lequel se définit comme « une technique directe permettant d’interroger les individus de
façon directive et identique, en vue d’établir des relations et des comparaisons » (Angers,
79
1996, p.39). Le questionnaire est présenté en annexe 10 afin d’illustrer le type de questions
posées.
L'enquête de terrain est effectuée au cours de la campagne agricole 2017 dans des villages
sélectionnés, de Chbika (voir le tableau 5) et au moyen des entretiens individuels avec des
oléiculteurs ainsi que des observations des pratiques agricoles. Il ne nous a pas été possible
de collecter les données au-delà d'une campagne agricole à cause des impératifs de temps
inhérents à notre travail. Les données collectées sont alors de type transversal relatif à une
seule année. La population cible de notre travail est représentée par l’ensemble des
producteurs d’olive qui ont une exploitation de taille inférieure ou égale à 10 ha (ce choix est
justifié par la dominance de cette strate avec 70 % du total des exploitants oléicoles en Chbika
(CRDA, 2015)). D’après les données du CRDA (2015), la population mère est de
1270 exploitations oléicoles.
Nous signalons que pour mener notre enquête, on s'est adressé au directeur général du CRDA
de Chbika. Nous avons reçu le soutien logistique de cette institution qui a accepté
d’administrer le questionnaire. Les prises de contact avec les producteurs interrogés se sont
effectuées à l’aide des agents du CTV. Ces derniers ont accepté de mobiliser les moyens
requis, au moins pour leurs déplacements réguliers sur le terrain, et m’ont aidée en me
présentant aux exploitants de la région puisqu’ils sont en contact direct avec les agriculteurs
de la zone. Une tournée de terrain a permis d’apprécier l’acceptation des producteurs de faire
l’objet d’une étude.
Pour notre étude, nous avons opté pour l'entrevue face-à-face avec les producteurs oléicoles.
Le choix de l’approche de l'entretien direct a été retenue comme méthode d'enquête parce
qu’elle présente l'avantage d'augmenter généralement la probabilité d'obtenir un meilleur
taux de réponse (Dussaix, 2009). Elle permet aussi de faciliter le contrôle de l'identité des
répondants, ainsi que l’observer directement dans son environnement (Marchese, 2008;
Amara, 2007). De plus, elle permet d’établir une relation de confiance avec les répondants
(Charron, 2004), qui fait en sorte que la collecte de réponses soit spontanée et serve à mieux
comprendre, dialoguer et échanger les informations (Amara, 2007). Pour finir, cette méthode
offre la possibilité d’éliminer toute ambiguïté par rapport à la question posée, en cas
d’incompréhension (Charron, 2004). Donc, toutes ces raisons expliquent le choix de
l’entrevue directe.
80
L’effectif total enquêté des exploitants oléicoles est de soixante-dix exploitants. Dans le souci
d’obtenir le plus d’information possible pour répondre fidèlement aux objectifs de notre
recherche, la représentativité de l’échantillon est assurée par un échantillonnage non
probabiliste. Dans un tel type d’échantillonnage, les éléments qui le constituent sont choisis
sur le terrain en tenant compte de leurs caractéristiques afin de représenter le plus fidèlement
la réalité d’une population (Deslauriers, 1991; Fortin, 2006). La réalisation de cet échantillon
se fait à partir de techniques qui sont « peu coûteuses, rapides, faciles à appliquer » (Beaud,
1996, p.245).
L’échantillonnage par quotas est adopté dans notre étude. Cette méthode permet de construire
l’échantillon de façon à représenter un modèle réduit de la population selon des
caractéristiques bien précises. Donc, c’est l’enquêteur qui choisit les individus de
l’échantillon en respectant certains quotas (Droesbeke et Fine, 2010).
« Pour Fourquet (2011), C’est en respectant cette méthode des quotas qu’on arrive à avoir un
échantillon représentatif » (Gerville-Réache et al., 2011, p.9). Par exemple, il s’agira de
s’intéresser à la proportion des producteurs qui pratiquent l’oléiculture parmi les petites
exploitations ayant une taille inférieure à 10 ha, plutôt que s’intéresser à l’activité agricole
d’une part, et la superficie totale de l’exploitation de l’autre. Ainsi, elle permet de calculer
avec précision la taille de l’échantillon. Cette méthode sera plutôt plus précise qu’un sondage
aléatoire simple de même taille (Benoît et Bloss-Widmer, 2010). Le choix d’une telle
méthode est privilégié aussi parce qu’elle présente l’avantage d’être plus rapide et moins
coûteuse que l’enquête aléatoire (Marchese, 2006; Dussaix, 2009). En outre, elle est l’une
des techniques les plus simples et les plus fréquemment utilisées (Beaud, 1996; Dussaix,
2009).
Les unités d’échantillonnage ont été sélectionnées pour leur disponibilité et accessibilité. Les
principaux critères qui dictent notre choix des répondants sont les suivants : la taille de
l’exploitation qu’ils possèdent ne doit pas dépasser 10 ha et le système de culture dominant
est l’oléiculture.
81
Le calcul de la taille d’échantillon se fait moyennant la méthode des proportions :
ech = (Z-score) ² * p*(1-P) / (e)²
ech = 1,96² * 0,5 * (1-0,5) / 0,12²
ech = 86,04
Avec :
ech= taille de l’échantillon attendu.
Z-score = niveau de confiance (égale à1,96 pour un taux de confiance de 95 %) – loi
normale centrée réduite.
p = proportion estimative de la population présentant la caractéristique étudiée dans l’étude.
Lorsque cette proportion est ignorée, une valeur p = 0,5 sera retenue.
e = marge d’erreur (fixée à 12 % dans notre cas).
Pour une population finie, il faut encore ajuster l’équation suivante :
ech aj = (ech) / 1 + [(ech – 1) / population]
ech aj = 86,04/ 1 + [(86,04 – 1) / 1270]
ech aj = 74,67 ≈ 75 exploitants
La taille de l’échantillon a été fixée à 75 exploitations oléicoles. Mais compte tenu de la
dispersion des exploitations oléicole et la présence des contraintes liées au temps, au coût et
aux moyens humains et matériels, le nombre total d’exploitations retenues dans l’étude a été
limité à 70 exploitations oléicoles. Ce nombre représente une proportion statistiquement
acceptable comme base d'étude.
Le taux de retour des producteurs ciblés qui acceptent de répondre au questionnaire est de
95 %, ce qui peut même être interprété comme bon, par rapport à tout ce qu’on sait des
conditions de déroulement de la recherche empirique qui restent encore difficiles dans les
zones rurales. Cela peut-être principalement dû aux agents des services d’encadrement et
responsables du CTV de Chbika (qui ont choisi les villages à investiguer) et à leurs relations
avec les agriculteurs.
82
Le tableau 4 ci-dessous présente le nombre d’enquêtés par village. Notre choix s’est porté
sur presque tous les villages à Chbika.
Tableau 4 : Effectif et pourcentage des oléiculteurs enquêtés
Village enquêté Nombre des oléiculteurs
enquêtés
Proportion des
oléiculteurs enquêtés (%)
Rouissette - Aouamaria 14 20
Chbika – Abida- Sidi Ali
Ben Salem
33 48
Hammed- El Karma 23 32
Total 70 100
Source : Auteur, 2017.
Le choix des villages que nous avons investigués a été fixé avec les agents des services
d’encadrement et responsables du CTV de Chbika. Deux principaux critères ont été retenus
pour la sélection des villages enquêtés. Le premier concerne les villages qui ont le plus grand
nombre des petites exploitations oléicoles, le second est notamment en raison de sa proximité
par rapport à la ville de Chbika et le troisième est à cause de la forte implication de l’agent
de la Cellule Territoriale de Vulgarisation (CTV) et la forte connaissance du terrain. Les
critères climatiques et le système de culture sont supposés être les mêmes pour tous les
villages de la région.
Le questionnaire a été élaboré en s’appuyant sur un solide cadre théorique et en concertation
avec les directeurs de recherche. L’enquête a permis de constituer une base de données
contenant des questions précises sur chaque exploitation aussi bien techniques, agricoles que
sociodémographiques. Notre questionnaire sera composé uniquement de questions fermées.
En adoptant une approche quantitative, les principales informations recueillies ont porté sur
:
83
- Les caractéristiques socioéconomiques des producteurs (l’âge, le nombre de personnes par
ménage, le niveau d’instruction, le nombre d’années d’expérience, l’accès au crédit, le
recours aux crédits agricoles).
- Les caractéristiques des différentes exploitations (la superficie, la quantité d’olives
produite, le statut du foncier, la quantité de chaque intrant utilisé (engrais minéraux, engrais
organique : compost; pesticides, herbicides), les moyens de production de l’exploitation).
- L’estimation de la quantité et du type de main-d’œuvre utilisée dans le champ par activité
(labour, taille, épandage d’engrais, traitement phytosanitaire, irrigation et récolte des olives).
Le guide d’entrevue a dû être allégé afin d’en réduire la durée et encourager les participants
à s’impliquer malgré le temps requis pour sa complétion. Les informations obtenues ont
toujours été recoupées par des questions croisées pour mieux comprendre le fonctionnement
de l’exploitation. De plus, toute information incohérente a toujours été rectifiée par l’agent
de CTV qui m’a accompagnée.
Tous les entretiens ont eu lieu dans les oliveraies, afin de mieux observer les pratiques
agricoles sur le terrain. En effet, l'observation directe permet d’ailleurs de confirmer les
informations obtenues par les oléiculteurs.
Chaque entretien a duré entre trente minutes et une heure. La réalisation des enquêtes sur le
terrain a duré un mois et demi. Au cours de cette phase, certains problèmes sont apparus en
relation avec les données collectées. Par exemple, lorsqu’il s’agit de préciser le montant du
revenu apporté par son activité, certains producteurs ne sont pas toujours prêts à dévoiler la
réponse et même ignorent parfois cette question. Toutefois, ceci ne pourrait pas être à
l’origine d’une imprécision ultérieurement lors des estimations prévues puisqu’on s’intéresse
particulièrement sur l’aspect technique. Cependant, d’une manière générale, le déroulement
de l’enquête a été à la hauteur de nos attentes.
Tout au long de la réalisation de cette étude, les considérations éthiques ont été respectées.
L’octroi d’un certificat d'approbation (2016-365) par le Comité d’éthique de la recherche de
l’Université Laval certifie le respect des normes et principes en vigueur pour mener l’étude
du projet de mémoire.
84
Une fois recueillies, les données ont toutes été retranscrites intégralement. La saisie et
l’enregistrement des données collectées sont effectués à partir du logiciel Excel. En ce qui
concerne la méthode de traitement des données, elle s’est déroulée en deux étapes et un
certain nombre de logiciels vont être utilisés dans le cadre de ce travail de recherche afin
d’obtenir les scores d’efficacité des exploitations oléicoles dans la région de Chbika.
Dans un premier temps, les analyses statistiques seront effectuées à l’aide du programme
SPSS pour obtenir une statistique descriptive (fréquences, paramètres de position (moyenne
arithmétique) et de dispersion (écart-type)). Ces analyses, appuyées de quelques statistiques
descriptives et de tests non paramétriques, vont permettre de décrire les caractéristiques
générales des exploitants oléicoles enquêtés, à travers des représentations graphiques
distinctes des différentes variables, qui nous facilitent l’analyse et la compréhension de
chacune de ces variables.
Dans un second temps, en utilisant l’approche paramétrique pour la détermination des scores
d’efficacité technique, nous estimerons une frontière de production stochastique de la forme
translogarithmique à partir des données de l’échantillon, à l’aide du programme R.
En somme, dans le but de répondre aux questions de recherche, une méthodologie
quantitative a été déployée. Le processus de collecte de données a plus spécifiquement été
réalisé à partir d’un questionnaire de recherche administré auprès d’un échantillon
représentatif de soixante-dix oléiculteurs dans la région de Chbika. Ensuite, la présentation
des choix méthodologiques, du modèle statistique qui en découle et du plan de traitement
relatif au présent travail a été effectuée.
La section prochaine expose les résultats obtenus à partir de la collecte de données, en
présentant une analyse préliminaire des données collectées ainsi que les résultats des
estimations de la frontière de production stochastique et des déterminants de l’efficacité
technique.
85
Chapitre 4 :
Analyse préliminaire de la base des données
collectées et résultats empiriques
Introduction
L’objectif général de cette recherche est d’analyser les niveaux d’efficacité des exploitations
oléicoles et d’identifier quels sont les facteurs susceptibles d’influencer l’efficacité technique
de ces entreprises oléicoles.
Ce chapitre présente, analyse et interprète les résultats empiriques issus des analyses
statistiques et des estimations économétriques de l’efficacité technique associée à la fonction
stochastique, spécifiée au chapitre 3. Le traitement et l'analyse des données se sont déroulées
en trois étapes. D'abord, il sera question de commencer par une analyse statistique descriptive
des données collectées (moyennes, écart-types et proportions), afin de décrire les
caractéristiques générales de l’échantillon. L’analyse statistique permet d’illustrer la situation
à l’aide des indications de fréquences et des mesures de tendance centrale et de dispersion
(Gauthier, 2003; Charbonneau, 1988). Cette étape nous permet de traiter un nombre très
important de données et d’obtenir les aspects les plus intéressants de notre étude. Ainsi, elle
permet de capter les contraintes qui limitent les exploitations oléicoles de la région de Chbika
et aussi les potentialités de leur développement futur. D’autres analyses bivariées ont
également été réalisées afin de comparer les exploitations oléicoles par rapport à plusieurs
variables retenues dans le cadre théorique.
Ensuite, une deuxième étape portera sur une analyse empirique des données collectées. Cette
étape permet de construire les résultats de l’estimation du modèle de frontière stochastique
permettant d’expliquer la variété des niveaux d’efficacité technique entre les exploitations
oléicoles, ainsi que l’ampleur des effets des variables explicatives sur l’efficacité technique
de ces firmes.
86
Finalement, une interprétation détaillée des résultats obtenus sera effectuée tout en les
confrontant avec les hypothèses de recherche émises dès le départ.
1. Analyse des résultats préliminaires : observation de données
collectées
Dans un premier temps, afin de mieux comprendre et cerner notre échantillon, nous avons
effectué des analyses univariées relativement à chacun des axes et variables que nous avons
identifiés lors de l’étape de la collecte.
1.1. Statistique descriptive univariée : caractérisation des exploitations
enquêtées
Pour dresser le portrait général de l’ensemble des exploitations et des exploitants enquêtés,
plusieurs variables ont été retenues. Ces derniers ont été sélectionnés et construits sur la base
des données disponibles et ont chacun fait l’objet de traitements statistiques spécifiques
permettant d'avoir une compréhension synthétique de leur distribution.
Comme précédemment indiqué, l'étude porte sur le système de production oléicole dans la
région de Chbika et l’enquête a touché un échantillon représentatif de soixante-dix petites
exploitations oléicoles (de taille < 10 ha). Toutes les entreprises de l’échantillon sont
soumises aux mêmes conditions climatiques et topographiques. Dans l’ensemble de la zone,
la population affirme que la culture d’olives occupe une place très importante dans leur vie.
En effet, grâce aux revenus tirés de cette culture, les paysans arrivent à subvenir à leurs
besoins.
87
1.1.1. Les caractéristiques liées aux exploitants
a. Âge et sexe des exploitants enquêtés
Les résultats de l’enquête fait ressortir que l’âge moyen des exploitants enquêtés est de
l’ordre de 50 ans.
Figure 9 : Tranche d'âge des chefs des exploitations oléicoles enquêtés
Source : Auteur, 2017; tiré des analyses avec SPSS.
Comme on peut le constater dans la figure 9 ci-dessus, la répartition des exploitants en
fonction de l’âge montre que 57 % des agriculteurs enquêtés ont moins de 50 ans. Ce chiffre
représente un indicateur positif pour la performance des exploitations. Par ailleurs, les
résultats montrent que les hommes représentent la grande majorité des producteurs de la zone
d’étude, comptant ainsi pour 98 % de l’effectif de l’échantillon.
b. Niveau d’instruction des exploitants enquêtés
Le taux de l’analphabétisme dans notre échantillon reste important. La figure 8 ci-dessous
représente le pourcentage des exploitants pour chaque niveau d’instruction.
88
Figure 10 : Pourcentage des chefs d’exploitations enquêtés, compte tenu de leur
niveau d’instruction
Source : Auteur, 2017; tiré des analyses avec SPSS.
On constate, au regard de la figure 10 ci-dessus, que 31,4 % des chefs d’exploitation
interviewés n’ont reçu aucune instruction. Ce niveau élevé d’analphabétisme constitue un
frein à l’adoption d’innovations et à la réalisation d’investissements. Le niveau d’instruction
reste relativement faible avec 14,3 % de la population ayant atteint le niveau secondaire et
7,1 % seulement de l’échantillon ayant fait des études supérieures. La majorité s’arrête au
primaire, avec 47,1 % des exploitants enquêtés.
Il faut aussi préciser que le faible niveau d’instruction est dû au fait que la plupart des
oléiculteurs sont issues des familles démunies et surtout analphabètes, ne disposant pas assez
de moyens financiers pour s’occuper de leur scolarité. Cela est de nature à inhiber la
réceptivité des nouvelles innovations technologiques qui conditionnent dans une large
mesure le développement de l’exploitation oléicole. Donc, pour accroître la productivité de
la main-d’œuvre et moderniser l'agriculture, les politiques agricoles et du développement
rural doivent travailler ensemble pour améliorer l'accès à l'éducation dans cette région.
89
c. Formation agricole
La formation agricole est considérée comme l’un des facteurs déterminants de la réussite de
l’entreprise agricole, quoique la gestion des exploitations oléicoles soit faite de façon
classique, puisque seulement 2 % des agriculteurs de notre échantillon ont accès à une
formation dans le domaine agricole.
Donc, le système de formation rurale constitue un problème crucial et presque la totalité des
producteurs oléicoles interviewés évoquent ce problème récurrent du manque d’encadrement
et de formation qui les limite pour améliorer les performances de leur système de culture.
Pour ce faire, des programmes de formation agricole doivent être mis en place pour améliorer
les compétences des exploitations en matière de l'utilisation de pratiques culturales
améliorées et de technologies modernes dans la culture oléicole.
d. Expérience
Au niveau de l’expérience, les oléiculteurs enquêtés semblent se prévaloir d’une somme
d’expérience importante dans la pratique de l’oléiculture. En effet, l’enquête fait ressortir que
le nombre moyen d’années d’expérience se situe autour de 26 ans (tableau 5).
Tableau 5 : Analyse descriptive de la variable expérience agricole
N Minimum Maximum Moyenne Écart
type
Expérience
(2017-année début activité)
70 3 67 25,89 14,915
Source : Auteur, 2017; tiré des analyses avec SPSS
90
Par ailleurs, la figure 11 montre le pourcentage des chefs d’exploitations suivant le nombre
d’années d’expérience dans l’oléiculture :
Figure 11: Pourcentage des chefs d’exploitation suivant le nombre d’années
d’expérience dans l’oléiculture
Source : Auteur, 2017; tiré des analyses avec SPSS
D’après les résultats d’enquête, on constate que seulement 12,9 % des oléiculteurs ont
récemment commencé l’activité de la production et ont déclaré être à la tête de l’exploitation
oléicole depuis moins de 10 ans, alors que 35,7 % pratiquent cette culture depuis une période
qui varie entre 10 et 25 ans. La majorité, soit 51,4 %, sont des anciens agriculteurs avec une
expérience dépassant les 25 ans.
e. Revenu non agricole
En ce qui concerne la diversification des sources de revenu de l’exploitant agricole, comme
le montre la figure 12, l’analyse de l’échantillon révèle que près de 73 % des agriculteurs
interrogés pratiquaient l’agriculture à temps complet, alors que 27 % des agriculteurs
enquêtés sont pluriactifs. Ces agriculteurs se concentrent à temps partiel à l’agriculture parce
91
qu’ils exercent en parallèle d’autres activités en dehors de l’exploitation, par souci de
diversification de leurs sources de revenu afin de sécuriser leur activité agricole.
Figure 12 : Activités principales déclarées par les exploitants enquêtés
Source : Auteur, 2017; tiré des analyses avec SPSS
La production oléicole constitue fondamentalement la principale source de revenu alors que
qu’autres activités (salariés, petit commerce, artisanat) apparaissent comme des activités de
diversification. Le recours à ces activités secondaires découlerait des stratégies adaptatives
des enquêtés qui multiplient leurs sources de revenus. Les revenus extra-agricoles leur
permettent en fait de réinvestir dans l’activité agricole (achat d’intrants, travaux, etc.), de
s’autofinancer et de subvenir à certaines charges en cas de mauvaises récoltes ou de
rembourser des crédits bancaires. Les agriculteurs qui financent leur activité de production
par le travail non agricole générateurs de revenus sont pour la plupart des petits commerçants
avec 87 % des cas.
f. Crédit agricole
L’accès aux crédits agricoles représente une contrainte majeure au développement agricole
dans la zone de recherche. Selon les données de notre enquête présentées dans la figure 13,
les agriculteurs qui ont accès à un crédit agricole ne représentent que 15,7 % de l’ensemble
92
des oléiculteurs enquêtés. Il s’agit essentiellement du crédit de campagne destiné à l’achat
des intrants agricoles, paiement de la main-d’œuvre, achat ou location du matériel agricole.
Figure 13 : Pourcentage des exploitants qui ont recours aux institutions bancaires
(crédit agricole/ épargne)
Source : Auteur, 2017; tiré des analyses avec SPSS
Les difficultés d’accès au crédit du secteur agricole ont des répercussions négatives sur
l’adoption de nouvelles technologies, la productivité et, en retour, sur la situation générale
des oléiculteurs. Autrement dit, la persistance des difficultés d’accès aux crédits empêche
toute extension d’activités ou intensification de la production. Nous constatons également, à
partir des données collectées, que 3 % des producteurs ont recours à l’épargne et aucun
producteur ne bénéficie d’une subvention agricole.
En se basant sur les déclarations des exploitants, les raisons qui conduisent à ne pas demander
de crédit agricole sont la difficulté d’accès aux services de microfinance qui sont jugées très
sélectives ainsi que la méconnaissance des procédures administratives et l’aversion au risque
d’endettement.
93
1.1.2. Les caractéristiques liées aux exploitations
a. Occupation du sol
De manière générale, les exploitations enquêtées sont de petites tailles. La superficie agricole
moyenne est de 5 ha. Les superficies totales des exploitations de l’échantillon se répartissent
comme suit (figure 14):
Figure 14 : La répartition des exploitants enquêtés selon la taille des superficies
agricoles
Source : Auteur, 2017; tiré des analyses avec SPSS
La répartition des exploitants selon la taille des exploitations montre que 33 % des
producteurs détiennent des exploitations de moins de 3 ha, 33 % se trouvent dans des
exploitations de 4 à 7 ha et 34 % dans des exploitations de plus de 7 ha.
Les oliviers sont plantés le plus souvent en monoculture et quelquefois en intercalaire avec
d’autres cultures. Les associations les plus fréquentes sont notamment les cultures
maraîchères ou la céréaliculture en intercalaire à l’oléiculture (olivier + maraîchage, olivier
+ céréaliculture, etc.). Le maraîchage vient en première position avec 21 % des exploitations
enquêtées, puis la céréaliculture avec 17 %.
94
Cette association des cultures maraîchères, fourragères ou de la céréaliculture à l’oléiculture
a pour objectif de faire bénéficier les oliviers en irriguant les autres cultures. Ainsi, dans ces
petites oliveraies, le fait de pratiquer plusieurs cultures, à part l’oléiculture, témoigne d’une
volonté de garantir une disponibilité permanente de la production dans le but d’assurer des
revenus supplémentaires réguliers et échelonnés tout au long de l’année et de garantir une
autosuffisance en huile d’olive et en d’autres produits agricoles.
L’huile d’olive produite est destinée à la propre consommation et une partie est
éventuellement commercialisée en vente directe. L’association de la culture d’olives et des
cultures maraichères est fréquemment pratiquée par les paysans car elle permet aussi un
véritable échange d’intrants. Ce constat est consigné dans la figure 15 ci-dessous :
Figure 15 : répartition des exploitants selon les différentes cultures pratiquées
Source : Auteur, 2017; tiré des analyses avec SPSS
La figure 15 traduit que la diversification des produits agricoles en milieu rural tunisien fait
partie des principales stratégies adoptées par les paysans pour faire face aux différentes
contraintes, notamment les contraintes climatiques. On note que les quantités d’engrais
utilisés pour les plantations oléicoles sont faibles, soit au-dessous des normes, voire nulles
dans la plupart des cas. Les quantités moyennes d’ammonitre utilisées par hectares sont de
l’ordre de 25 Kg/ha. L’explication possible concernant la faible adoption des intrants
agricoles par les exploitations oléicoles à Chbika est le fait qu’elle soit un indicateur du souci
95
de producteur de minimiser les dépenses de production ou bien un indicateur du faible niveau
de sensibilisation à l’importance de la fertilisation pour l’olivier.
Elle peut s’expliquer aussi par le fait que l’olivier est un arbre résistant, donc il ne demande
pas beaucoup d’apport d’intrants. Cependant, l’intégration de plusieurs systèmes de culture
avec l’olivier améliore l’usage des intrants modernes de production (engrais, pesticides,
traitements phytosanitaires, arrosage en goutte à goutte, etc.). Le système de culture d’olivier
est cultivé en sec ou en irrigué. La figure 16 montre la répartition des exploitations selon
l’existence des superficies irrigables :
Figure 16 : Répartition des exploitations selon l’existence des superficies irrigables
Source : Auteur, 2017; tiré des analyses avec SPSS
L’utilisation des terres au niveau des exploitations est largement dominée par l’irrigation,
soit par puits de surface, par sondage ou par forage (PPI). La plupart des oliviers sont conduits
en régime pluvial. Les plantations d’oliviers en régime pluvial couvrent près de 41,1 % de la
superficie agricole, ce qui laisse ce secteur très dépendant des conditions climatiques. La
proportion des superficies totalement en irrigué par rapport à la superficie totale est de 35,7
96
%. Quant aux exploitations mixtes, elles occupent 22,9 % de la superficie agricole totale. Le
système d’arrosage utilisé est la goutte à goutte
Les oliveraies de la zone sont caractérisées dans l’ensemble par un vieillissement assez
avancé. La proportion des plantations dont l’âge dépasse plus de 50 ans est de 47 % alors que
ceux qui ont moins de 20 ans représentent 15 % par rapport au nombre total d’oliviers.
b. Accès aux terres agricoles
Deux formes à l’accès au foncier sont possibles : la propriété (l’achat, l’héritage) et la
location. Le mode de faire valoir dominant dans notre échantillon est le mode de faire valoir
direct puisque 65 % des exploitants enquêtés sont propriétaires. Les résultats de l’enquête
montrent que l'héritage est le mode d'acquisition des terres le plus répandu avec 79 % de
l’ensemble des exploitations de l'échantillon. Vient ensuite l'achat avec 16 %. En revanche,
la part du mode de faire valoir indirect (la location) concerne 35 % des exploitations. La
plupart des jeunes agriculteurs ne détiennent pas une part du foncier en propriété, mais ils
sont amenés à aider leur famille.
c. Recours à la main-d’œuvre extérieure
La force de travail employée sur l’exploitation est composée aussi bien de la main-d’œuvre
familiale que de la main-d’œuvre salariée extérieure à l’exploitation agricole, permanente ou
occasionnelle.
Les ouvriers permanents : il s’agit des membres de la famille qui travaillent dans
l’exploitation agricole et la totalité des exploitations ont recours à ce type de main-d’œuvre
familiale. La main-d’œuvre familiale est limitée à 4 personnes engagées à temps plein.
Les ouvriers occasionnels : 80 % des producteurs ont recours à ce type de main-d’œuvre en
nombre variable (10 % sollicitent plus de 10 personnes et 90 % sollicitent entre 1 et 10
personnes). Les agriculteurs ont de plus en plus recours à ces derniers, seulement pour
l’activité de la taille et de la récolte des oliviers. La main-d’œuvre salariée prend une part
considérable des coûts investis.
97
Les exploitants sont souvent confrontés au manque de main-d’œuvre nécessaire pour réaliser
les travaux qu’exige la culture de l’olivier (taille et récolte). Souvent, ces petits producteurs
ont aussi des problèmes de moyens financiers pour faire appel à une main-d’œuvre adéquate.
Pour minimiser les charges, certaines tâches se déroulent généralement dans l’entourage de
la famille (entraide familiale), tout en recrutant un ouvrier occasionnel pour les opérations de
la taille.
Par ailleurs, la majorité de la main-d’œuvre n’est pas techniquement formée. Ainsi,
l’exécution des travaux agricoles se fait à partir des pratiques traditionnelles accumulées
transmises de génération en génération. L’utilisation de la main-d’œuvre peu ou non qualifiée
peut affecter la productivité du travail, et donc l’efficacité de l’exploitation agricole.
d. Matériel agricole
Pour ce qui est du matériel agricole, les exploitations enquêtées sont en général peu équipées.
La totalité ne possède pas de matériels agricoles puisqu’il s’agit d’exploitations de petites
tailles. En effet, l’acquisition des matériels ainsi que les intrants de production posent
énormément de problèmes, d’autant plus que ces derniers se vendent à des prix souvent très
élevés. Les exploitants de la région ont recours à la location du matériel agricole pour
la préparation du sol, la fertilisation, etc.
e. Vulgarisation agricole
Il est pertinent de souligner une tendance majeure de l'ensemble des répondants,
l’insuffisance d’encadrement agricole dans la région. Les exploitants oléicoles enquêtés ont
tous signalé que leur accès aux institutions de vulgarisation demeure très limité. Les résultats
de l’enquête montrent qu’aucun producteur n’a véritablement de contact avec une structure
98
d’encadrement, ou encore n’a bénéficié des services agricoles auprès des vulgarisateurs des
CRDA ou CTV.
En effet, les services publics de vulgarisation et d’assistance technique touchent peu
d’agriculteurs et sont généralement peu adaptés aux besoins des petits agriculteurs.
f. Élevage
Les résultats de l’enquête montrent que le pourcentage d’exploitants agricoles pratiquant
l’élevage des petits ruminants (les ovins) en parallèle avec la production oléicole est de 37 %.
La conduite alimentaire de ce cheptel est de type extensif, fortement tributaire du pâturage
naturel (vu l’importance des terres incultes et les parcours dans la région de Chbika), mais
reçoit parfois un complément de concentré (résidus de cultures (paille et chaume), les
fourrages et les aliments composés) pour combler le déficit fourrager. Les ventes de moutons
se font généralement en période de pic de demande (fête de l’Aïd) pour dégager des profits
plus intéressants.
La lecture des résultats concernant les éléments structurels des exploitations et des
exploitants a permis de dégager plusieurs constats sur les caractéristiques des producteurs
oléicoles et des exploitations oléicoles dans la région de Chbika en Tunisie. Ces constatations
soulèvent plusieurs questions concernant la capacité de ces entreprises oléicoles à être
efficace et la manière d’optimiser les facteurs de production pour une utilisation efficace des
ressources productives. Les premières conclusions apportées par la statistique univariée
mènent à envisager d’autres questions portant sur l’analyse croisée des informations
recueillies. Donc, avant d’entamer le travail empirique proprement dit, nous effectuons dans
ce qui suit une analyse statique bivariée des données collectées. Sur la base d’analyses
croisées, nous affinons notre analyse, avec pour objectif d’étudier les relations pertinentes
éventuelles existant entre certaines caractéristiques de la firme oléicole et la production totale
d’olives.
99
1.2. Statistique descriptive bivariée
L’analyse bivariée est basée sur un test t de Student afin de comparer la moyenne de deux
groupes indépendants. Toutefois, on ne peut pas toujours utiliser ce test paramétrique. Ainsi,
deux conditions d’application doivent être pré-testées avant de continuer avec le test principal
de comparaison de moyennes. Tout d’abord, il s’agit de vérifier si la variable indépendante
est composée de deux catégories (variable catégorielle à deux niveaux). Ensuite, il faudra
s’assurer que la variable continue est normalement distribuée.
Comme le montre le graphique présenté dans l’annexe 11, la normalité des données peut être
vérifiée par plusieurs méthodes, notamment le test d’ajustement de Kolmogorov-Smirnov
(K-S). Ce dernier est un test non paramétrique, avec H0 : il n’y a pas de différence entre
la distribution des données et la variable suit une distribution normale et H1: il y a une
différence entre la distribution des données et la distribution normale. On a essayé de rendre
cette distribution compatible avec une distribution gaussienne en réalisant une transformation
logarithmique, de la variable dépendante. Les résultats du test de Kolmogorov-Smirnov sont
rapportés dans le tableau suivant :
Tableau 6 : Normalité de la variable continue, avec le test de Kolmogorov-Smirnov
Ln (Production-olives)
Significativité (p-value) 0,984
Source : Auteur, 2017; tiré des analyses avec SPSS
Il ressort de l’analyse du tableau que la variable continue suppose une distribution normale
parce que le p-value est supérieur à 5 %. Autrement dit, si on rejette H0 (la normalité), on va
commettre une erreur de type 1 de 98 %. On peut procéder aussi à des tests graphiques, par
une simple inspection visuelle (Q-Q plot) pour confirmer que la condition de la normalité est
bien vérifiée.
100
Figure 17 : Normalité de la variable quantité de la production oléicole
Source : tiré des analyses avec SPSS.
Donc, l’allure du graphique confirme bien que la variable continue se rapproche de la
distribution normale. La variable dépendante est opérationnalisée par la production totale des
olives et les variables indépendantes (ou facteurs) sont données par les variables mentionnées
lors de la caractérisation de l’échantillon. Ainsi, nous avons testé l’homogénéité des
variances par le test de Levene (test F), utilisé pour vérifier si les variances des deux groupes
sont égales ou non. Pour chaque variable dépendante, une analyse de variance est réalisée sur
les écarts absolus des valeurs aux moyennes des groupes respectifs. L’hypothèse nulle (H0)
du test de Levene est l’égalité des variances entre les groupes. Si le test est significatif,
l’hypothèse nulle est rejetée et on peut conclure que les variances sont significativement
différentes. La première ligne du tableau de l’output concerne la situation où les variances
des deux groupes sont égales (la différence entre la variance est de zéro) et la seconde ligne
concerne la situation où les variances des deux groupes sont inégales. Les résultats du test de
l’égalité des moyennes sont rapportés dans les tableaux suivants
101
Tableau 7 : Comparaison de moyennes de la production oléicole obtenue selon l’âge
des agriculteurs (Test t pour échantillons indépendants)
Moins que 50 ans Plus que 50 ans t-test d’égalité des
moyennes a
Moyennes 9,85 9,50 0,07*
Écarts types 0,92 1,08
p-value pour le test
d’égalité des variances de
Levene
0,308
a *, **, et *** indiquent que le test d’égalité de moyennes est significatif aux seuils de 10 %, 5 % et 1 % respectivement.
Source : Auteur, 2017; tiré des analyses avec SPSS.
En guise de première analyse, nous avons comparé la production oléicole obtenue selon l’âge
des agriculteurs. Les résultats du test de l’égalité des moyennes rapportés au tableau 7 sont
significatifs au seuil de 10 % (p-value < 0,1 (0,07)). Nous pouvons donc rejeter H0 de l’égalité
des moyennes et attestons par le fait même qu’il existe des différences de moyennes entre les
groupes. Les résultats obtenus montrent, qu’en moyenne, les agriculteurs les plus âgés
produisent moins d’olives, en termes de quantité, que les jeunes.
Tableau 8 : Comparaison de moyennes de la production oléicole obtenue selon
l’expérience des agriculteurs (Test t pour échantillons indépendants)
Moins de 25 ans Plus que 25 ans t-test d’égalité des
moyennes a
Moyennes 10,093 9,40 0,01**
Écarts types 0,77 1,12
p-value pour le test
d’égalité des variances de
Levene
0,30
a *, **, et *** indiquent que le test d’égalité de moyennes est significatif aux seuils de 10 %, 5 % et 1 % respectivement.
Source : Auteur, 2017; tiré des analyses avec SPSS.
102
La deuxième série de tests a porté sur la comparaison des moyennes de la production oléicole
obtenue selon l’expérience des agriculteurs. Les résultats du test de l’égalité des moyennes
sont significatifs au seuil de 5 % (p-value < 0,05 (0,01)). Nous pouvons donc rejeter H0 de
l’égalité des moyennes. En d’autres mots, les agriculteurs dotés de moins d’expérience dans
la culture oléicole produisent plus que ceux qui ont pratiqué l’oléiculture depuis plus que
25 ans.
L’explication plausible pourrait être que les agriculteurs dont le nombre d’années est élevé
deviennent moins enclins à procéder à de nouvelles stratégies d’innovation étant donné que
leurs connaissances, en matière de recherche et de développement, deviennent limitées.
De ce fait, ils seront incapables d’entreprendre des développements ou de prendre des plans
d’actions innovatrices. Par conséquent, adeptes de la routine, ils se limitent à assurer la
stabilité de la firme et l’efficacité.
Tableau 9 : Comparaison de moyennes de la production oléicole obtenue selon le
crédit agricole (Test t pour échantillons indépendants)
Pas de crédit Avec crédit t-test d’égalité des
moyennes a
Moyennes 9,63 10,09 0,81
Écarts types 1,00 0,98
p-value pour le test
d’égalité des variances de
Levene
0,88
a *, **, et *** indiquent que le test d’égalité de moyennes est significatif aux seuils de 10 %, 5 % et 1 % respectivement.
Source : Auteur, 2017; tiré des analyses avec SPSS.
Dans un troisième temps, puisque les résultats du test de l’égalité des moyennes ne sont pas
significatifs au seuil 5 % (p-value > 0,05 (0,81)), nous ne pouvons rejeter H0 et statuons ainsi
de l’égalité des variances. Donc, les résultats n'indiquent aucune différence de moyennes
statistiquement significative pour la production oléicole au regard de l’accès au crédit
agricole.
103
Tableau 10 : Comparaison de moyennes de la production oléicole obtenue selon le
niveau d’instruction (Test t pour échantillons indépendants)
Primaire-
Secondaire
Supérieure
Analphabète t-test d’égalité des
moyennes a
Moyennes 9,64 9,84 0,426
Écarts types 0,977 1,07
p-value pour le test
d’égalité des variances de
Levene
0,76
a *, **, et *** indiquent que le test d’égalité de moyennes est significatif aux seuils de 10 %, 5 % et 1 % respectivement.
Source : Auteur, 2017; tiré des analyses avec SPSS.
Les résultats du test de l’égalité des moyennes ne sont pas significatifs au seuil 5 % (p-value
> 0,05 (0,426)), donc nous ne pouvons rejeter H0 et statuons ainsi de l’égalité des variances.
Ceci peut amener à dire qu’il n’y pas une différence significative, en termes de production,
entre les agriculteurs qui sont analphabètes et ceux qui ont fréquenté l’école primaire,
secondaire ou supérieure. Ce résultat suggère que la pratique de la culture oléicole ne
nécessite pas, pour les agricultures enquêtées, des formations sophistiquées pour maîtriser
les itinéraires techniques et les pratiques culturales. : Comparaison de moyennes de la production oléicole obtenue selon
le revenu non agricole (test T pour échantillons indépendants)
104
Tableau 11 : Comparaison de moyennes de la production oléicole obtenue selon le revenu non
agricole (Test t pour échantillons indépendants)
Absence de
revenu non
agricole
Présence de
revenu non
agricole
t-test d’égalité des
moyennes a
Moyennes 9,33 9,84 0,03**
Écarts types 1,04 0,78
p-value pour le test
d’égalité des variances de
Levene
0249
a *, **, et *** indiquent que le test d’égalité de moyennes est significatif aux seuils de 10 %, 5 % et 1 % respectivement.
Source : Auteur, 2017; tiré des analyses avec SPSS.
Les résultats du test de l’égalité des moyennes sont significatifs au seuil de 5 % (p-value
< 0,05 (0,03)). Nous pouvons donc rejeter H0 de l’égalité des moyennes. Cela signifie que
les producteurs qui concentrent tout leur effort dans le travail agricole produisent plus que
ceux qui possèdent un revenu non agricole.
Tableau 11 : Comparaison de moyennes de la production oléicole obtenue selon
l’accès à la terre (Test t pour échantillons indépendants)
Location Propriétaire t-test d’égalité des
moyennes a
Moyennes 9,64 9,84 0,426
Écarts types 0,977 1,07
p-value pour le test
d’égalité des variances de
Levene
0,76
a *, **, et *** indiquent que le test d’égalité de moyennes est significatif aux seuils de 10 %, 5 % et 1 % respectivement.
Source : Auteur, 2017; tiré des analyses avec SPSS.
Les résultats du test de l’égalité des moyennes ne sont pas significatifs au seuil 5 % (p-value
> 0,05 (0,426)), donc nous ne pouvons rejeter H0 et statuons ainsi de l’égalité des variances.
105
Cela suggère que le statut foncier (propriétaire ou locataire) n’influence pas sur
l’amélioration de la production oléicole.
Tableau 12 : Comparaison de moyennes de la production oléicole obtenue selon
l’irrigation (Test t pour échantillons indépendants)
Pas irrigué Irrigué t-test d’égalité des
moyennes a
Moyennes 9,33 9,98 0,007*
Écarts types 0,83 1,003
p-value pour le test
d’égalité des variances de
Levene
0,207
a *, **, et *** indiquent que le test d’égalité de moyennes est significatif aux seuils de 10 %, 5 % et 1 % respectivement.
Source : Auteur, 2017; des analyses avec SPSS.
Les résultats du test de l’égalité des moyennes sont significatifs au seuil de 1 % (p-value
< 0,01 (0,007)). Nous pouvons donc rejeter H0 de l’égalité des moyennes. Il semble que les
exploitations irriguées produisent plus de quantité que celles non irriguées.
Tableau 13 : Comparaison de moyennes de la production oléicole obtenue (LnProd)
selon l’introduction d’une culture en intercalaire (Test t pour échantillons
indépendants)
Olivier seul Olivier avec
culture maraichère
t-test d’égalité des
moyennes a
Moyennes 9,522 9,90 0,057***
Écarts types 0,96 1,02
p-value pour le test
d’égalité des variances de
Levene
0,735
a *, **, et *** indiquent que le test d’égalité de moyennes est significatif aux seuils de 10 %, 5 % et 1 % respectivement.
Source : Auteur, 2017; tiré des analyses avec SPSS
Les résultats du test de l’égalité des moyennes sont significatifs au seuil de 10 % (p-value
< 0,1 (0,057)). Nous pouvons donc rejeter H0 de l’égalité des moyennes. Donc, il est possible
106
de présumer que la diversification des cultures peut améliorer la production tout en réduisant
les risques liés à la perte de la totalité des récoltes en cas de maladies.
Au regard de tout ce qui précède, les résultats des tests T de l’analyse bivariée nous ont
permis de mieux comprendre et interpréter les relations observées lors de la présentation des
résultats.
1.3. Sommaire des résultats des analyses descriptives et bivariées
L’examen des résultats de la répartition des personnes enquêtées suivant les caractéristiques
socio-économiques des exploitants agricoles enquêtés dans la zone d’étude indiquent que
l’âge des oléiculteurs varie de 28 à 84 ans, avec la moyenne d’âge se situant autour de 50 ans.
On constate que la majorité des oléiculteurs enquêtés (98 %) sont de sexe masculin. La
différence entre les âges des exploitants agricoles est significative en termes de production
oléicole. En effet, les agriculteurs les plus âgés produisent moins d’olives, en termes de
quantité, que les jeunes. Ces derniers déploient des efforts acharnés pour innover et saisir les
nouveaux débouchés, ce qui permet d’accélérer le processus de modernisation et d’accroître
la production et donc les revenus. Toutefois, cela doit être nuancé puisque le pourcentage des
agriculteurs âgés de plus de 50 ans a aussi tendance à augmenter, ce qui engendre un
délaissement de l’agriculture par certains agriculteurs, causant une dépréciation du niveau de
rendement oléicole. Les oléiculteurs sont composés essentiellement d’hommes, les femmes
représentant moins de 2 % de l’effectif de l’échantillon.
Quant à l’expérience agricole, le nombre moyen d’années d’expérience dans le domaine
oléicole est assez élevé, se situant autour de 26 ans. Les résultats ont montré que les
agriculteurs nouvellement installés dans la culture oléicole produisent plus que ceux qui ont
pratiqué l’oléiculture depuis plus que 25 ans.
Concernant le niveau d’éducation, plus du tiers des oléiculteurs (31.4 %) n’ont jamais été à
l’école, et environ les deux tiers d’entre eux par contre ont reçu une éducation de type formel
se limitant au niveau de l'enseignement primaire et secondaire et seulement 7.1 % ont réalisé
des études supérieures. Ensuite, presque tous les agriculteurs enquêtés n’ont reçu aucune
formation dans la pratique oléicole, que ce soit continu ou initial. Le manque d’éducation
adéquate et de formation des producteurs et de la population rurale génère un taux élevé
107
d’analphabétisme et une faible capacité à participer au développement de la région. En outre,
l’accès au crédit agricole est très peu développé.
Les résultats dégagés dans le portrait ont montré également que le financement de l’activité
agricole provient nécessairement des revenus agricoles tirés de la vente de la production des
campagnes précédentes. Cependant, à part l’agriculture, certains réalisent d’autres activités
générant des revenus : 27,9 % des oléiculteurs ont recours aussi à des revenus extra-agricoles,
moyennant surtout le petit commerce alimentaire.
Pour les caractéristiques liées à l’exploitation agricole, les résultats de l’analyse descriptive
des personnes enquêtées ont montré que 51.4 % des oléicoles enquêtés pratiquent
généralement une monoculture, l’olivier, et emploient tous une force de travail constituée de
la main-d’œuvre salariale, particulièrement lors de la taille et la période de la récolte.
Le système de culture oléicole est de type extensif, peu productif et repose sur une agriculture
de subsistance pratiquée sur de petites exploitations familiales d’une superficie moyenne de
2 à 10 ha. La production globale est basse à cause de la faiblesse des rendements et de la petite
taille des exploitations agricoles, surtout que les oliviers ne portent pas leurs premières olives
avant l'âge de sept ans et n'atteignent pas leur pleine rentabilité avant 20 ou 30 ans.
La production oléicole en grande partie est destinée à l’autoconsommation alors que le reste
est commercialisé afin de payer les charges de son exploitation et garantir une autosuffisance
alimentaire. La vente se fait soit sur le marché hebdomadaire sous forme d’olives en vrac via
des circuits courts, soit en étant cédée aux intermédiaires ou aux distributeurs.
Par ailleurs, l’accès aux équipements agricoles reste très limité. Autrement dit, les systèmes
de production des petits exploitants se caractérisent par l’absence d’accumulation de capital
et d’innovation agricole. Le faible taux d’équipement en matériels et d’approvisionnement
en intrants est dû au manque de ressources financières. De même, les intrants agricoles restent
généralement inaccessibles ou faiblement adoptés par ces exploitations oléicoles. Il se
dégage, entre autres, que le mode de faire valoir dominant dans notre échantillon est le mode
de faire valoir direct étant donné que 65 % des exploitants enquêtés sont propriétaires.
L’accès aux terres agricoles se fait par héritage des parents, achat ou location.
Les problèmes fonciers, le morcellement des terres, le faible niveau d’encadrement,
le manque de technicité, le faible niveau d’équipement en matériels de travail et la faible
108
utilisation des engrais représentent des facteurs supplémentaires conduisant à la baisse de la
productivité.
En somme, les agriculteurs évoquent les nombreuses difficultés auxquelles ils font face :
le manque de vulgarisation et de soutien technique et financier de l’État et des
administrations locales, le manque de moyens pour acheter des intrants, l’accès limité aux
crédits agricoles, la mauvaise qualité de l’eau et du sol, les infrastructures routières
défectueuses. Toutes ces contraintes compromettent le développement de l’activité oléicole
dans la zone de Chbika et chacune d’entre elles nécessite une action adéquate à l’amélioration
du secteur oléicole.
Les analyses univariées et bivariées des données ont apporté un éclairage intéressant à
l’analyse de l’échantillon en général et ont mis en évidence des asymétries de productivité
et donc de compétitivité entre les exploitants, mais elles ne peuvent refléter qu’une
interprétation limitée des performances des exploitations agricoles, d’où l’intérêt de l’étude
de l’efficacité technique.
Ayant terminé cette partie, le prélude à la compréhension de nos résultats, nous procédons
dans la section suivante à la présentation et à l’analyse des résultats empirique proprement
dits. Ainsi, dans les points suivants, nous spécifierons et nous estimerons, dans une deuxième
étape de l’analyse et moyennant une approche stochastique, le modèle explicatif de
l’inefficacité technique mettant en relation la variable dépendante qui renvoie à la production
oléicole et les variables indépendantes retenues dans le cadre opératoire.
2. Mesure de l’inefficacité technique et interprétation des
résultats
Dans cette section, qui constitue le cœur des analyses prévues dans la présente recherche,
nous présenterons les résultats obtenus de l’estimation du modèle économétrique explicatif
de l’inefficacité technique des exploitations oléicoles dans la région de Chbika (Tunisie), par
rapport à toutes les variables explicatives qui ont été présentées dans le cadre opératoire
109
figurant dans le tableau 2. Les résultats sont discutés en fonction des objectifs, des hypothèses
de notre recherche et des études antérieures sur le sujet.
Avant de procéder à l’estimation de la frontière de production par la méthode stochastique
(SFA), des tests classiques relatifs à la vérification de la validité statistique des variables
explicatives choisis ont été effectués (voir annexe 12).
En guise de rappel, l’objectif de cette recherche est de déterminer la présence des inefficacités
techniques dans les exploitations oléicoles à Chbika en Tunisie et ses facteurs explicatifs.
Pour réaliser cet objectif, l’approche stochastique a été utilisée pour l’estimation de la
frontière de production à cause de la spécificité de l’agriculture caractérisée par l’existence
des facteurs sources d’inefficacité et non maîtrisables par les producteurs afin de tenir compte
de la possibilité d’optimiser leurs utilisations. L’ensemble des estimations ont été réalisées
avec le logiciel R, permettant d’enregistrer les scores d’efficacité qui seront utilisés aux fins
d’analyse.
Les résultats de notre analyse économétrique sont présentés en deux parties. Dans une
première section, vient la phase d'évaluation de la validité du modèle économétrique, phase
indispensable à toute démarche de mesure. Dans la section suivante, on va présenter, analyser
et discuter des résultats empiriques de notre recherche. Au fur et à mesure, on tentera aussi
de confirmer ou d’infirmer les hypothèses de recherche énoncées à la lumière de ces résultats
obtenus et des écrits recensés dans notre revue de littérature.
110
2.1. Vérification des hypothèses de spécification du modèle à estimer
Avant de procéder à l’estimation de la frontière de production par la méthode stochastique
(SFA), il a été nécessaire de procéder à la vérification des hypothèses concernant la
spécification du modèle (impliquant des restrictions sur le paramètre γ et les coefficients δ
du modèle d’inefficacité technique).
Pour ce faire, on a utilisé le test du ratio de vraisemblance (LR), tel que précisé dans le
chapitre relatif à la méthodologie de recherche (Chapitre 3). Le premier test consiste à voir
quelle est la spécification la plus appropriée entre la forme fonctionnelle translogarithmique
et la forme fonctionnelle Cobb Douglas et le deuxième test vérifie la présence ou non
d’inefficacité au sein de notre échantillon. Le tableau 15 fournit les résultats concernant les
paramètres d’estimation du maximum de vraisemblance obtenus.
Tableau 14 : Résultats des tests de rapport de vraisemblance
Hypothèses
nulles
Valeur de log
(vraisemblance)
Statistique du
test LR (λ)
(valeur
calculée)
Valeur critique
(Statistique𝛘𝟐𝟎,𝟎𝟏(𝟔))
𝛘𝟐𝟎,𝟎𝟏(𝟏𝟒))
Décision
Cobb-Douglas
β1 = β2 = β3 = …= 0
(Hypothèse 1)
-51,88 20,45 16,81 Rejet H0
Absence d’inefficacité
γ = δ0 = δ1 = δ2 = … =
δ6 =0
(Hypothèse 2)
-33,61 48,87 29,14 Rejet H0
Source : l’auteur, calculs faits sur la base des données d’enquête 2017.
L’analyse du tableau 15 montre que l’hypothèse de la forme Cobb Douglas est rejetée aux
seuils de 1 %. En effet, la valeur de la fonction de vraisemblance obtenue après estimation
de la fonction Cobb Douglas et celle obtenue après estimation de la fonction translog
permettent d’avoir la statistique λ (le ratio de vraisemblance calculé) qui donne 20,45. Cette
dernière est supérieure à la valeur critique d’un chi-deux au seuil de 1 % avec un degré de
liberté égal à 6 (16,81) et permet de rejeter l’hypothèse de nullité H0 des coefficients du
second degré de la spécification translog, d’où le fait que la forme translogarithmique de la
111
frontière de production stochastique est adéquate pour cette étude et peut être estimée par la
méthode du maximum de vraisemblance.
D’autre part, pour le deuxième test qui stipule que les effets d’inefficacité technique ne sont
pas présents, les résultats obtenus aboutissent également à un rejet des hypothèses nulles aux
seuils de 1 %, vu que LR= 48,87 > χ20,01(14) . Le ratio du maximum de vraisemblance est
de 48,87, donnant un chi-deux à 14 degrés de liberté très significatif au seuil de 1 %, le chi-
deux théorique, avec le même nombre de degrés de liberté et au même seuil, étant de 29,14.
En résumé, la fonction de production peut être représentée par la forme fonctionnelle
générale translog et on note la présence d’une inefficacité technique qui peut être expliquée
par diverses variables. Ainsi, nous pouvons dès maintenant procéder aux estimations
économétriques de cette fonction, en présentant les scores d’efficacité technique et en mettant
en relief les effets des déterminants de l’efficacité des entreprises oléicoles, et analyser les
résultats qui en découleront.
2.2. Présentation et analyse des résultats de l’estimation de l’efficacité
technique des exploitations oléicoles à Chbika
L’estimation du modèle de frontière stochastique et la mesure des indices d’inefficacité
technique sont directement fournies par le programme R. Dans cette section, nous présentons
les résultats en rapport avec les estimations des paramètres de la frontière de production
et du modèle d’inefficacité technique, les élasticités partielles de production, les scores
d’efficacité technique.
112
2.2.1. Estimation de la fonction de production stochastique
Les résultats de l’estimation de la frontière de production de forme translogarithmique sont
résumés dans le tableau 16.
Tableau 15 : Résultats de l’estimation des paramètres de la frontière stochastique
translogarithmique par la méthode de maximum de vraisemblance
Les seuils de significativité des paramètres sont : * significatif à 10 % ; ** significatif à 5 % ; *** significatif
à 1 %. Source : l’auteur, estimation sur la base des données d’enquête 2017.
Variables Coefficients Valeur de
coefficient
Pr >z
La fonction de production Constante 𝛽0 0,120** 0,04
Ln (superficie) 𝛽1 0,163 0,11
Ln (engrais) 𝛽2 -0,133 0,39
Ln (main-d’œuvre) 𝛽3 0,202** 0,04
[Ln (superficie)] x
[Ln (superficie)]
0,498 0,30
[Ln (engrais)] x [Ln (engrais)] -0,044 0,15
[Ln (main-d’œuvre)] x
[Ln (main-d’œuvre)]
0,853 0,40
[Ln (superficie)] x
[Ln (engrais)]
0,064 0,46
[Ln (superficie)] x
[Ln (main-d’œuvre)]
0,592 0,37
[Ln (engrais)] x
[Ln (main-d’œuvre)]
0,057 0,40
Les paramètres de la variance
𝜎2 1,13*** 0,017
Gamma 𝛾 0,59*** 0,0000002
Log-vraisemblance -51,28
Les variables d’efficacité technique
Constante 𝛿0 3,340*** 0,000489
Age du producteur 𝛿1 -0,019*** 0,000182
Niveau d’instruction 𝛿2 -0,316*** 0,000502
Accès au crédit agricole 𝛿3 -0,233*** 0,000618
Revenu non agricole 𝛿4 0,805*** 0,000220
Accès à la terre 𝛿5 0,539*** 0,000178
Proportion des arbres
productifs 𝛿6 -4,17*** 0,000535
113
Les résultats issus du tableau 16 montrent une valeur de l’estimateur de gamma γ égale à 0,59
et étant significative au seuil de 1 % (P < 0,01), indiquant la présence d’inefficacité technique
au niveau des oléiculteurs à Chbika.
Cette valeur de gamma illustre que la variation au niveau des unités de production étudiées
(écarts entre la production observée et la production potentielle par rapport à la frontière) est
expliquée par l’inefficacité des exploitations oléicoles à 59 %. Donc, 41 % de cette variabilité
sont alors liés à des effets aléatoires. Ainsi, l’hypothèse nulle selon laquelle les écarts du
modèle sont principalement dus à l’inefficacité technique est confirmée. En d’autres termes,
ce résultat indique que la composante attribuable à l’inefficacité est beaucoup plus élevée
que celle associée aux facteurs aléatoires et constitue une part importante dans l’analyse
menée.
Il est important de souligner que les résultats qui sont présentés dans le tableau 17 indiquent
que tous les coefficients estimés de la fonction de production ne sont pas significatifs à
l’exception du coefficient relatif à la main-d’œuvre (significatif au seuil de 5 %).
Par ailleurs, on ne peut pas interpréter directement les coefficients β issus de l’estimation de
la fonction fonctionnelle translogarithmique de la fonction de production, étant donné
l’existence des effets d’interaction. Par conséquent, il a été jugé nécessaire de calculer les
élasticités partielles par rapport aux facteurs afin de voir l'influence de ces variables9.
Le tableau 17 ci-dessous présente les élasticités moyennes des facteurs de production (inputs)
obtenus à partir de l’estimation du modèle stochastique :
9 Les élasticités des inputs peuvent être obtenues à partir des dérivées de la fonction Translog : ek
l =
∂ ln yi∂ ln xki
= βk + ∑ βkl ln xli3l=1
114
Tableau 16 : Élasticités des inputs à la moyenne de l’échantillon
Élasticités partielles de la production
Élasticité Superficie 0,21
Élasticité Engrais 0,13
Élasticité Main-d’œuvre 0,22**
Source : l’auteur, calculs réalisés à partir de la base des données d’enquête 2017.
Il ressort des résultats présentés au tableau 17 que l’estimation des élasticités partielles
moyennes des facteurs de production en l’occurrence la superficie, l’engrais et le travail
affichent un signe positif et révèlent l’importance de l’impact de ces facteurs vis-à-vis de la
production oléicole, ce qui indique que l’augmentation de chacun de ces facteurs entraine
une augmentation de la production.
Toutefois, seulement la variable main-d’œuvre semble influencé significativement le niveau
de la production d’olives obtenue. En effet, l’élasticité partielle de l’input main-d’œuvre s'est
révélée significative au seuil de 5 % et montre le coefficient d'élasticité partielle le plus élevé
avec une élasticité de 0,22, donc une hausse de 1 % de la force de travail dans les oliveraies
contribue à une augmentation de 0,22 % de la production d’olives obtenue. Ce résultat
identifie le recours à la force de travail comme source d’accroissement de la production,
surtout dans cette région où la main d’œuvre est rare. Donc, les oléiculteurs ont besoin d’avoir
recours à une main-d’œuvre plus qualifiée pour exécuter les activités agricoles spécifiques
dans le but d’augmenter la production et la productivité.
En ce qui concerne l’input terre, son élasticité est évaluée à 0,22, ce qui veut dire qu'une
hausse de 1 % de la superficie oléicole augmenterait le rendement oléicole de 0,22 %. Ceci
nous laisse voir qu’il est possible de remédier à l’instabilité des rendements en ayant recours
à l'extension des surfaces oléicoles et à un moindre degré en augmentant la densité de
plantation. Cependant, dans le contexte tunisien, et tel que soutenu par Karray (2012), les
possibilités d’extension des superficies agricoles sont très limitées en Tunisie. Le résultat
obtenu est en contradiction avec celui obtenu par Zhu et al. (2008) qui soutiennent que les
exploitations oléicoles de petites tailles enregistrent les meilleurs niveaux de performance.
115
Pour le facteur engrais, sa contribution reste la moins importante dans l’explication de
l’accroissement du niveau de production. Le coefficient lié à l’engrais s’est avéré positif mais
non significatif. Nous avons obtenu une élasticité de 0,13. Donc, une augmentation de 1 %
des quantités d’engrais utilisées entraine, toutes choses égales par ailleurs, un accroissement
de la production oléicole moyenne seulement de 0,13 %. Cela s’expliquerait par la faiblesse
du niveau d'utilisation des engrais qui reste irrégulière et insuffisante pour couvrir les besoins
des arbres, surtout à cause de leur coût élevé. L’accroissement des prix de ces engrais, plus
rapide que pour les prix des olives, ampute la valeur ajoutée et réduit les gains de productivité
obtenus.
L’interprétation des élasticités partielles de la production montre qu’il serait toujours possible
d’accroître la production oléicole à Chbika de façon globale en agissant sur l’utilisation de
l’input travail (étant donné que seulement l’élasticité relative à ce facteur qui s’est montrée
significative). Donc, Le facteur clé de l’accroissement de la production oléicole semble être
la capacité de la mobilisation de la force de travail.
2.2.2. Estimation de l’efficacité technique et de ses déterminants
2.2.2.1. Mesure des scores d’efficacité technique
L’estimation simultanée de la frontière de production stochastique et des déterminants de
l’efficacité a permis d’évaluer la performance individuelle des exploitations oléicoles.
Le tableau 18 fournit les renseignements sur la distribution des scores d’efficacité au sein de
l’échantillon.
116
Tableau 17 : Distribution de fréquence de l’efficacité technique
Niveau
d’efficacité (%)
Effectifs
Nombre d’exploitations
observées par tranches des
scores d’efficacité technique
Pourcentages (%)
Pourcentage d’exploitations
observées par tranches des
scores d’efficacité technique
0-25 - -
25-50 10 14
50-75 28 40
75-100 32 46
Total 70 100
ET moyen - 82
Minimum - 27
Maximum - 92
Écart-type - 16
Source : l’auteur, calculs réalisés à partir de la base des données d’enquête 2017.
Selon nos estimations, l’analyse de la distribution des scores individuels d’efficacité
technique montre qu’aucun producteur ne se situe sur la frontière de production (leur score
d’efficacité technique est inférieur à 100 %). En d’autres termes, les producteurs produisent
en dessous de la frontière, corroborant ainsi l’hypothèse de l’existence d’une inefficacité.
Le calcul des efficacités techniques indique qu’en général la performance productive des
entreprises oléicoles à Chbika est d’un niveau relativement acceptable. En moyenne, les
producteurs ont un niveau d’efficacité technique de 82 % pour l’ensemble de l’échantillon.
Ceci implique qu’il existe encore des potentialités d’augmentation de la production oléicole
sans aucun apport supplémentaire d’input. Par ailleurs, les oléiculteurs peuvent réaliser le
même niveau de production tout en économisant jusqu’à 18 % des quantités d’inputs
actuellement engagées.
Le score moyen obtenu est presque similaire à celui constaté dans plusieurs études qui traitent
la question de l’efficacité technique dans les exploitations oléicoles tunisiennes (à Mehdia et
Sfax). Le niveau moyen d'efficacité technique a été estimé à 83.5 % dans la région de Mehdia,
entre la période allant de 1999 jusqu’à 2002 (Lachaal et al., 2004) et à 82 % pour les
117
agriculteurs de la région de Sfax sur la base des données collectées de 1994 à 1997 (Lachaal
et al., 2005).
De façon précise, la proportion des fermes qui sont à un niveau très élevé d’inefficacité (en
dessous de 50 %) a atteint 14 % de l’échantillon, alors que 46 % des exploitations oléicoles
sont à un niveau très élevé (plus que 75 %). Le reste, soit 40 % de l’ensemble de l’échantillon,
a un niveau entre 50 et 75 %. Parmi les oléiculteurs, le minimum d’efficacité obtenu est de
27 % et le maximum est de 92 %. L’écart entre la valeur minimale de l’efficacité et la valeur
maximale est très important (65 %) et ne soutiendrait donc pas l’hypothèse de l’homogénéité
des producteurs, en termes de performance.
Donc, cet écart entre les scores de l’efficacité laisse présager la présence des disparités au
sein des producteurs de l’échantillon du point de vue la manière d’allouer les intrants. Ceci
traduit l’hétérogénéité des performances entre les exploitations dans la région de Chbika. Par
conséquent, cette grande variabilité nous incite à chercher quels sont les facteurs qui sont les
sources éventuelles de différences d’efficacité entre les producteurs. Ainsi, le modèle retenu
permet d’apporter des explications concernant l’écart de 18 % qui prévaut entre la production
observée et la production potentielle.
À la suite des résultats obtenus à partir de l’estimation de la frontière de production
stochastique, il est possible de corroborer le premier objectif de recherche, à savoir la
détermination des scores d’efficacité technique des exploitations oléicoles à Chbika. Par
conséquent, il devient pertinent de répondre au deuxième objectif de recherche qui est
d’identifier les principaux facteurs explicatifs de l’inefficacité technique des exploitations
oléicoles. En effet, leur identification sera certainement d’un grand intérêt, notamment en
termes de pistes d’action pour améliorer la gestion de la performance de ces entreprises
oléicoles.
2.2.2.2. Identification des facteurs explicatifs du niveau d’inefficacité technique
Le tableau 17 fait état des résultats relatifs à l’explication des niveaux d’inefficacité
technique. Les résultats de l’estimation révèlent que les coefficients estimés par le modèle
stochastique sont tous significatifs au seuil statistique de 1 % (probabilité < 0,01). Il se dégage
ainsi que le modèle performe de manière acceptable. Plus spécifiquement, l’interprétation
118
des résultats est totalement inversée, dans le sens où les coefficients obtenus réduisent
l’inefficacité technique s’ils ont un signe négatif et vice versa. L’âge, le niveau d’instruction,
le recours au crédit agricole et la proportion des arbres productifs sont positivement et
significativement corrélés avec l’efficacité technique. En revanche, les deux autres variables
introduites dans le modèle, à savoir le revenu non agricole et l’accès à la terre, exercent un
effet négatif sur l’efficacité technique.
La variable âge du chef d’exploitation a été retenue au chapitre 2 sans présumer à priori du
sens de son impact sur l’efficacité technique, mais après l’estimation, nous voyons que cette
variable exerce un effet positif et significatif au seuil de 1 % sur l’efficacité technique des
producteurs d’olives (coefficient = -0,019***; P>z=0,000182). Il se dégage donc que les
producteurs les plus âgés sont plus efficaces que les plus jeunes exploitants. La raison
plausible de ce résultat pourrait être l’expérience acquise dans l’exploitation agricole des plus
âgés. Des résultats similaires ont été rapportés par Chebil et al. (2013) et Ozden et Dios-
Palmores (2016) qui ont conclu que l'expérience participe à la réduction de l’inefficacité des
producteurs.
En effet, les producteurs les plus expérimentés, qui sont longtemps restés à pratiquer la
production d’olives, sont supposés se perfectionner au fur et à mesure et avoir une plus
grande technicité dans la production. En effet, le nombre d’années passées dans l’exercice de
l’activité oléicole permet au producteur d’acquérir un savoir-faire concernant l’allocation
optimale des ressources productives. Autrement dit, les producteurs acquièrent l’expertise
nécessaire pour gérer leur exploitation ainsi qu’une certaine maîtrise de tout le processus de
production et des facteurs qui influencent les différentes étapes de ce processus. Ceci
permettra de favoriser des économies de coût d’intrants et entraînera une amélioration de la
performance productive et économique des exploitants. Ce premier résultat, qui confirme
notre hypothèse H1, rejoint les résultats de plusieurs études antérieures que nous avons
amplement évoquées précédemment (Karagiannis et Tzouvelekas (2001), Lambarra et al.
(2007), Selmi et al. (2015), Kamiyama et al. (2016)).
Les résultats obtenus vont à l’encontre de ce qui était trouvé par Lambarra et al. (2009) pour
les exploitations espagnoles productrices de céréales, oléagineux et protéagineux, Coelli et
Fleming (2004) pour les petites exploitations en Guinée, Nuama (2006) pour les cultures
119
vivrières en Côte-d’Ivoire et Ben Nasr (2016) pour les exploitations irriguées à Kairouan
(Tunisie). Tous ces auteurs soutiennent que les jeunes sont les plus efficients, étant donné
qu’ils ont la faculté d’adopter plus rapidement les nouvelles technologies productives, alors
que les plus âgés sont peu enclins à adopter les nouvelles technologies.
Dans un deuxième temps, nous avons testé l’hypothèse H2 qui stipule que le niveau
d’instruction est un facteur clé pour l’amélioration de l’efficacité technique. Les résultats de
notre estimation montrent que la variable niveau d’instruction, tel qu’attendu, a un impact
positif et significatif (à 1 %) sur le niveau d'efficacité technique des fermes oléicoles,
corroborant ainsi l’hypothèse H2 (coefficient = -0,316***; P>z=0,000502).
Cela implique que les producteurs ayant un niveau d’instruction élevé sont susceptibles d'être
plus efficaces que leurs homologues moins instruits. L’explication qui pourrait être avancée
est le fait que le niveau d’instruction influence la prise de décision du producteur, notamment
dans l’utilisation des intrants convenables dans l’exploitation agricole. Cette variable joue en
faveur de la maîtrise des techniques modernes de production et l’adoption de nouvelles
innovations. Ces dernières portent plus particulièrement sur une utilisation plus efficace des
intrants et des nouvelles techniques et matériels plus sophistiqués (des machines de récolte
et taille d’olives, des méthodes de contrôle d’eau d’irrigation, etc), sur le développement des
bonnes pratiques agronomiques et sur le choix des variétés à cycle court plus productives et
plus résistantes aux conditions climatiques, etc.
En plus, le fait que ces producteurs d’olives soient instruits leur permet facilement de
comprendre et d’assimiler les recommandations promulguées au cours des formations
d’applications des meilleures pratiques de production, ainsi que de les mettre en pratique.
Ceci leur permet également d’avoir recours aux engrais de manière appropriée, c’est-à-dire
en choisissant les bons engrais et en les utilisant à des doses adéquates, et de faire un bon
choix compte tenu des techniques culturales disponibles. Ils peuvent d’ailleurs consulter des
documents portant sur les techniques de production agricole afin de les mettre en pratique.
Par ailleurs, ils peuvent facilement s’adapter aux nombreux changements technologiques,
sociaux et économiques de l’agriculture et du secteur para-agricole d’aujourd’hui. À cet effet,
l’adoption de nouvelles technologies optimise les rendements et occasionne l’augmentation
de la performance des exploitations oléicoles.
120
Toutefois, dans nos entretiens avec les agriculteurs, la quasi-totalité des répondants
interviewés affirme que le taux moyen de fréquentation des formations professionnelles
demeure faible à cause du manque d’implication des services de vulgarisation. Par ailleurs,
l'intégration de l'utilisation de nouveaux intrants et techniques agricoles modernes dans
l'exploitation familiale est encore faible. Ainsi, l’appui de la formation agricole à travers
l’encadrement technique et l’assistance à des journées de formation et enrichissent le savoir-
faire productif des oléiculteurs. Le contact des producteurs avec les agents de la vulgarisation
leur permet d’accéder à l’information et à la formation sur les nouvelles technologies.
Cela permet, d’une part, d’économiser les ressources disponibles, moyennant une bonne
gestion des facteurs de production et, d’autre part, d’optimiser de façon significative les
rendements et d’accroître la productivité des exploitations. Des résultats similaires ont été
rapportés par Karagiannis et Tzouvelekas (2001), Lachaal et al. (2004, 2005); Lambarra et
al. (2007), Konan et al. (2014), Ngom et al. (2016), Kamiyama et al. (2016) et Kashiwagi
(2017).
La revue de littérature réalisée au chapitre 2 de ce mémoire a amplement documenté cette
hypothèse. En effet, ce résultat rejoint celui de Nuama (2006) qui conclue que les exploitants
instruits ont la possibilité de s’informer sur les prix des intrants agricoles. Cela contribuera à
remédier à l’asymétrie d’information entre les producteurs et les commerçants, augmenter le
pouvoir de négociation et donc acquérir ces intrants à moindre coût. Par conséquent, un
niveau d’instruction minimal est souvent prérequis pour accéder à l’information, à la
technologie et aux programmes de formation et de vulgarisation et donc, joue en faveur de la
réduction du niveau d’inefficacité du producteur.
Les résultats de l’estimation du modèle de frontière stochastique mettent également en
évidence l’effet négatif et statistiquement significatif de l’accès aux crédits sur le niveau
d’inefficacité technique des exploitations oléicoles (coefficient=-0,233***P>z=0,000618).
Ce résultat traduit le fait que si un producteur bénéficie d’un crédit pour financer ses activités
agricoles, il sera plus efficient, ce qui confirme l’effet bénéfique attendu d’un recours au
crédit.
121
Ce résultat peut paraître intuitif : une exploitation s’endette pour moderniser l’exploitation,
investir dans des équipements modernes et plus performants, et donc on s’attend à ce que son
efficacité technique s’en trouve accrue. En effet, l’accès au crédit est considéré comme un
appui en liquidités pour les oléiculteurs puisqu’il les aide à investir dans les nouvelles
technologies, acheter des intrants en début de campagne, rémunérer la main-d’œuvre
salariale, etc. Nous avons, par exemple, évoqué que plusieurs autres auteurs (kouakou, 2001;
Hazarika et Alwang, 2003; Nyemeck et al., 2004) ont conclu la même chose.
Cela concorde avec les résultats obtenus par Nuama (2006) concernant l’efficacité technique
des agricultrices de cultures vivrières en Côte-d’Ivoire. Il a conclu ainsi que l’exploitant qui
a bénéficié d’un crédit agricole doit avoir assez d’incitations à être techniquement
performant.
Toutefois, dans plusieurs cas, les oléiculteurs n’arrivent pas à respecter leurs obligations en
termes de remboursement parce qu’ils ne parviennent pas à vendre leur récolte à cause
notamment des éventuels risques d’une mauvaise saison (sécheresse, alternance biologique
de l’olivier ou bien problèmes phytosanitaires) détruisant la récolte ou des variations
considérables des prix de vente. Ainsi, ils sont amenés à supporter des coûts de crédit élevés,
entre autres à cause de l’alourdissement des taux d’intérêt requis par les banques que le petit
producteur n’est jamais capable de couvrir. Par conséquent, par crainte d’endettement et pour
être en mesure d’honorer des engagements financiers, les producteurs sont contraints de
concentrer leurs moyens dans un seul but de produire davantage d’olives et donc de faire
progresser la rentabilité de son exploitation et optimiser l’utilisation des facteurs de
production. En augmentant la production, l’exploitation oléicole va connaître une
augmentation de ses ventes et donc des profits dégagés au cours de son activité productive.
L’accroissement de son bénéfice qui va en résulter l’incitera à prendre le crédit agricole de
nouveau et à réinvestir dans l’activité agricole et donc à améliorer leur efficacité.
Ces résultats rejoignent les propos de plusieurs auteurs, tels que Zhu et al. (2008) pour les
exploitations laitières aux Pays-Bas entre 1995 et 2004 et Latruffe et al. (2009) pour les
exploitations de céréales, oléagineux et protéagineux en France en 2000. Cette même
affirmation nous a été confirmée par les oléiculteurs faisant l’objet de cette enquête.
122
En ce qui concerne la variable revenu non agricole, elle exerce un effet positif et significatif
sur le niveau d’inefficacité des exploitations (coefficient=0,805***P>z=0,000220). Ceci
peut indiquer que les producteurs qui ne pratiquent pas une autre activité hors ferme
connaissent plus d'efficacité que ceux qui exercent une autre activité génératrice de revenus.
Donc, notre quatrième hypothèse est confirmée.
Très souvent, à cause de l’instabilité et de l’incertitude de l’activité agricole (irrégularité des
pluies, volatilité des prix, fluctuation de la production), les chefs d’exploitants ont recours à
l’activité non agricole. Ils cherchent un complément de revenu pour le réinvestir dans
l’exploitation afin de subvenir à certaines charges en cas de mauvaises récoltes ou de
rembourser les crédits bancaires.
Toutefois, dans le cas de notre étude, le recours au travail non agricole est une source
d’inefficacité technique. L’explication qui pourrait être avancée est l’absentéisme de
l’oléiculteur au niveau du champ. Dès lors, le fait de regrouper plusieurs activités (agricoles
et non agricoles) en même temps induit à la réduction de la performance de l’exploitant et
donc à l’efficacité de l’exploitation. L’oléiculteur ne peut pas concentrer son attention à
exécuter plusieurs tâches simultanément, alors que s’il avait concentré ses efforts et moyens
techniques et financiers autour de l’activité agricole, il aurait pu être plus performant.
À la longue, l’exploitant ne parvient plus à maintenir l’activité agricole et à s’occuper de
toutes les tâches dans la ferme. Ainsi, il se décourage et commence à négliger petit à petit
l’entretien de son exploitation, à cause des longues heures de travail hors exploitation. Par
conséquent, Il préfère se libérer pour des activités extra-agricoles et recruter de la main-
d’œuvre occasionnelle en cas de besoin. Vers la fin, certains propriétaires d’oliveraies
finissent par vendre leurs parcelles pour s’acheter des maisons à la ville. Ce résultat est
conforme à ceux obtenus par Latruffe (2005), Ben Nasr et al., (2016).
Le résultat le plus frappant de notre régression concerne l’effet de l’accès à la terre sur
l’efficacité technique des producteurs. Nous nous attendons, selon l’hypothèse émise, à ce
que le mode de propriété soit un facteur améliorant l’efficacité technique. Toutefois, la
situation semble être différente dans le cadre de notre analyse, dans le sens où la variable
accès à la terre est positivement corrélée à l’inefficacité technique. Les oléiculteurs exploitant
des parcelles louées sont plus productifs que ceux en faire-valoir direct, toutes choses étant
123
égales par ailleurs. Ainsi, les résultats de l’estimation montrent que la variable accès à la terre
agricole exerce un effet négatif et significatif à 1 % (coefficient = 0,539***; P>z= 0,000178),
ce qui est contraire à notre cinquième hypothèse H5.
Ceci suggère que les exploitants propriétaires révèlent une efficacité technique inférieure à
ceux opérant sur des terres louées. En effet, l’oléiculteur locataire cherche à tirer un
maximum de profit lui permettant de couvrir les charges en particulier le prix de location de
terre. Par conséquent, il devient plus enclin à intensifier leur culture, optimiser le rendement
et produire davantage d’olives et de ce fait à utiliser plus d’intrants et adopter des
technologies agricoles modernes (mécanisation agricole, emploi des intrants agricoles,
investissement dans le matériel). Autrement dit, l’exploitant déploie tous ses efforts pour
accroître le volume de production et procéder aux améliorations qui contribueront à améliorer
la productivité du système de culture oléicole afin de tirer un maximum de profit leur
permettant de couvrir la charge locative de la terre. Ainsi, le revenu tiré de sa production sert
à honorer son engagement financier envers les propriétaires. Nos résultats vont dans le même
sens que ceux de Nuama (2010) et de Chemak et al. (2014).
Tel qu’attendu, la proportion des arbres productifs est un facteur d’efficacité non négligeable
pour les exploitations qui permet d’atteindre de meilleurs rendements. Intuitivement, nous
nous attendons en effet à ce que les exploitations qui ont des arbres plus productifs, âgés
entre 20 et 70 ans, soient plus efficaces que celles qui possèdent des vieux arbres ou des
plantations non productives.
D’après l’estimation de notre modèle, nous constatons que cette variable agit
significativement au seuil de 1 %et de manière négative sur l’inefficacité technique des
producteurs d’olives (coefficient = -4,17***; P>z=0,000535). Les exploitations qui ont une
proportion d’arbres productifs plus grande ont une efficacité plus élevée que celles qui ont
une proportion faible. Ceci suggère que la possession des champs oléicoles non productifs ne
fera que démotiver les producteurs à continuer la pratique d’oléiculture. Les agriculteurs, en
voyant une baisse continue de leur rendement oléicole et de leur revenu, vont être moins
incités à produire ou à utiliser les meilleures combinaisons des facteurs de production, étant
donné qu’ils sont convaincus que leur activité oléicole va péricliter, voire disparaître.
124
En revanche, pour les exploitations oléicoles possédant un plus grand nombre d’arbres
productifs, la production sera de gros volumes et ceci inciterait les producteurs à produire
plus pour tirer plus de profit. L’augmentation de la production des plantations permet
d’améliorer le rendement, en termes de tonnage d’olives et l’huile d’olive à l’hectare. Cet
effet se traduit par la suite par une amélioration de la performance des oléiculteurs étant
donné que l’augmentation de la production en volume est à l’origine de la croissance de
l’utilisation des facteurs de production.
Donc, ce résultat paraît cohérent avec l’effet attendu et il corrobore les conclusions de
Lachaal et al. (2005) dans leur étude sur l’efficacité technique des exploitations oléicoles
dans la région de Sfax (Tunisie) et Amores et Contreras (2009) dans leur étude sur l’efficacité
technique des exploitations oléicoles en Espagne. Par conséquent, l’hypothèse 6 est
confirmée.
L’olivier atteint sa pleine rentabilité en moyenne entre l’âge de 20 et 70 ans. Le vieillissement
des oliviers ou bien l’absence de taille de rajeunissement représente ainsi une contrainte de
la filière et est la cause de la baisse des rendements et donc d’efficacité. L’alternance
biologique de l’olivier surtout, en régime pluvial, est une autre contrainte naturelle qui
affaiblit aussi la productivité des plantations. À tout cela s’ajoutent, comme nous avons déjà
mentionné précédemment, les conditions climatiques extrêmement aléatoires entraînant une
production fluctuante de l’olivier d’une année à l’autre. Pour rentabiliser au plus vite les
jeunes oliveraies, les agriculteurs procèdent à des cultures intercalaires afin de répartir les
risques agricoles et stabiliser ainsi les revenus des oléiculteurs.
En s’appuyant sur les différents éléments présentés ci-dessus, nous avons pu conclure qu’il
y a une présence d’inefficacité technique au niveau des exploitations oléicoles dans la région
de Chbika, qui peut être expliquée par plusieurs facteurs. Donc, il existe encore des
potentialités d’accroissement de la productivité à valoriser pour augmenter la production
d’olives et accroître les revenus des producteurs.
Au terme de ce travail, le prochain chapitre sera organisé de la manière suivante : la première
partie approfondit la réflexion sur quelques pistes d’action et mesures incitatives qui
pourraient être instaurées pour améliorer la productivité du secteur oléicole. Ensuite,
125
la seconde partie fait ressortir certaines limites de cette étude et suggère quelques nouvelles
avenues de recherche. Finalement, la dernière partie sera donc consacrée à une synthèse des
principaux résultats obtenus dans le cadre de notre recherche.
126
Chapitre 5 :
Pistes de réflexion, limites et conclusion
Nous avons réussi, avec notre recherche empirique, à apporter des éléments de réponse à
la problématique de recherche énoncée au début de ce travail. En effet, en s’appuyant sur les
résultats empiriques obtenus et à la lumière de cette discussion, plusieurs éléments
d’explication ont été avancés pour comprendre l’origine de l’écart d’efficacité technique
entre les oléiculteurs de Chbika (Tunisie).
En tenant compte de ces variables, cette analyse de l’efficacité nous conduit alors à mettre
en exergue des éléments structurants qui nécessitent d’être pris en considération par les
décideurs publics lors de la définition des politiques agricoles visant l’amélioration de la
performance des exploitations oléicoles en particulier et une plus grande prospérité de la
filière oléicole en Tunisie en général. Dans ce sens, nous nous interrogeons sur les politiques,
les mesures et les mécanismes à privilégier pour parvenir à atteindre cet objectif.
Pour clore ce travail de recherche, le dernier chapitre sera composé comme suit : d’abord, les
implications dégagées des principaux résultats seront discutées et serviront à formuler des
pistes d'interventions, en vue de mettre en perspective les possibilités de développement des
exploitations oléicoles à Chbika (Tunisie). Ensuite, les limites de l'étude seront abordées
et quelques pistes de recherche futures seront suggérées. Finalement, une conclusion
générale de l'étude sera présentée.
1. Recommandations et perspectives de développement des
exploitations oléicoles dans la région de Chbika
Dans une économie tunisienne, ouverte sur l’extérieur, dont le principal moteur à la
croissance est l’exportation, la filière oléicole continue à jouer un rôle prépondérant. Dans ce
contexte, elle constitue l’une des filières prioritaires sur laquelle des interventions accrues
par diverses institutions nationales doivent s’organiser en vue d’assurer sa rentabilité. À cette
127
fin, cette section est proposée pour développer des propositions d’actions futures, en vue
d’assurer le renforcement des performances des exploitations oléicoles en milieu rural à
Chbika (Tunisie) et dans le but de les rendre plus compétitives à moyen et long terme.
Premièrement, les plans d’actions prioritaires doivent être axés sur la formation agricole des
oléiculteurs qui constitue un des éléments déterminants pour améliorer le niveau d’efficacité
productive de leurs exploitations. Cela signifie, entre autres, de s’assurer d’ouvrir l’accès à
une formation agricole professionnelle et spécialisée, qui favorise le processus
d’apprentissage, notamment en techniques de production et en bonnes pratiques agricoles
(telles que, les techniques de récolte et taille améliorées, les techniques permettant une
utilisation optimale des engrais, les méthodes d’irrigation adéquates, les exigences du
calendrier cultural, etc.).
Dans cette optique, il est important aussi de promouvoir l'éducation de base en vue d’une
meilleure réceptivité des nouvelles technologies de production. Autrement dit, une bonne
gestion des exploitations agricoles basée sur les connaissances scientifiques et le savoir-faire
productif est indispensable pour assurer une production agricole optimale et exploiter les
potentialités de rendement. Ceci peut être opéré grâce aux actions de vulgarisation et aux
séances de sensibilisation pour les agriculteurs, et ce par l'intermédiaire des acteurs de
développement agricole (CRDA, CTV). Ainsi, nous attendons à ce qu'un appui technique des
oléiculteurs incite à une meilleure allocation des ressources et, par ricochet, à une meilleure
productivité.
Par ailleurs, il va de soi que pour être efficace, cette mesure devrait également être assortie
d'une action visant à faciliter la subvention ainsi que l'accessibilité des petits oléiculteurs aux
intrants, tels que l'engrais, les plantations, les fertilisants et les petits équipements agricoles.
L’appui aux producteurs en intrants et matériels agricoles, ainsi que leur accompagnement
sur le plan technique, permettra d’améliorer leur compétitivité à long terme grâce à une
amélioration de la valeur ajoutée de la production.
128
Cependant, à cause d'une trésorerie insuffisante, ces exploitants n'ont pas les moyens
financiers d'acheter les actifs nécessaires et ne se permettent pas d’investir dans l’oléiculture.
Du coup, cela ne peut aboutir qu’au faible niveau de production. En d'autres termes, pour
faciliter l’accès à l’approvisionnement en matériels et intrants avec des circuits adaptés, il est
important de mettre en place des incitatifs économiques (par exemple, des programmes de
microcrédits et de prêts renouvelables) à la portée des producteurs, particulièrement à ceux
qui ont tendance à rencontrer des difficultés à obtenir des crédits bancaires, afin de garantir
la disponibilité et l’accessibilité de ces produits à tous les oléiculteurs.
De surcroît, pour pallier au problème du vieillissement des plantations, qui est assez marqué
au niveau de la région de Chbika (Tunisie), des politiques doivent être menées pour
promouvoir le rajeunissement des oliveraies. Ceci pourrait augmenter considérablement le
rendement des olives et le revenu des oléiculteurs dans la région. La réussite de cette mesure
demande une implication gouvernementale accrue et des moyens financiers pour remplacer
les anciennes oliveraies peu productives.
En plus, des actions pourraient être menées dans le domaine de la recherche-développement,
qui constitue la clé de la croissance de la productivité agricole et le développement de
l’application de nouvelles idées et de nouvelles technologies (par exemple, la recherche de
nouvelles variétés locales adaptées aux conditions édaphiques et climatiques de la région, le
développement des traitements phytosanitaires plus résistants aux maladies et parasites, la
diffusion des nouvelles technologies de production, etc.).
Toujours dans la continuité des actions, les stratégies doivent être orientées surtout sur la
facilitation à l’accès aux ressources productives, telles que la terre et le crédit. D’une part, il
sera important d’instaurer un environnement institutionnel favorable par la promotion des
microcrédits et des programmes d'assurances au bénéfice des agriculteurs. Ceci permettra de
faciliter l’accès de ces petits oléiculteurs aux services financiers et augmenter leurs chances
d’accéder aux crédits de campagne, avec des taux d'intérêt bonifiés et des procédures de
garantie assouplies, à la fois de la part du secteur public et du secteur privé, et par conséquent
les aider à accroître leur potentiel de production. Les interventions en faveur de l'accès au
129
crédit peuvent permettre de favoriser ainsi l'épargne, l’investissement et subséquemment
l'amélioration et la modernisation du système de production.
D’autre part, analyser les questions de politique foncière, relatives à l’accès à la terre, est de
plus en plus exigé. En effet, le problème de la sécurisation foncière est une problématique
importante pour le développement agricole. L’absence des titres fonciers des exploitations
agricoles entraîne des difficultés d’accès au crédit en milieu rural. Donc, il est indispensable
d’attribuer des titres fonciers aux propriétaires qui serviront de garantie pour la banque afin
de se faire octroyer le crédit. En outre, les exploitations ont tendance à se morceler davantage
avec le temps, dû essentiellement au phénomène d’héritage, d’où l’intérêt majeur d’une
politique publique qui limiterait le morcellement au niveau de la région. Dans un tel contexte,
nous comprenons l’importance de la mise en place d’une politique foncière par l’Agence
Foncière Agricole (AFA), et ce, en concertation avec les différents intervenants (l’Institut de
l’Olivier, de l’Office National de l’Huile, de la Direction Générale de la Production Agricole,
le Ministère de l’Agriculture).
Ensuite, sur le plan institutionnel, nous notons une insuffisance, voire un manque de
coordination et de concertation entre les structures concernées par le développement agricole,
qui sont peu efficaces et souffrent d’une insuffisance de moyens (matériels,
humains et financiers) pour assumer leur principal rôle, celui d’appui et de soutien des
agriculteurs. En plus, l’absence des organisations oléicoles défendant les intérêts des
producteurs fragilise le secteur de l’olivier, ceci pouvant être dû à l’absence d’un processus
de mise en réseau entre les différents acteurs de la filière qui marque le manque de cohérence
et d’articulation des interventions.
Une solution potentielle à ces enjeux serait la mise en place d'une meilleure coordination
(verticale et horizontale), entre les différents intervenants de la filière oléicole. La synergie
et la cohésion de leurs actions de développement s’avère une condition nécessaire
et indispensable afin de à solidifier les rapports verticaux et horizontaux, et donc parvenir à
intensifier les efforts de promotion du secteur oléicole. Ainsi, « le modèle linéaire, consistant
à décider des politiques de développement de la filière au sommet, doit être remplacé par un
130
modèle basé sur les réseaux, l’interaction et la participation à tous les niveaux » (Karray,
2012, p.27).
Ajoutons aussi que les producteurs à des difficultés de circulation dues à la déficience des
infrastructures routières, la déstructuration de certains réseaux et l’éloignement entre les
structures d’aval et d’amont (coopératives, huileries, marchés locaux, etc.). Donc,
l’amélioration de la circulation agricole, visant à résoudre les coûts de transaction ajoutés
aux investissements dans les infrastructures routières, y compris des routes agricoles
favorables aux déplacements des agriculteurs vers les marchés, porte à croire que le prix
d’olives national va être, à moyen et long terme, plus compétitif.
La diminution des coûts de transaction, soit à cause des interventions de l’État (telles que les
routes, les infrastructures rurales, la diffusion de certaines technologies), soit à cause d’une
organisation plus efficiente de la filière (organisations de producteurs), pourrait à long terme
permettre de meilleures conditions aux producteurs.
Finalement, la forte concentration géographique de la production d'olives en Tunisie rend
cette dernière plus fragile face aux risques des aléas climatiques et aux défis
environnementaux liés à l'intensification de la production oléicole. Des fluctuations
importantes des volumes offerts annuellement pourraient donc être observées. De même, les
mauvaises pratiques agricoles sont en grande partie responsables de la dégradation actuelle
de l’environnement. Toutes ces contraintes sont des difficultés auxquelles les exploitations
oléicoles doivent tenir compte pour assurer la durabilité des ressources naturelles à long
terme. Donc, il est important d’organiser un système de protection sociale contre les grands
risques auxquels peuvent être confrontés les producteurs. De plus, il s’agit d’amener ces
producteurs à adopter des pratiques d’exploitation durable pour une meilleure utilisation des
ressources au profit des générations futures.
À moyen et long terme, ces multiples actions pourraient se révéler très efficaces dans le
développement agricole en général et la promotion du secteur olivier en Tunisie en
particulier, afin d’optimaliser le rendement des exploitations oléicoles et d’améliorer leur
131
efficacité. Dès lors, les gains de productivité du secteur oléicole sont la clé pour créer de
nouvelles perspectives d’emploi, accroître les revenus et donc offrir un meilleur avenir pour
les oléiculteurs tunisiens.
Si les soutiens fournis par l’État (l’intensification de l’assistance technique, la subvention de
l’engrais, la vulgarisation du système oléicole intensive, etc.) sont maintenus, nous pouvons
nous attendre à moyen terme à une amélioration de la productivité du secteur. À la longue,
nous prévoyons observer une augmentation de l’exportation à mesure que la production
oléicole augmente. En effet, avec la part de marché que gagneraient les producteurs locaux
et l’augmentation de leur production, ils seraient en mesure de réaliser des économies
d’échelle. Dans ce sens, la stratégie nationale de développement de l’oléiculture en Tunisie
vise à augmenter la production moyenne de l’huile d’olive de 180 à 250 mille tonnes
annuellement (Ministère de l’Agriculture, 2015).
Toutefois, il est difficile d’évaluer de manière précise le degré de la mise en œuvre de ces
recommandations. Par conséquent, il faut vérifier que leur suivi soit assuré pour obtenir des
résultats satisfaisants et afin d’amener rapidement les correctifs, si cela est nécessaire.
Il semblerait également intéressant d’approfondir la question du financement à mettre en
œuvre pour permettre d’opérationnaliser ces actions. Ceci relève de la responsabilité du
gouvernement, et ce, évidemment avec une participation active du secteur privé, qui doit
définir des choix stratégiques et mettre en place un fond d'aide et de soutien aux
investissements agricoles.
Nous rappelons que l’intérêt fondamental de cette analyse est surtout d’aider les décideurs à
éclairer les principales variables sur lesquelles ils peuvent agir pour améliorer l’efficacité
productive du secteur oléicole. Dès lors, en fonction d’une analyse attentive des problèmes,
nous avons pu dégager des pistes de solutions contextualisées et des moyens futurs qui
peuvent être suggérés pour l’amélioration du degré actuel de l’efficacité technique et le
renforcement des performances des exploitations oléicoles en Tunisie, objectif ultime de
notre analyse.
Par ailleurs, au terme de ce travail, il paraît utile, dans les sections suivantes, d’aborder
quelques limites de l’étude et de synthétiser quelques conclusions qui permettent d’éclairer
les objectifs de recherche.
132
2. Limites et voies futures de recherche
Bien que les résultats de notre recherche soient intéressants et aient permis de pouvoir estimer
et analyser les niveaux d’efficacité technique des entreprises oléicoles à Chbika, il importe
de souligner que ce mémoire présente certaines limites qui méritent notre attention et qui
nous conduisent à envisager certains prolongements possibles du travail entrepris.
La première limite que nous tenons à signaler est d’ordre méthodologique. Elle est relative,
d’une part, à la taille de l'échantillon des répondants et, d’autre part, au questionnaire
quantitatif adopté. En effet, le nombre total d’échantillons prélevés demeure restreint en
comparaison à des études antérieures similaires. Ainsi, ce nombre de répondants limité à
soixante-dix exploitants oléicole (70) est dû essentiellement au court temps alloué à
la réalisation de l’enquête et au manque de matériel logistique et des moyens nécessaires.
Ainsi, malgré le fait que l’échantillon d’exploitations oléicoles étudiées soit relativement
représentatif de la population mère, il serait intéressant, dans une recherche future, d’élargir
sa taille et viser les oléiculteurs dans d’autres régions plus éloignées, dans le but d’assurer
la généralisation de tous les résultats à l'échelle national du pays.
De même, une autre limite concerne le fait que nous ayons seulement utilisé un ensemble
d’énoncés du questionnaire de nature quantitative (objective), et donc la dimension
qualitative n'a pas été prise en compte dans cette recherche. Partant de ce fait, une approche
purement qualitative aurait pu permettre d'enrichir notre recherche, vu que l’oléiculteur aurait
exprimé avec plus d’ouverture son opinion, et d'approfondir nos connaissances en matière de
contraintes majeures auxquelles il pourrait faire face.
Ensuite, dans le contexte d’une culture oléicole, l’utilisation de données en coupe
transversale peut être considérée comme une limite, puisque la collecte se déroule dans un
horizon temporel limité et ne permet pas d’avoir une série de données chronologiques
couvrant une longue période. Étant donné la limite précitée, il serait intéressant
133
d’entreprendre une analyse dynamique dans le futur pour analyser la performance des
exploitations oléicoles sur plusieurs années et vérifier si cette inefficacité perdure dans le
temps. Ceci permettrait de conquérir une certaine stabilité des paramètres du modèle à
estimer et donc contribuer à améliorer la faisabilité méthodologique.
Considérant tout ceci, il serait peut-être utile d'évaluer l’efficacité technique, sur une période
d'étude plus longue, avec un échantillon de taille plus considérable et d’utiliser un
questionnaire plus développé pour inclure d’autres variables, d’ordre qualitatif par exemple,
afin d’aboutir à un résultat représentatif statistiquement et pertinent au regard de
la connaissance empirique.
En plus, au fil de notre recherche, nous avons constaté aussi que l’analyse a été réalisée en
considérant la culture d’olives comme étant un système de culture à part (mono-output). Or,
dans la réalité, les exploitations agricoles en milieu rural produisent plusieurs spéculations
agricoles en même temps et les prises de décision concernent la gestion globale de
l’exploitation (avec un processus de production multi-output). Par ailleurs, il serait
nécessaire, dans une approche plus globale, de traiter la situation de multioutputs dans les
exploitations agricoles, dans une tentative de comprendre les effets du système de culture
oléicole sur les autres spéculations agricoles. Cela étant dit, ce travail gagnerait à être
complété par des études intégrant une approche systémique globale qui représente la
technologie de production par une fonction de distance afin de pouvoir appréhender la
complexité de l’exploitation agricole.
Bien entendu, au niveau des données, certaines limites peuvent être décelées, alors il importe
d’expliquer quelques choix d'analyses. Par exemple, la difficulté de collecter certaines
données (comme les coûts de production, les revenus réels des oléiculteurs et les prix des
facteurs de production) n’a pas rendu la tâche facile et nous a empêché d’aller plus loin dans
notre analyse. Par ailleurs, pour enrichir l'analyse et améliorer la validité de cette étude,
il serait intéressant de mesurer, dans une recherche ultérieure, l’efficacité allocative (par la
prise en compte des prix des intrants) des exploitations oléicoles et aborder ainsi la question
de leur performance globale. En effet, une telle étude apporterait une plus-value, car la
134
conjonction de ces deux types d’efficacité nous permettra d’estimer l’efficacité économique
de ces exploitations.
De surcroît, nous aurions pu élargir davantage le champ de l'étude si nous intégrions d’autres
indicateurs de la performance des firmes (par exemple, la productivité agricole), en faveur
d’une appréciation plus rigoureuse des résultats. En outre, les facteurs explicatifs choisis dans
notre modèle d’estimation, comme étant les sources de l’efficacité technique, sont largement
utilisés par des études antérieures traitant la question de la performance productive des
exploitations oléicoles. Toutefois, à cause de la vaste littérature sur sujet, il est impossible
d'inclure l'ensemble des facteurs clefs qui caractérisent les niveaux d’efficacité technique
dans ce contexte agricole. Partant de ce fait, les résultats de ce mémoire peuvent être
complétés en intégrant, dans des recherches futures, d'autres facteurs susceptibles
d’influencer les performances des exploitations oléicoles dont nous n'avons pas tenu compte
dans cette recherche, afin d’aboutir à des résultats plus intéressants.
À titre d'exemple, l'étude aurait pu s'intéresser à l’effet du progrès technique sur la
performance des exploitations. Il en va de même s’il avait été possible d’inclure l’effet de
l’irrigation : notre travail aurait également gagné en validité. De plus, la variable
mécanisation est probablement une variable qu’il serait judicieux de prendre en compte dans
une extension de cette recherche (par exemple, les producteurs utilisant la mécanisation n’ont
certainement pas la même frontière de production que ceux qui ne l’utilisent pas). Notons
que si ces variables, qui sont de plus en plus abordées par la littérature sur les efficiences, ne
sont pas prises en compte dans notre modèle, c’est parce qu’elles pourraient engendrer un
biais d’endogénéité10. Ainsi, la principale limite méthodologique de ce travail de recherche
consiste à l’absence de traitement des questions d’endogenéité de certaines variables.
10 Des techniques d’estimation appropriées ont été proposées pour résoudre le problème de biais
d'endogénéité, notamment les méthodes d’estimation qui ont recours à l’utilisation des variables
instrumentales (elle consiste à contrôler les variables qui causent le phénomène de sélection par des
méthodes de régression). Parmi ces dernières, on peut citer l’estimateur de Hausman–Taylor (1981)
et la méthode en deux étapes de Heckman (1979).
135
De même, une autre recherche visant à confronter les deux approches paramétrique et non
paramétrique, à des fins de comparaison et en faveur de mieux valider les résultats, serait
intéressante dans le sens où elle peut élargir le champ d’interprétation des performances des
oléiculteurs. Il serait également possible d’utiliser une autre forme fonctionnelle dans le but
de comparer la distribution des scores des efficiences (Giannakas et al., 2000).
Néanmoins, d’une manière générale, malgré les insuffisances soulevées que peut contenir
cette étude, elle a permis de répondre aux deux objectifs de recherche énoncées dans
le premier chapitre, tout en apportant des réponses statistiquement prouvées pour confirmer
nos hypothèses de recherche. En outre, elle est particulièrement intéressante dans le sens
qu'elle a permis de collecter des données primaires. Les résultats obtenus nous ont permis
d’affirmer qu’il existe un écart entre les oléiculteurs en matière d’efficacité technique et
d’avancer quelques pistes de réflexion qui serviront, probablement, à élaborer des choix
stratégiques de développement agricole pour les années à venir. Donc, les informations
qu'apporte cette étude sont aussi porteuses de bénéfices pour les oléiculteurs en Tunisie, dans
le sens qu’elles pourront servir à améliorer concrètement leur situation générale. Pour finir,
cette étude pousse la réflexion un peu plus loin vers d’autres questions de recherche :
• Quel est le niveau d’efficacité allocative et économique des exploitations oléicoles à
Chbika?
• Dans quelle mesure l'efficacité de l'intervention de l'État, acteur essentiel dans
le développement agricole, augmente-t-elle l’efficacité au niveau des producteurs
d’olives, la valeur ajoutée de la production ainsi que son effet sur le développement
local durable de la communauté objet de l'étude?
Ainsi s’achève la partie qui présente les limites de notre travail et les voies futures de
recherche prometteuses dans le prolongement de ce mémoire. Il s’agit dans ce qui suit de
revenir sur les principales conclusions présentées au cours de l’ensemble de notre travail de
recherche.
136
3. Conclusion
L'estimation du modèle de frontière de production a suscité ces dernières années un regain
d'intérêt parmi les économètres. Dans ce sens, depuis longtemps, la recherche a tenté
d’analyser la performance des exploitations agricoles, notamment oléicoles. Dans ce cadre,
compte tenu de l’importance du rôle joué par les exploitations oléicoles dans le
développement socio-économique en Tunisie, et les traits problématiques auxquels fait face
le secteur oléicole tunisien, l’amélioration de l’efficacité doit constituer un pilier des
politiques de développement.
Au terme de cette analyse, l’objectif principal de ce mémoire qui guide notre démarche
propose, d’une part, de mesurer l’efficacité technique des producteurs d’olives à Chbika, au
centre de la Tunisie et, d’autre part, de déceler quelles sont les sources d’inefficacité
existantes. La connaissance de ces facteurs permet d’améliorer la productivité globale de ces
exploitations.
Pour atteindre cet objectif, les données utilisées ont été collectées dans le cadre d'une enquête
menée auprès d’un échantillon de 70 exploitants oléicoles dans la région de Chbika pendant
la saison 2017. Dans une première étape, les scores d’efficacité ont été estimés par la méthode
paramétrique stochastique. Dans une deuxième étape, les principaux déterminants de ces
scores ont été identifiés, discutés et interprétés. Le logiciel R a été utilisé pour estimer une
frontière de production stochastique de type translog.
L’idée était de pouvoir caractériser et comparer les exploitations oléicoles entre elles afin de
fournir aux décideurs des conseils d’intervention de développement agricole. Pour ce qui est
de l’atteinte du premier objectif de recherche, il ressort des résultats empiriques que les
exploitations oléicoles se caractérisent par une inefficacité technique. Les scores d’efficacité
technique des exploitations varient entre 27 % et 92 % avec une moyenne de 82 %.
Cette moyenne traduit que la production pourrait être nettement améliorée avec les mêmes
quantités de ressources productives que celles utilisées actuellement. En d’autres termes,
le gaspillage global des facteurs de production est de l’ordre de 18 %.
137
Tel est le second objectif de ce travail : plusieurs facteurs sont à l’origine de cet écart
d’efficacité technique. Les résultats empiriques obtenus à partir de l’estimation du modèle
stochastique et de l’étude des déterminants de l’efficacité technique pour l’échantillon total
permettent de conclure que six variables explicatives sont statistiquement significatives au
seuil de 1 %. Celles-ci sont notamment l’âge, le niveau d’instruction, l’accès aux crédits
agricoles, le recours au revenu extra-agricole, le statut foncier des exploitations agricoles et
la proportion des arbres productifs.
Les résultats de l’estimation montrent que l’âge des chefs d’exploitation, le niveau
d’instruction, l’accès au crédit et la proportion des arbres productifs sont significatifs
et influencent positivement le niveau d’efficacité technique des exploitations oléicoles à
Chbika. En revanche, le revenu non agricole et l’accès à la terre l’influencent négativement.
Comme nous venons de le voir, nous en arrivons à la conclusion que nos deux objectifs de
recherche ont été atteints. En effet, nos analyses corroborent la plupart des hypothèses de
recherche émises dès le départ. Dès lors, sur la base de ces résultats, nous esquissons en
conclusion un ensemble de préconisations en termes d’actions publiques à Chbika, en matière
d’amélioration de l’efficacité, visant notamment les exploitations oléicoles.
En effet, des efforts particuliers seraient fournis dans diverses orientations. Comme nous
l’avons souligné un peu plus haut, les interventions peuvent être concentrées en grande partie
sur les formulations de stratégies et politiques, à savoir la fourniture des assistances
techniques agricoles, la sensibilisation et la vulgarisation des exploitants à travers les
formations agricoles, l’encouragement de la recherche appliquée, l’amélioration de l’accès
aux facteurs de production, l’octroi de crédits aux agriculteurs, l’amélioration du cadre
institutionnel, le rajeunissement des vieilles plantations.
Ces plans d’actions doivent être appuyés financièrement et techniquement par les institutions
responsables afin qu’ils puissent améliorer le degré actuel de la performance des
exploitations oléicoles dans le but de les rendre plus compétitives.
138
Toutefois, il est important de se questionner sur les réelles possibilités de les atteindre en
regard du contexte du pays et des contraintes dans lequel fait face aujourd'hui le secteur
agricole.
Malheureusement, dans le contexte actuel, la conception et la mise en œuvre de ces actions
de développement agricole manquent souvent d’opérationnalité à cause de l’absence d’un
instrument de contrôle efficace fait encore défaut. En bout de ligne, rappelons que le présent
projet de recherche n’est rendu qu’à mi-chemin et, malgré les résultats prometteurs obtenus
lors de la discussion, il est encore trop tôt pour confirmer le véritable impact des stratégies
et les actions qui seront mises en place pour améliorer le secteur oléicole.
Par conséquent, ce travail ne vise pas réellement à fournir des solutions toutes faites aux
décideurs et aux institutions responsables, mais leur offre plutôt des outils de réflexion afin
d’apporter des solutions efficaces et pérennes ancrées dans les problématiques techniques,
institutionnelles et socioéconomique de l’ensemble des exploitations oléicoles de la région
et donc chercher à promouvoir le secteur oléicole et améliorer les conditions des producteurs
d’olives en Tunisie.
i
Référence bibliographique
▪ Abbott, M., et Doucouliagos, C. (2003). The efficiency of Australian universities: a
data envelopment analysis. Economics of Education Review 22.
▪ Agbodji, A. (2010). Incitations et Performance Productive: une Analyse Empirique
dans le Secteur Manufacturier du Togo FASEG/Université de Lomé, Togo. European
Journal of Development Research (2010) 22, pp. 252-272.
▪ Adjognon, S. G., (2009). Mesures d’efficacité technico l’activité d’étuvage du riz :
cas du département des collines au Benin. Université d’Abomey Calavi. P.27.
▪ Aigner, D-J., et Chu, S-F. (1968). On Estimating the Industry Production Function.
The American Economic Review, vol. 58, n°. 4, pp. 826-839.
▪ Aigner, D-J., Lovell, C-A., et Schmidt, P. (1977). Formulation and Estimation of
Stochastic Frontier Production Functions. Journal of Econometrics, vol. 6, pp. 21-37.
▪ Albouchi, L., Bachta M. S., et Jacquet F. (2005). Estimation et décomposition de
l’efficacité économique des zones irriguées pour mieux gérer les inefficacités
existantes. Les instruments économiques et la modernisation des périmètres irrigués,
M.S. Bachta, pp. 21-22.
▪ Albouchi, L., Bachta M. S., et Jacquet, F. (2007). Efficacités productives comparées
des zones irriguées au sein d’un bassin versant. New Medit N. 3/2007, pp. 4-13.
▪ Albouchi, L., Bachta M.S., et Le Gruss P. (2004). Pour une meilleure valorisation
globale de l’eau d’irrigation : une alternative de réallocation de la ressource sur des
bases économiques : cas du bassin du Merguellil en Tunisie centrale. Actes de l’atelier
du PCSI, Montpellier, France. P.12.
▪ Alcaide-López-de-Pablo, D., Dios-Palomares, R., et Prieto, A.M. (2014). A new
multicriteria approach for the analysis of efficiency in the Spanish olive oil sector by
ii
modelling decision maker preferences. Eur J Oper Res 234 (1), pp. 241-
252. http://dx.doi.org/10.1016/j.ejor.2013.09.030.
▪ Amara, N. (2007). Méthodes d’analyse quantitatives des données : La régression et
la corrélation linéaire. Québec, Notes du cours Méthodologie de la recherche
l’Université Laval.
▪ Amara, N., et Romain, R. (2000). Mesures de l'efficacité technique : revue de la
littérature. Centre de Recherche en Économie Agroalimentaire, Faculté des Sciences
de l’Agriculture et de l’Alimentation, Université Laval, Série Recherche SR.00.07,
pp. 1-34.
▪ Ambapour, S. (2001). Estimation des frontières de production et mesures de
l’efficacité technique, Bureau D'application Des Méthodes Statistiques Et
Informatiques, DT 02/2001, pp. 1-27.
▪ Amores, A. F., et Contreras, I. (2009). New approach for the assignment of new
European agricultural subsidies using scores from data envelopment analysis:
Application to olive-growing farms in Andalusia (Spain). European Journal of
Operational Research, 193(3), pp. 718-729.
▪ Angers, M. (1996). Initiation pratique à la méthodologie des sciences humaines (2e
éd.). Montréal: CEC.p.39.
▪ APIA (2016). L’agriculture tunisienne : Les atouts de la Tunisie. Repéré à:
http://www.apia.com.tn/agriculture-tunisienne.html.
▪ Artukoglu, M., Olgun, A., et Adanacioglu H. (2010). The efficiency analysis of
organic and conventionald olive farms: Case of Turkey. Agric. Econ. 56, pp. 89-96.
▪ Atici, K.B., et Podinovski, V.V. (2015). Using data envelopment analysis for the
assessment of technical efficiency of units with different specialisations: an
application to agriculture,Omega 54,pp. 72-83.
▪ Avkiran, N. (1999). The evidence on efficiency gains: the role of mergers and the
benefits to the public. Journal of banking and Finance, 23, pp. 991-1013.
iii
▪ Bachewe, F.N., Koru, B., et Taffesse, A.S. (2015). Cereal productivity and its drivers:
The case of Ethiopia. Strategy Support Program. Working Paper 75.
▪ Bachta, M.S. (2002). Comportement des irrigants face à des changements d’accès à
l’eau dans les périmètres irrigués de la plaine de Kairouan. INAT, Département
d’économie, Tunis, Tunisie CIRAD, TERA, Montpellier, France.
▪ Bachta, M.S., et Chebil, A., (2002). Efficacité technique des exploitations céréalières
de la plaine du Sers (Tunisie). Série New Medit. Mediterranean Journal of
Economics, Agriculture and Environment, 1 (2), pp. 41-45.
▪ Bachta, M.S., Zaibet, L., et Abdraouf, L. (2005). Assistance dans l’élaboration d’une
stratégie spécifique de développement des petites et moyennes exploitations agricoles
à caractère économique (PMEA-CE).
▪ BAD. (2012). Distorsions aux incitations et politique agricole en Tunisie : une
première analyse. Note économique. P.35.
▪ Banker, R.D., Charnes, A., et Cooper, W.W. (1984). Some Model for Estimating
Technical and Scale Innefficiencies in Data Envelopment Analysis. Management
Science, 30, pp. 1078-1092.
▪ Bannour, B., et Labidi, M. (2013). Efficience des banques commerciales Tunisiennes:
étude par l’approche de frontière stochastique. Panoeconomicus; Novi Sad 60.1 , pp.
103-132.
▪ Banque mondiale (2016). Indicateurs de développement dans le monde. Repéré à
http://www.banquemondiale.org.
▪ Battese G. E., et Coelli, T. J. (1992). A stochastic frontier production function
incorporating a model for technical inefficiency effects. Armidale: University of New
England, Dept. of Econometrics. Working papers in econometrics and applied
statistics. p. 69.
iv
▪ Battese, G. E. (1992). Frontier Production Functions and Technical Efficiency: a
Survey of Empirical Applications in Agricultural Economics. Agricultural
Economics, 7, pp. 185-208.
▪ Battese, G. E., et Coelli T. J. (1995). A Model for Technical Inefficiency Effects in a
Stochastic Frontier Production Function for Panel Data, Empirical Economics, vol.
20, pp. 325 – 332.
▪ Battese, G.E., et Corra, G.S. (1977), Estimation of a production frontier model with
application to the pastoral zone of Eastern Australia, Australian Journal of
Agricultural Economics, n°21, pp. 169-179.
▪ Baumstark, L., Menard, C., Roy, W., et Yvrande-Billion, A. (2005). Modes de gestion
et efficience des opérateurs dans le secteur des transports urbains de personnes.
Rapport du PREDIT, 154 p.
▪ Beaud, S. (1996). L’usage de l’entretien en sciences sociales. Plaidoyer pour
l’entretien ethnographique. Politix 9, 226–257.
▪ Bégin, R. (2014). L’effet du travail hors-ferme sur l’efficacité technique des fermes
laitières un modèle intégrant les biais de sélection sur les observables et
inobservables. Mémoire de maîtrise en économie rurale. Université laval. p.68.
▪ Beltrán-esteve, M. (2013). Assessing technical efficiency in traditional olive grove
systems: A directional metadistance function approach. Economía Agraria y
Recursos Naturales - Agricultural and Resource Economics, [S.l.], v. 13, n. 2, p. 53-
76, jan. 2014. ISSN 2174-7350.
• Ben Nasr, J. (2015). Gouvernance et performance de la gestion de l’eau d’irrigation
en Tunisie : cas des périmètres irrigués de Nadhour-Zaghouan. Institut National
Agronomique de Tunis (TUNISIE). HAL Id : tel-01303283, version 1.
v
▪ Ben Nasr, J., Akkari, T., Fouzai, A., et Bachta, M. S. (2016). Le mode d’accès à l’eau
d’irrigation un déterminant de l’efficacité exploitations agricoles : Cas du périmètre
irrigué de Sidi Ali Ben Salem, Kairouan-Tunisie. Agri & BioTech. Volume 29.
▪ Ben Romdhane, M. (2010). La flambée des prix internationaux des produits
alimentaires : Ses effets et sa gestion en Tunisie.
▪ Benoît, R., et Blöss-Widmer, I. (2010). L’enseignement des sondages au plus grand
nombre : quelques réflexions tirées de l’expérience. Statistique et Enseignement
(ISSN 2108-6745), Société Françaises de Statistique, 1 (1), pp. 47-63.
▪ Berger, A.N., et Humphrey, D.B. (1997). Efficiency of Financial Institutions:
International Survey and Directions for Future Research. EJOR 98(2), pp. 175-212.
▪ Besbes, M., Chahed, J., et Hamdane, A. (2014). Sécurité hydrique de la Tunisie. Gérer
l’eau en conditions de pénurie. Le Harmattan, Paris.
▪ Binam, J.N., Tonyé, J., Wandji, N., Nyambi, G., et Akoa, M. (2004). Factors affecting
the technical efficiency among smallholder farmers in the slash and burn agriculture
zone of Cameroon. Food Policy 29, pp. 531-545.
▪ Blancard, S., Boussemart, J-P., Flahaut, J., et Lefer, H-B. (2013). Les fonctions
distances pour évaluer la performance productive d’exploitations agricoles.
Économie rurale, n°334.
▪ Borodak, D. (2007). Les outils d’analyse des performances productives utilisés en
économie et gestion : la mesure de l’efficience technique et ses déterminants. Cahier
de recherche du Centre d’Études et de Recherches (C.E.R). Groupe ESC Clermont
▪ Bosman, N., et Frecher F. (1992). Une étude comparative de l’efficacité technique du
secteur de la santé au sein des pays de l’O.C.D.E, Working Paper, 92/08, CIRIEC,
Université de Liège.
vi
▪ Bravo-Ureta, B.E. (1986). Technical Efficiency Measures for Dairy Farms Based on
a Probabilistic Frontier Function Model. Canadian Journal of Agricultural
Economics, 34, pp. 399-415.
▪ Carlson, S. (1939). A Study on the Pure Theory of Production. London: King.
▪ Carné Carnavalet, C. (2015). Xylella fastidiosa : un fléau sous contrôle potentiel. 3C
Agro Conseil. p.5.
▪ Chabalgoity, L., Marihno, E., Benegas, M., et Neto, P.M.J. (2005). The impact of
deregulamentation on the Brezilian banking industry: A production metafrontier
approach. Working Paper, CAEN da UFC.
▪ Chaffai, M.A. (1997). Estimation des frontières d’efficience : un survol de
développement récent de la littérature. Revue d’économie de développement, 3, pp
33-67.
▪ Chahtour, N. (1999). Analyse paramétrique et non paramétrique de l’efficacité
technique du secteur laitier. Étude de cas: l’office des terres domaniales. Mémoire de
cycle de spécialisation, Institut National Agronomique de Tunisie.
▪ Charbonneau, C. (1988). Analyse et généralisation des résultats. In M. Robert (dir.),
Fondements et étapes de la recherche scientifique en psychologie (3' édition), pp. 311-
340.
▪ Charnes, A., Cooper, W., et Rhodes, E. (1978). Measuring the Efficiency of Decision
Making Units. European Journal of Operational Research, 2, pp. 429-444.
▪ Charron, A. (2004). La description de pratiques d'orthographes approchées
d'enseignantes du préscolaire en contexte québécois: une réflexion méthodologique.
In Actes du 9' colloque de lAIRDF, pp. 1-14.
▪ Chatti-kolsi, A., Chelli-Chaabouni, A., et Ksantini, M. (2016). Effet de l’anatomie de
la feuille sur l’évolution des acariens ériophyides de l’olivier en Tunisie. Cah.
Agric.25: 45003.
vii
▪ Chebil, A., Bahri, W., et Frija, A. (2013). Mesure et déterminants de l’efficacité
d’usage de l’eau d’irrigation dans la production du blé dur: cas de Chabika (Tunisie).
NEW MEDIT N. 1, pp. 49-55.
▪ Chebil, A., Frija A., et Alyani R. (2016). Measurement of the total factor productivity
and its determinants: the case of the wheat sector in Tunisia. NEW MEDIT N. 2/2016,
pp. 22-27.
▪ Chemak, F., Allagui, L., et Ali, Y. (2014). Analyse des performances techniques des
producteurs de la pomme de terre en Tunisie. Une approche non paramétrique. New
Medit N. 4/2014, pp. 72-80.
▪ Chemak, F., et Dhehibi, B. (2010). Efficacité technique des exploitations en irrigué :
une approche paramétrique versus non paramétrique. New Medit, 2, pp. 32-41.
▪ Chemak, F., Boussemart, J.-Ph., et Jacquet, F. (2010). Farming system performance
and water use efficiency in the Tunisian semi-arid region: data envelopment analysis
approach. International Transactions in Operational Research, vol. 17, n°3, pp. 381-
396.
▪ Chogou, S. K., Gandonou, E., et Fiogbe, N. (2017). Technical efficiency of small-
scale pineapple production in Benin. Cah. Agric, Volume 26, Number 2. P.6
https://doi.org/10.1051/cagri/2017008.
▪ Christensen, L.R., Jorgenson, D.W., et Lau, L.J. (1971). Conjugate Duality and the
Transcendental Logarithmic Production Function. Econometrica, juillet, n°39(3), pp.
255-256.
▪ Christensen, L.R., Jorgenson, D.W., et Lau, L.J. (1973). Transcendental Logarithmic
Production Frontiers. Review of Economics and Statistics, 55(1), pp. 28-45.
▪ Clement, J.P., Valdmanis, V.G., Bazzoli, G.J., Zhao, M., et Chukmaitov, A., (2008).
Is More Better? An Analysis of Hospital Outcomes and Efficiency with a DEA Model
of Output Congestion. Health Care Management Science, pp. 67-77.
viii
▪ Cling, J.P., Razafindrakoto, M., et Roubaud, F. (2005). Export processing zones in
Madagascar: A success story under threat?. World Development 33 (5), pp. 785–803.
▪ CNEA. (2014). Projet de Développement Agricole Intégré Participatif du
Gouvernorat, Tunisie. Ministère de l’Agriculture en Tunisie.
▪ Coelli, T. (1996). A Guide to Frontier Version 4.1: A Computer Program for
Stochastic Frontier Production and Cost Function Estimation. Working Paper n° 7/96,
Centre for Efficiency and Productivity Analysis (CEPA), Department of
Econometrics, University of New England, Armidale, Australia.
▪ Coelli, T., et Fleming, E. (2004). Diversification Economies and Specialisation
Efficiencies in a Mixed Food and Coffee Smallholder Farming System in Papua New
Guinea. Agricultural Economics, 31, pp. 229-239.
▪ Coelli, T., Rao, D.S.P., et Battese. G. E. (1998). An introduction to efficiency and
productivity analysis. Kluwer Academic Publishers, Boston/Dordrecht/London.
▪ Cornée S., et Thenet G., (2017). Efficience des institutions de microfinance en
Bolivie et au Pérou : une approche data envelopment analysis en deux
étapes. Finance Contrôle Stratégie. Repéré à : http://fcs.revues.org/1768 ; DOI :
10.4000/fcs.1768.
▪ CRDA de kairouan. (2014). Rapport d’activité annuel. Commissariat Régional au
développement Agricole(CRDA), Kairouan, Tunisie.
▪ CRDA de Zaghouan. (2013). Rapport d’activité annuel. Commissariat Régional au
développement Agricole(CRDA), Zaghouan, Tunisie.
▪ CRDA. (2015). Monographie de la région de Chbika présenté par la cellule de
statistique dans le CRDA
▪ CTV du Chbika. (2014). Rapport d’activités. Cellule Technique de Vulgarisation.
Commissariat Régional de Développement Agricole de Kairouan, Tunisie.
ix
▪ Cukur, F., Saner, G., Cukur, T., Dayan, V., et Adanacioglu, H. (2013). Efficiency
analysis of olive farms: The case study of Mugla province, Turkey. Journal of Food,
Agriculture and Environment, 11(2), pp. 317-321.
▪ Davidova, S., et Latruffe, L. (2007). Relationships between technical efficiency and
financial management for Czech Republic farms. Journal of Agricultural Economics,
pp. 269 – 288.
▪ Debreu, G. (1951). The Coefficient of Resource Utilization, Econometrica, Vol. 19,
No. 3, July, pp. 273-292.
▪ Deslauriers, J.-P. (1991). Recherche qualitative : guide pratique. Montréal: McGraw-
Hill.
▪ Dhehibi B. et Telleria, R. (2012). Irrigation water use efficiency and farm size in
tunisian agriculture: a parametric frontier analysis approach. Am.-Eurasian J. Agric.
Environ. Sci., 12 (10) (2012), ISSN 1818-6769, pp. 1364-1376.
▪ Dhehibi, B., Lachaal, L., Elloumi, M., et Messaoud, E. (2007). Measuring irrigation
water use efficiency using stochastic production frontier: An application on citrus
producing farms in Tunisia. African Journal of Agricultural and Resource Economics,
1 (2), pp 1-15.
▪ Djimasra, N. (2009). Efficacité technique, productivité et compétitivité des
principaux pays producteurs de coton. Economies et finances. Université d’Orléans.
P.408.
▪ Droesbeke, J.J., et Fine, J. (2010). Dossier pédagogique : Des outils pour
l’enseignement et l’interprétation de la statistique dans l’enseignement secondaire.
Deuxième colloque francophone international sur l’enseignement de la statistique.
▪ Dussaix, A.M. (2009). La qualité dans les enquêtes. Revue MODULAD. Numéro 39,
pp. 137-171.
x
▪ El Moussawi, C., et Obeid, H. (2010). Evaluating the Productive Efficiency of Islamic
Banking in GCC: A Non-Parametric Approach. International Research Journal of
Finance and Economics, ISSN 1450-2887 Issue53, Euro Journals Publishing, Inc.
2010. Repéré à: http://www.eurojournals.com/finance.htm.
▪ Elfkih S., Wannessi O., et Mtimet N. (2013). Le commerce équitable entre principes
et réalisations: le cas du secteur oléicole Tunisien. NEW MEDIT N. 1/2013. P. 14.
▪ Elloumi, M. (2006). L'agriculture tunisienne dans un contexte de libéralisation, pp.
130-156.
▪ Elloumi, M. (2013). Trois ans après : retour sur les origines rurales de la révolution
tunisienne. Confluences Méditerranée, n° 4, pp. 193-203.
▪ Elloumi, M., et Jouve A-M. (2003). Bouleversements fonciers en Méditerranée, des
agricultures sous le choc de l’urbanisation et des privatisations, Karthala–CIHEAM,
Montpellier, 384 p.
▪ FAO, CIHEAM-IAMM et CIRAD (2017). Étude sur l’agriculture familiale à petite
échelle au Proche-Orient et Afrique du Nord. Pays focus : Tunisie.
▪ FAO. (2004). La situation mondiale de l’alimentation et de l’agriculture. Le
commerce agricole et la pauvreté : le commerce peut-il être au service des pauvres?.
Rome, FAO, Agriculture Séries [36], 225 p.
▪ FAO. (2014). Repéré à www.fao.org.net.
▪ FAO. (2015a). La situation mondiale de l’alimentation et de l’agriculture : Ouvrir
l’agriculture familiale à l’innovation. Rome. P. 109.
▪ FAO. (2015b). Tunisie : Analyse de la filière oléicole. Organisation des Nations
Unies pour l’alimentation et l’agriculture Rome (Jackson D., Paglietti L., Ribeiro M.,
Karray B.). p.165.
▪ FAOSTAT. (2016).
xi
▪ Farrell, M. J. (1957). The measurement of productive efficiency, Journal of the Royal
Statistical Society, Series A (General), Vol. 120, No. 3, pp. 253 - 290.
▪ Fautras, M. (2017). La terre entre racines, épargnes et spéculations. Appropriations
foncières et recompositions de l'espace rural à Regueb (Tunisie). Géographie.
Université Paris Ouest Nanterre La Défense (Paris).
▪ Ferrier, G.D., Rosko, M., et Valdmnis, V.G. (2006). Analysis of Uncompensated
Hospital Care Using a DEA Model of Output Congestion. Health Care Management
Science. 9, pp. 181-88.
▪ Filali, M. S. (2008). L’évolution de l'efficience technique de la production laitière
québécoise. Mémoire présenté à la faculté des études supérieures de l'université Laval
dans le cadre du programme de maîtrise en économique. P. 69.
▪ Fok, M., Ndoye, O., et Koné, S. (2013). L’agriculture face aux défis de l’alimentation
et de la nutrition en Afrique : quels apports de la recherche dans les pays cotonniers.
1ère conférence de la recherche africaine sur l’agriculture, l’alimentation et la
nutrition. Yamoussoukro, Côte d’Ivoire, 4-6 juin 2013. P. 689.
▪ Fortin, M.F. (2006). Fondements et étapes du processus de recherche. Montréal:
Chenelière Éducation.
▪ Frija, A., Chebil, A., Speelman, S., et Faysse, N., (2014). A critical assessment of
groundwater governance in Tunisia. Water Policy, 16(2), pp. 358–373.
▪ Gauthier, B. (2003). L’évaluation de la recherche par sondage. Dans Recherche
sociale : de la problématique à la collecte des données 4, sous la direction de Benoît
Gauthier, p. 561-601. Québec: Presses de l'Université du Québec.
▪ Gerville-Réache L., Couallier V., et Paris N. (2011). Échantillon représentatif (d’une
population finie) : définition statistique et propriétés. Archive ouverte
pluridisciplinaire HAL, hal-00655566. P.9.
xii
▪ Ghali, M., Daniel, K., Colson, F., et Latruffe, L. (2014). Diagnostic de l’efficacité
technique des exploitations agricoles françaises : une analyse de l’efficacité
d’utilisation des ressources énergétiques et exploration des déterminants relevant des
pratiques agricoles. p.29.
▪ Giannakas, K., Tran, K., et Tzouvelekas, V. (2000). Efficiency, technological change
and output growth in Greek olive growing farms: a Box-Cox approach. Appl Econ
32, pp. 909–916.
▪ Greene, W. H. (2008). The econometric approach to efficiency analysis. In: Fried, H.
O., Lovell, C. A. K. & Schmidt, S. S. (eds.) The Measurement of Productive
Efficiency and Productivity Change. New York, Oxford University Press.
▪ Gunther, C. B., et Chauveau, T. (2002). L’efficacité technique peut-elle contribuer à
l’évaluation du risque d’insolvabilité ? Le cas des banques commerciales
européennes. Revue française d'économie.
▪ Hadley, D., Sankar, B., Thirtle, C., et Coelli, T. (2001). Financial exposure and farm
efficiency: Evidence from the England and Wales dairy sector. Annual Meetings of
the American Agricultural Economics Association (AAEA), Chicago, Illinois. 5-8
August. AAEA, Milwaukee, Wisconsin, USA.
▪ Haji, J. (2007). Production efficiency of smallholders’ vegetable-dominated mixed
farming system in eastern Ethiopia: A non-parametric approach. Journal of African
Economies, 16, pp. 1-27.
▪ Hanafi, S. (2011). Approche d’évaluation de la performance des systèmes irrigués à
l’échelle des exploitations agricoles. Cas du périmètre irrigué de Borj Toumi (vallée
de la Medjerda-Tunisie). Thèse de doctorat, AgroParis Tech. P.11. http://tel.archives-
ouvertes.fr/tel-00920810.
▪ Hasnah, Fleming, E., et Coelli, T. (2004). Assessing the performance of a nucleus
estate and smallholder scheme for oil palm production in West Sumatra. Agricultural
Systems, 79, pp. 17-30.
xiii
▪ Hausman, J.A., et Taylor, W.E. (1981). Panel data and unobservable individual
effects. Econometrica.49, pp. 1377-1398.
▪ Hazarika, G., et Alwang, J. (2003). Access to credit, plot size and cost inefficiency
among smallholder tobacco cultivators in Malawi. Agricultural
Economics. 2003;29(1), pp. 99-109.
▪ Hicks, J. R. (1946). Annual Survey of Economic Theory: Monopoly. Econometrica
13, p. 1-20.
▪ Hossain, M.K., Kamil, A.A., Baten, M.A., et Mustafa, A. (2012). Stochastic Frontier
Approach and Data Envelopment Analysis to Total Factor Productivity and
Efficiency Measurement of Bangladeshi Rice. Université de Nantes, France.
https://doi.org/10.1371/journal.pone.0046081.
▪ Huang, C.J., et Liu, J.T. (1994). Estimation of a non-neutral stochastic frontier
production function. Journal of Productivity Analysis 5, pp.171-180.
▪ Igue, C.B., (2006). Réforme du système financier, efficacité bancaire et croissance
économique : une référence à la zone UEMOA. Thèse de doctorat unique, UFR/SEG,
université de Ouagadougou, Burkina Faso, 223 pp.
▪ Institut National de la Statistique Tunisie (INS). (2005). Le recensement Général de
la population et de l’habitat. Tunis.
▪ Institut National de la Statistique Tunisie (INS). (2012). Le recensement Général de
la population et de l’habitat. Tunis.
▪ Institut National de la Statistique Tunisie (INS). (2015). Recensement Général de la
Population et de l’Habitat 2014, Principaux indicateurs. Repéré à :
http://rgph2014.ins.tn.
▪ Jacobs, R., Smith, P. C., et Street, A. (2006). Measuring Efficiency in Health Care:
Analytics Techniques and Health Policy. Cambridge University Press. New York
xiv
▪ Jondrow, J., Lovell C. A., Materov, S., et Schmidt, P. (1982). On the Estimation of
Technical Inefficiency in the Stochastic Frontier Production Function Model. J.
Econometrics 19, pp. 233- 238.
▪ Kalaitzandonakes, Wu. N. G., S., et Ma, J.J. (1992). The Relationship between
Techinical Efficiency and Firm Size Revisited. Canadian Journal of Agricultural
Economics/Revue canadienne d'agroéconomie, 40(3), pp. 427-442
▪ Kalirajan, K. (1991). The importance of Efficient Use in the Adoption of
Technology: A Micro Panel Data Analysis.” Journal of Productivity Analysis 2, pp.
113–126.
▪ Kamiyama, H., Kashiwagi, K., et Kefi, M. (2016). Technical efficiency among
irrigated and non-irrigated olive orchards in Tunisia. African Journal of Agricultural
Research. Vol. 11(45), pp. 4627-4638.
▪ Karagiannis, G. et Tzouvelekas, V. (2001) Self- Dual Stochastic Production Frontiers
and Decomposition of Output Growth: The Case of Olive- Growing Farms in Greece.
Agricultural and Resource Economics Review 30(2). pp. 168- 178.
▪ Karagiannis, G., et Sarris A. (2005). Measuring and explaining scale efficiency with
the parametric approach: The case of Greek tobacco growers. Agricultural Economics
33, pp. 441-451.
▪ Karagiannis, G., et Tzouvelekas, V. (2001). Self-dual stochastic production frontiers
and decomposition of output growth: The case of olive-growing farms in Greece.
Agricultural and Resource Economics Review, 30(2), pp. 168-178.
▪ Karagiannis, G., et Tzouvelekas, V. (2009) Measuring technical efficiency in the
stochastic varying coefficient frontier model. Agric Econ 40, pp. 389-396.
▪ Karray, B. (2012). Enjeux de la filière oléicole en Tunisie et axes de développement
dans le nouveau contexte politique. Les notes d’analyse du CIHEAM. Institution de
la Recherche et de l’Enseignement Supérieur Agricole (IRESA), Tunisie.
xv
▪ Karray, B., et Kanoun, F. (2013). Potentiel de production et d’exportation d’huile
d’olive tunisienne au marché européen : une étude Delphi. OCL 2013, 21(5) D503.
▪ Kashiwagi, k. (2017). Technical Efficiency of Olive-growing Farms in the Northern
West Bank of Palestine. Faculty of Humanities and Social Sciences, Alliance for
Research on North Africa, University of Tsukuba, Tsukuba, Japan. Published by
Canadian Center of Science and Education. Sustainable Agriculture Research; Vol.
6, No. 2.
▪ Kashiwagi, K., Kamiyama, H., et Kefi, M. (2013). Productivity and technical
efficiency of olive growing farms in Tunisia. Booklet of Alliance for Research on
North Africa (ARENA), University of Tsukuba, pp. 64-74.
▪ Kirjavainen, T. (2007). Efficiency of Finnish Upper Secondary Schools: An
Application of Stochastic Frontier Analysis with Panel Data. WP 428, Government
Institute for Economic Research, Helsinki.
▪ Kitagawa, T., Kashiwagi, K., et Isoda, H. (2015). Transformation of olive related
customs and olive-growing farms in North Africa. Journal of Arid Land Studies.
Alliance for research on North Africa. University of Ysukuba, Japan, pp. 157-160.
▪ Konan, Y.R., Akanvou, L., N’cho, S., Arouna, A., Eddy, B., et Kouakou, C.K. (2014).
Analyse de l’efficacité technique des riziculteurs face à l’infestation des cultures par
les espèces parasites striga en Côte d’Ivoire. Rev. Ivoir. Sci. Technol., 23 (2014), pp.
212-223.
▪ Koopmans, T. C. (1951). Analysis of production as an efficient combination of
activities. Chapter 3, pp. 1-65.
▪ Kouakou, K. D. (2001). Crédit agricole et efficacité de la production agricole en Côte
d'Ivoire. Économie rurale 263, pp. 92-104.
▪ Kumbhakar, S., et Lovell, K. C. A. (2000). Stochastic Frontier Analysis. New York:
Cambridge University Press.
xvi
▪ Kumbhakar, S.C., Ghosh, S., et McGuckin, J.T. (1991). A Generalized Production
Frontier Approach for Estimating Determinants of Inefficiency in U.S. Dairy
Farms. Journal of Business and Economic Statistics 9, pp. 279–286.
▪ La presse. (2015). La sécheresse contraint l'Espagne à importer l'huile d'olive. Repéré
à : http://affaires.lapresse.ca/economie/international/201508/10/01-4891573-la-
secheresse-contraint-lespagne-a-importer-lhuile-dolive.php.
▪ Laajimi, A. (2007). Les périmètres irrigués en Tunisie : Un enjeu pour le
développement de la production agricole. Les notes d'alerte du CIHEAM. N. 30.
▪ Lachaal, L., Chahtour, N., et Thabet, B. (2002). Technical efficiency of dairy
production in Tunisia: a data envelopment analysis. New Medit, 1(3), pp. 22-26.
▪ Lachaal, L., Dhehibi, B., Chebil, A., et Karray, B. (2004). Technical Efficiency
Measures and its Determinants for Olive Producing Farms in Tunisia. In
Emrouznejad A, Podinovski V, (Eds.), Data Envelopment Analysis and Performance
Management. Warwick Print, Coventry, United Kingdom.
▪ Lachaal, L., Karray, B., Dhehibi, B., et Chebil, A. (2005). Technical efficiency
measures and its determinants for olive producing Farms in Tunisia: a Stochastic
Frontier Analysis. Afr. Dev. Rev. 17(3), pp. 580-591.
▪ Lambarraa, F., Serra, T., et Gil, J. (2007). Technical efficiency analysis and
decomposition of productivity growth of Spanish olive farms. Spanish Journal of
Agricultural Research, Vol. 5(3), pp. 259-270.
▪ Lambarraa, F., Stefanou, S., Serra, T., et Gil, J. (2009). The impact of the 1999 CAP
reforms on the efficiency of the COP sector in Spain. Agricultural Economics, vol.
40, pp. 355-364.
▪ Latruffe, L. (2005). Les exploitations Polonaise à la veille de l’élargissement :
efficacité des facteurs de production et structure financière. Cahiers d’économie et
sociologie rurales, n°74.
xvii
▪ Latruffe, L. (2010). Compétitivité, productivité et efficacité dans les secteurs agricole
et agroalimentaire, Éditions OCDE.
▪ Latruffe, L., Balcombe, K., Davidova, S., et Zawalinska, K. (2004). Determinants of
technical efficiency of crop and livestock farms in Poland. Applied Economics,
36(12): 1255-1263.
▪ Latruffe, L., Balcombe, K., et Davidova, S. (2008). Productivity change in Polish
agriculture: an application of a bootstrap.
▪ Latruffe, L., et Piet, L. (2013). Does land fragmentation affect farm performance? A
case study from Brittany. Factor Markets, Working Paper, No. 40, 24 p., Repéré à:
http://www.factormarkets.eu/content/does-landfragmentation-affect-farm-
performance-case-study-brittany.
▪ Lesueur, J.Y., et Plane, P. (1995). Efficience technique du secteur manufacturier
ivoirien : Estimation d’une frontière de production stochastique sur données de panel.
In: Comportements microéconomiques et réformes macroéconomiques dans les pays
en Développement. AUPELF-URF, Réseau Analyse économique et développement,
Deuxièmes Journées Scientifiques, Rabat.
▪ Leveque, J., et Roy, W. (2004). Quelles avancées permettent les techniques de
frontière dans la mesure de l’efficience des exploitants de transport urbain. In:
XIVèmes journées du SESAME, 23, 24 et 25 septembre 2004, Pau. 2004. 19 p.
▪ Louati, M.H. (2011). L’efficience d’utilisation de l’eau et approche économique.
Étude nationale de Tunisie, Plan bleu, 17 p.
▪ Lovell, C.A.K. (1993). Production Frontiers and Productive Efficiency. In Fried HO
and SS Schmidt (eds.) the Measurement of Productive Efficiency: Techniques and
Applications. Oxford U.K., pp. 3-67.
▪ Marchese, O. (2006). La méthode des quotas. CNAM.
▪ Marchese, O. (2008). Modes de recueil avec et sans enquêteur. CNAM.
xviii
▪ Meeusen, W., et Van Den Broeck, J. (1977). Efficiency estimation from Cobb-
Douglas production function with composed error. International Economic Review
18, pp. 435-444.
▪ Messaoud, E., Ghaier, M.T.S, Aichi, H., Beji, M.F., et Zaibet, L. (2016). Analyse de
l’efficacité technique des exploitations agricoles: Cas du périmètre irrigué de la
région de Sidi Thabet. Journal of new sciences Agriculture and Biotechnology,
Volume IABC (5), pp. 1228-1232.
▪ Milano, M., Ruelland, D., Fernandez, S., Dezetter, A., Ardoin- Bardin, S., Fabre, J.,
Thivet, G., et Servat, E. (2013). Current state of Mediterranean water resources and
future trends under climatic and anthropogenic changes, Hydrol. Sci. J., Vol.58, N°3,
pp. 498-518.
▪ MINADER (Ministère de l'Agriculture et du Développement Rural). (2005).
Document de stratégie de développement du secteur rural. Document de travail,
République du Cameroun.
▪ Ministère de l’Agriculture (MA). (2010). Annuaire des statistiques agricoles, Tunisie.
▪ Ministère de l’Agriculture Tunisie (MA). (2012). Les enquêtes sur les structures des
exploitations agricoles en Tunisie1994-95; 2004-05 et 2009-10. DGEDA.
▪ Ministère de l’agriculture Tunisie (MA). (2015). Rapport d’activité. DGEDA.
▪ Miri, M. (2014). Mesure de l’efficience des exploitations agricoles dans les régions
arides de la Tunisie. Maitrise en économique. Université Laval.
▪ Murillo-Zamorano, L. R. (2004). Economic Efficiency and Frontier Techniques.
Journal of Economic Surveys, 18, pp. 33–77.
▪ Murillo-Zamorano, L. R., et Vega-Cervera, J.A. (2001). The use of parametric and
non-parametric frontier methods to measure the productive efficiency in industrial
sector: A comparative study. International journal of production economics 69,
pp.265-275.
xix
▪ Naceur, M., Sghaier, M., et Bachta, M. S. (2010). Water Use and Technical
Efficiencies in Private Irrigated Perimeters in Zeuss-Koutine Watershed, South
Eastern Tunisia. Ohrid, Republic of Macedonia.
▪ Ndegue Fongue, M.K., Tamini, L.D., Larue, B., et West, G.E. (2014). Efficiences
technique et environnementale en agriculture : le cas du bassin de la rivière Chaudière
au Québec. CREATE. Working Paper 2014-10. p. 28.
▪ Ngom, C.A.B., Sarr, F., et Fall, A. A., (2016). Mesure de l’efficacité technique des
riziculteurs du bassin du fleuve Sénégal. Économie rurale, 355 | 2016, pp. 91-105.
▪ Nuama, E. (2006). Mesure de l’efficacité technique des agricultrices de cultures
vivrières en Côte-d’Ivoire, Économie rurale, No. 296, Novembre-décembre, pp. 1-16.
▪ Nuama, E. (2010). L’efficacité technique des riziculteurs ivoiriens : la vulgarisation
en question, Économie Rurale, pp. 39-47.
▪ Nyemeck B.J., Sylla, K., et Diarra, I. (2004). Factors Affecting Technical Efficiency
among Coffee Farmers in Côte d’Ivoire: An Evidence from the Centre West Region.
African Development Review 15 (1), pp. 66–76.
▪ Observatoire National de l’Agriculture (ONAGRI). (2016). Résultats de l’enquête sur
l’estimation de la production des olives à huile Par mesure objective : Campagne
2015-2016.
▪ Office national de l’huile (ONH). (2007). Repéré à www.onh.com.
▪ Office national de l’huile (ONH). (2016). La production de l’huile d’olive en Tunisie.
Repéré à www.onh.com.
▪ Onwuchekwa, I. (2008). Technical efficiency of cassava farmers in South Eastern
Nigeria: Stochastic Frontier Approach. Agricultural Journal 3(2), pp. 152-156.
▪ Ozden, A., et Dios-Palmores, R. (2016). Is the olive oil an efficient sector? A meta
frontier analysis considering the ownership structure. New Medit, 15(3), pp. 2-9.
xx
▪ Padilla-Fernandez, M.D., et Nuthall, P. L. (2009). Technical efficiency in the
production of sugar cane in Central Negros area, Philippines: An application of data
envelopment analysis. Journal of International Society for Southeast Asian
Agricultural Sciences. 15(1), pp. 77-90.
▪ Palomares, R., et Martinez, J. M. (2011). Technical quality and environmental
efficiency of the olive oil industry. food policy, pp. 526-534.
▪ Piot, I. (1994). Mesure non paramétrique de l’efficacité. Cahiers d’Économie et de
Sociologie Rurales, n°31-1994, pp.14-41.
▪ Piot, I., et Vermersch, D. (1993). Mesure non paramétrique des efficacités: une
approche duale. In Méthodes & Instruments, n°3, INRA-ESR, 1993, 45 p.
▪ Piot-Lepetit, I., et Rainelli, P. (1996). Détermination des marges de manœuvre des
élevages à partir de la mesure des inefficacités. INRA, unité d’Économie et sociologie
rurales, Rennes, France, Production animale, 9 (5), pp. 367-377.
▪ Poussin, J., Benbihou, A., et Beji, R. (2007). Usages agricoles de l’eau et valorisation
dans la plaine de Kairouan, Tunisie centrale, pp. 1-12.
▪ Ray, S. (1988). Data envelopment analysis, nondiscretionary inputs and efficiency:
an alternative interpretation. Socio-Economics. Plann. Sci. 22, pp. 167-176.
▪ Reifschneider, D., et Stevenson, R. (1991). Systematic Departures from the Frontier:
A Framework for the Analysis of Firm Inefficiency. International Economic Review,
32, 715-723.
▪ Reinhard, S., Lovell, C.A.K., et Thijssen, G.J. (2000). Environmental efficiency with
multiple environmentally detrimental variables; estimated with SFA and DEA.
European Journal of Operational Research 121, pp. 287 – 303.
▪ Rivera, C. (2004). Measuring the productivity and efficency of railways (an
international comparison), PhD thesis, University of Leeds.
xxi
▪ Romain, R., et Lambert, R. (1995). Efficacité technique et coûts de production dans
les secteurs laitiers du Québec et de l'Ontario. Canadian Journal of Agricultural
Economics/Revue canadienne d'agroéconomie, 43, pp. 37–55.
▪ Ruggiero, J., et Vitaliano, D.F. (1999). Assessing the efficiency of public schools
using data envelopment analysis and frontier regression. Contemporary Economic
Policy, 17 (3), pp. 321-331.
▪ Samuelson, P. A. (1947). Foundations of Economic Analysis. Cambridge: Harvard
University Press.
▪ Saucier, A., et Brunelle, Y. (1995). Les indicateurs et la gestion par résultats,
Direction générale de la planification et de l’évaluation. Ministère de la santé et des
services sociaux. Gouvernement du Québec.
▪ Selmi, S., Ben Ali, S., et Hadded, S. (2015). Accès aux crédits bancaires et efficience
technique des exploitations agricoles dans les périmètres irrigués du gouvernorat de
Tataouine dans le Sud-Est tunisien. New Medit N. 1, pp. 75-80.
▪ Shephard, R. W. (1953), Cost and production functions, Princeton University Press.
▪ Solhi, S., et Rigar, S. M. (2014). Pérennité et efficience des institutions de
microfinance dans la région MENA. Working Paper 829. Economic Research Forum.
P. 4.
▪ Soulama, S. (2008). Efficacité technique et inefficience à l’échelle des Institutions de
Microfinance au Burkina Faso. Laboratoire d’Économie d’Orléans, UMR CNRS
6221. Journées Internationales de Micro-intermédiation.
▪ Thabet, B., et Mahfoudhi, L. (2001). Secteur oléicole en Tunisie : situation actuelle
et éléments de stratégie. Département d’Économie et de Développement Rural, INA,
Tunis (Tunisie), Options Méditerranéens. p. 239.
xxii
▪ Thiam, A., Bravo-Ureta, B.E., et Rivas, T.E. (2001). Technical Efficiency in
Developing Country Agriculture a Meta-analysis. Agricultural Economics, 25, pp.
235-243.
▪ Thiry, B., et Tulkens, H. (1988). La performance économique des sociétés belges de
transports urbains. Liège, C.I.R.I.E.C.
▪ Timmer, C. P. (1971). Using a Probabilistic Frontier Function to Measure Technical
Efficiency. Journal of Political of Economics, pp. 776-794.
▪ Tonsor, G., et Featherstone, A. (2009). Production efficiency of specialized swine
producers. Review of Agricultural Economics, 31, pp. 493-510.
▪ Touhami, N., (2013). Détection des arbres par imagerie Haute Résolution sur la plaine
de Kairouan, Diplôme d’ingénieur en Hydraulique et Aménagement Rural. Projet de
fin d’étude du cycle ingénieur, Institut National Agronomique de la Tunisie, Tunisie.
P.84.
▪ Tzouvelekas, V., Giannakas, K., Midmore, P., et Mattas, K. (1999). Decomposition
of olive oil production growth into productivity and size effects: A frontier production
function approach. Cahiers d’économie et Sociologie Rurales, 51, pp. 5-21.
▪ Tzouvelekas, V., Pantzios, C. J., et Fotopoulos, C. (2001). Technical efficiency of
alternative farming systems: The case of Greek organic and conventional
olivegrowing farms. Food Policy 26(6), pp. 549-569.
▪ Vitaliano, D., et Toren, M. (1994). Cost and efficiency in nursing homes: a stochastic
frontier approach. Journal of Health Economics, 13(3).
▪ Waldo, S. (2007). Efficiency in Swedish Public Education: Competition and Voter
Monitoring, Education Economics, 15(2), pp. 231-251.
▪ Worthington, C. A. (2004). Frontier Efficiency Measurement in Healthcare: A
Review of Empirical Techniques and Selected Applications. School of Economics
and Finance, Queensland University of Technology, Brisbane, Australia. P.153.
xxiii
▪ Wossink, A., et Denaux, Z.S. (2006). Environmental and Cost Efficiency of Pesticide
Use in Transgenic and Conventional Cotton Production. Agricultural Systems 90(1-
3), pp. 312-328.
▪ WWAP. (2014). Rapport mondial 2014 sur la mise en valeur des ressources en eau,
Eau et Énergie. Programme Mondial pour l’Évaluation des Ressources en Eau.
Paris/London, UNESCO Publishing/Earthscan.
▪ Yougbare, W.J., et Teghnem, J. (2016). Analyse des performances du système de
santé du Burkina Faso. <hal-01347370>.
▪ Zhu, X., Demeter, R., et Oude Lansink, A. (2008a). Competitiveness of Dairy Farms
in Three Countries: The Role of CAP Subsidies. Document présenté au 12ème
congrès de l’EAAE, Gand, Belgique.
▪ Zhu, X., Karagiannis, G., et Oude Lansink, A., (2008b). Analysing the Impact of
Direct Subsidies on the Performance of the Greek Olive Farms with a Non-Monotonic
Efficiency Effects Model. Paper presented at the 12th EAAE Congress, Gent,
Belgium.
▪ Ziaul, M., Shakil, M., et Mallick, A. (2011). Technical efficiency of agricultural
farms in Khulna, Bangladesh: Stochastic Frontier Approach. International Journal
of Economics and Finance 3(3), pp. 248-256.
xxiv
Annexe 1 : Aire de répartition de l’olivier dans le monde
Source : tiré de MISSAT, 2012
xxv
Annexe 2 : Les principales contraintes du secteur oléicole en
Tunisie
Source : Auteur, 2017
xxvi
Annexe 3 : La mesure des élasticités dans les formes
fonctionnelles Translog et Cobb-Douglas
❖ Cobb-Douglas
Élasticité des facteurs : 휀𝑖 = 𝛽𝑖
Élasticité de substitution : 𝐴𝐸𝑆𝑖𝑗 = 1
❖ Translog
Élasticité des facteurs : 휀𝑖 = 𝑓𝑖 × 𝑥𝑖
𝑦, 𝑓𝑖 =
𝜕𝑓
𝜕𝑥𝑖 = 𝑦
𝑥𝑖 ×(𝛽𝑖 + ∑ 𝛽𝑖𝑗× ln(𝑥𝑗)𝑗 )
Élasticité de substitution : 𝐴𝐸𝑆𝑖𝑗 =∑ 𝑥𝑖𝑓𝑖𝑖
𝑥𝑖𝑥𝑗 × |𝐹𝑖𝑗
𝐹|
AvecF, le hessien bordé de f et 𝐹𝑖𝑗, le cofacteur associé aux cofacteurs i et j.
Source : tiré de Heyer et al., 2004; Felipe, 2014
xxvii
Annexe 4 : illustration des axiomes de convexité et de rendement
d’échelle (Une DEA du type CRS et une autre du type VRS).
Source : tiré de Coelli et al., 2005.
Si pour une firme donnée, il y a une différence dans les indices d'efficacité mesurés par ces deux
types de DEA, ceci indique que la firme n'opère pas à une échelle optimale. L'inefficacité d'échelle
est alors donnée par la différence entre l'inefficacité technique CRS et l'inefficacité technique VRS.
Efficacité technique de la firme C (CRS) : 𝑂𝑐𝐶′
𝑂𝑐𝐶
Efficacité technique pure de la firme C (VRS) : 𝑂𝑐𝐶′′
𝑂𝑐𝐶
Efficacité d’échelle de la firme C : 𝑂𝑐𝐶′
𝑂𝑐𝐶′′
Efficacité technique totale = Efficacité technique pure × Efficacité d’échelle
xxviii
Annexe 5 : Synthèse des études relatives à l’analyse de
l’efficience des exploitations oléicoles
Auteurs Région Approche
utilisée
Taille de
l’échantillon
Inputs
Efficacité
technique en
%
Giannakas et
al. (2000) Grèce
SFA
Forme
Translog
125
(Période entre
1987-1993)
Travail, fertilisation,
terre, autres charges
74.9% (1987) à
76.8% (1993)
Tzouvelekas et
al. (2001)
Grèce DEA 84 Travail, fertilisation,
terre, autres charges
Les
exploitations
conventionnelle
s TEi 0 = 58,72
TEi 1 = 54,3
Les
exploitations
biologiques TEi
0 = 69,13 TEi 1
= 73,12
Lachaal et al.,
2005
Sfax, centre
de la
Tunisie
SFA
Forme
Translog
178
Terre, travail, capital,
consommation
intermédiaire
82
Lambarraa et
al. (2007) Espagne
SFA
Forme Cobb
Douglas
576
Travail, fertilisation,
terre, coûts,
irrigation, production
75.5 (dans la
période entre
1999–2002)
Zhu et al.
(2008) Grèce
SFA Forme
Translog Capital, travail, terre
(dans la période
entre 1995-
2004).
Amores et
Contreras
(2009)
Espagne DEA
3000
(La base de
données provient
d'un modèle
produit par le
Bureau régional
de l'agriculture
gouvernementale)
Terre (ha), nombre
d’arbres productifs
d'oliviers, terres
arborées pour chaque
ferme (ha), pluie dans
la zone de la ferme
CRS= 95.039
VRS= 95.773
xxix
(en tant que variable
non discrétionnaire)
et les dépenses
totales.
Artukoglu et
al. (2010) Turquie DEA
124
(62 exploitations
conventionnelles
et 62
exploitations
biologiques).
Superficie oléicole
Coût des engrais,
des pesticides, du
carburant, coût de la
main-d'œuvre,
Autres coûts
Les
exploitations
conventionnelle
s TEi 0 = 47.93
(CRS)
Les
exploitations
biologiques
TEi 0 = 67.68
(CRS)
Palomares et
Martinez
(2011)
Andalousie
Espagne
DEA
DEA
Maximisation
d’outputs
88
Main-d’œuvre,
capital, charges,
production (tonnes),
indice de qualité,
indice de gestion de
l’environnement
84,38
Cukur et al.
(2013) Turquie DEA 66
Superficie oléicole
Coût des engrais,
des pesticides, du
carburant, de la main-
d'œuvre,
Autres coûts (coûts
matériels.
CRS : 53.22
VRS : 65.02
Beltrán-Esteve
(2013)
Espagne
(Andalusia)
DEA +
fonction de
distance +
méta frontière
220 (99 dans les
montagnes + 121
dans les plaines).
Main-d'œuvre
Mécanisation
Pesticides
65%
Kamiyama et
al., (2016) Tunisie DEA + SFA
Coûts des engrais,
des pesticides,
irrigation et transport
SFA : 81.2%
DEA
3. CRS :
0.812
xxx
4. VRS :
0.534
Kashiwagi
(2017)
The
Northern
West Bank
of Palestine
SFA
Cobb-
Douglas
176
Capital, travail,
Superficie cultivée,
irrigation
48.6%
Source : Auteur, 2017, inspiré de Miri, 2014.
xxxi
Annexe 6 : Visualisation des principaux facteurs qui peuvent
influencer l’efficacité technique des exploitations oléicoles avec
leurs effets attendus (-/+)
Source : L’auteur, 2017.
xxxii
Annexe 7 : La distribution conditionnelle de l’inefficacité
L’indice de l’efficacité technique du producteur i peut être estimé comme suit, en estimant la
moyenne conditionnelle de ui étant donné ε𝑖:
𝑇𝐸𝑖 = 𝐸[exp(−𝑢𝑖𝑡)|휀𝑖 ] = {1 − Φ[𝜂𝑖𝑡𝜎𝑖
∗ − (𝑢𝑖∗ 𝜎𝑖
∗⁄ )]
1 − Φ (−(𝑢𝑖∗ 𝜎𝑖
∗⁄ ))} exp [−𝜂𝑖𝑡𝑢𝑖
∗ +1
2𝜂𝑖𝑡
2 𝜎𝑖∗2
]
où
ui∗ =
uσv2 − uiσu
2
σv2 + σu
2
σi∗ =
σv2σu
2
σv2 + σu
2
Φ représente la fonction de distribution de la loi normale centrée réduite.
L’inefficacité technique est estimée par 𝐸[exp (−𝑢_𝑖𝑡 )|휀𝑖.
Deux distributions de l’efficacité technique permettent de s’assurer que la deuxième composante du
terme d’erreur est non négative; une distribution exponentielle ou normale en valeur absolue.
Distribution normale en valeur absolue
E[u ε]⁄ ≡σλ
1 + λ2⟦
∅(z)
1 − Φ(z)− z⟧ ; z ≡ ελ σ⁄
Distribution exponentielle
E[u ε]⁄ ≡ z + σv
θ(z σv⁄ )
Φ(z σv⁄ ); z ≡ ε − θσv
2
xxxiii
Annexe 8 : Localisation géographique de la zone d’étude
(Chbika) en Tunisie
Source : Carte Agricole régionale du gouvernorat de Kairouan - Chbika, 2016.
xxxiv
Annexe 9 : Évolution de la précipitation moyenne annuelle dans
la plaine de Kairouan 1987-2013
Source : FAO, 2014.
xxxv
Annexe 10 : Questionnaire d’enquête
Questionnaire d’enquête
Analyse technique et socioéconomique du fonctionnement des exploitations oléicoles dans la
zone de Chbika (Kairouan-Tunisie)
Délégation………………………………………………….
Gouvernorat………………………………………………….
Imadat………………………………………………………..
1. Identification de l’exploitant agricole
Nom et Prénom :………………………………… Age : ……………… Sexe : (féminin (1), masculin (2))
Lieu de résidence : (Sur l’exploitation (1), Hors exploitation (2))
Niveau d’instruction : (Analphabète (1), Primaire (2), Secondaire (3), Supérieur (4))
Formation agricole : (Non (1) (Organisation de rencontres type : atelier (2), Journée de vulgarisation (3),
Stage de formation (4), Autre -préciser (5) ………………………)
2. Structure de l’exploitation
2.1. Capital foncier et occupation du sol
Surface Agricole Totale (ha)………………………dont
Surface Agricole Utile (ha)…………………………
Incultes et parcours (ha)……………………………
Superficie irrigable (ha)….Superficie irriguée (ha)… ...
Source d’irrigation : Oued Puits Lac PPI Barrage Autres : …………
Quel(s) type(s) de technique d’irrigation utilisez-vous ?
1. De surface (submersion)
2. Aspersion.
3. Irrigation localisée / goutte à goutte, diffuseur..)
4. Autres systèmes d'irrigation (préciser) :…………….
Avez-vous une idée de la qualité de l’eau que vous utilisez pour l'irrigation ? Bonne Moyenne Mauvaise
Ne sait pas
Numéro de l’enquête………
Date de l’enquête………..…
Lieu de l’enquête…………..
Enquêteur…………………..
xxxvi
Mode de faire valoir : 1/ direct (propriété) ; 2/ Indirect (location) ; 3/ collectif 4/ Association 5/Métayage
2.2. Le capital fixe de l’exploitation
Bâtiments Outils
(Matériels agricoles)
Moyens de
traction
Bétail
capital fixe de l’exploitation
(oui/non)
1.1. Main-d’œuvre
Familiale Permanente Occasionnelle
F H F
H
F
H
Nombre
Âge
Niveau d’instruction
Quantité de travail sur
l’exploitation (jours)
Les activités hors
exploitation
Salaire estimatif (DT/J)
sur exploitation
JF : Jeune femme, F : Femme, JH : Jeune Homme, H : Homme
2. Production végétale
2.1. Arboriculture
Quelle est la superficie arboricole totale :………….ha
Quelle est la superficie arboricole en irrigué ?......................ha,
Quelle est la superficie arboricole en sec ?.............................ha
Les principales plantations :
Plantation : olive
(irrigué)
Plantation : olive
(sec)
Plantation (autres)
Superficie (ha)
Nombre de pieds actuels
Rendement en (Kg/pied) ……AS…..AM…..AP ……AS…..AM…..AP ……AS…..AM…..AP
Quantité (Kg) autoconsommée,
xxxvii
Quantité (Kg) vendue
Prix ou valeur totale
Charges de production (en DT)
Eau
Plants
Fumure organique (dose/ha)*
Fumure minérale (dose/ha)*
Les produits de traitement (nom
commercial) (dose/ha)*
Taille (Jours)
Récolte
M.O salariée (jours)
M.O familiale (jours)
Frais d'entretien du matériel
hydraulique et mécanique
Transport
Total
AS : Année sèche, AM : Année moyenne, AP : Année pluvieuse
2.2. . Autres cultures :
Céréaliculture et Cultures fourragère
Quelle est la superficie totale ?……...ha
Quelle est la superficie en irrigué ?..........ha ; et en sec ?.........ha
Espèces Techniques Superficie
(ha)
Cultures
pratiquées
en rotation
avec cette
espèce
Rendement
(Kg/ha)
Quantité (Kg) Prix
DT/Kg
AS AM AP Autoconsommation Vendu
Orge En sec
En irrigué
Blé En sec
En irrigué
Orge En sec
En irrigué
Avoine En sec
En irrigué
xxxviii
Autres
AS : Année sèche, AM : Année moyenne, AP : Année pluvieuse
Cultures maraîchères
Superficie totale des cultures maraichères :…….ha
Quelle mode de culture ? (Sous serre (1), En plein champs (2))
Espèces Techniques Superfici
e
(en Ha)
Cultures
pratiquée
s en
rotation
avec cette
espèce
Rendement
(Kg/ha)
Quantité (Kg) Prix
DT/Kg
AS AM AP Autoconsommatio
n
Vendu
Charges de production des autres cultures
Composantes
Cultures maraîchère Cultures céréalière Cultures fourragère
Charges Quantité/ha Prix
unitaire
Quantité/ha Prix
unitaire
Quantité/ha Prix
unitaire
Semences
Eau
Électricité
Fumure
organique
(dose/ha)*
Fumure
minérale
(dose/ha)*
Les produits
de traitement
(nom
commercial)
(dose/ha)*
Récolte
M.O salariée
(jours)
xxxix
M.O familiale
(jours)
Frais
d'entretien
serre
matériel
hydraulique
Mécanique
Transport
Total
3. Production animale
Cheptel ovin-caprin ou bovin
Type Race Effectif Charges d’alimentation et de
bergerie par tête et par an
Nombre de têtes
autoconsommées
Nombre de
têtes vendues
Prix de vente
(DT/tête)
AS AM AP
Béliers
Brebis
Agneaux
Boucs
Chèvres
Chevreaux
Vaches
Taureaux
Veaux
AS : Année sèche ; AM : Année Moyenne ; AP : Année Pluvieuse
4. AUTRES :
• Où vendez-vous vos produits ? Marché central vente à la ferme à d’autres agriculteurs
Usine de transformation Commerce de détail Petit vente directe aux consommateurs
autoconsommation Magasins ou grandes surfaces
• Est-ce que vous avez recours au revenu extra agricole pour couvrir les charges de l’exploitation ?
(Oui (1), Non (2)).
• Avez-vous bénéficié d’une aide ou une subvention de l’État ? (Oui (1), Non (2))
• Avez-vous eu des crédits : (Oui (1), Non (2))
• Comment vous pouvez nous évaluer votre activité ? (Rentable (1) Non rentable (2))
xl
• Bénéficiez-vous de conseil agricole (choix des cultures, choix des animaux, itinéraires
techniques ….) ? (Oui (1), Non (2)) Évaluer la qualité du conseil : (bon (1), très bon (2),
mauvais (3), très mauvais (4))
Annexe 11 : Les conditions d’application du test de Student
Source : tiré de STHDA, 2017
xli
Annexe 12 : Vérification des postulats de base
Il a été procédé à la vérification du respect des cinq postulats préliminaires suivants,
nécessaires à la validité du modèle : les résidus doivent être indépendants, normalement
distribués, leur variance doit être égale pour toutes les observations (homoscédasticité). Par
ailleurs, il est important de vérifier la linéarité de la relation entre la variable dépendante et
les variables indépendantes et l’absence de la multicollinéarité entre les variables
indépendantes (Field, 2009). Bien qu'elle soit considérée uniquement comme une étape
préalable à l'analyse proprement dite, cette étape est jugée nécessaire pour voir si la structure
de nos données est satisfaisante.
Toutefois avant d’effectuer les tests classiques relatifs à la vérification des postulats,
il faut s’assurer de l’absence de scores extrêmes qui risquent de biaiser la distribution des
scores et donc les analyses. L’idée est que le modèle obtenu ne soit pas influencé par une
observation bien particulière, mais par les caractéristiques générales de toutes les données.
Si ces valeurs aberrantes ne sont pas traitées, leur présence peut biaiser les résultats des tests.
Par conséquent, dès leur identification, il sera jugé satisfaisant de les éliminer afin d’avoir un
modèle s’ajustant à la majorité de nos observations.
Ce postulat peut être vérifié à partir de la transformation d’un score brut en score Z
standardisé qui est l’équivalent de sa distance à la moyenne exprimée en écart-type. Il s’agit
de s’assurer que la valeur résiduelle se situe dans l’espace compris entre les scores Z qui
marquent le commencement et la fin de l’intervalle (la valeur -3,29 et 3,29, qui correspond à
une probabilité de 0,001). Donc, celles dont le score Z est inférieur à -3,29 ou supérieur à
3,29 sont à éliminer. Donc, d’après les résultats tirés de SPSS, le graphique de dispersion
bivariée (Scatterplot) a permis d’identifier une seule observation qui est considérée comme
étant extrême et donc la taille de l’échantillon devient 69 oléiculteurs.
Pour l'indépendance des résidus, on cherche à ce que les résidus ne soient pas corrélés
(corrélation tend vers 0). Cette prémisse peut être vérifiée à l'aide du test Durbin-Watson ou
xlii
bien à partir du graphique mettant en relation les résidus standardisés et les valeurs prédites
standardisées. Un test Durbin-Watson avec un score qui est près de 2 indique l'absence
d’autocorrélation des résidus. Donc, le postulat d’indépendance des résidus est vérifié étant
donné que la valeur de la statistique de Durbin-Watson (DW) obtenue pour l'échantillon est
de 1,79, une valeur près de 2.
Les résidus doivent également présenter des distributions normales. Plusieurs
méthodes déjà évoquées s’intéressent à la distribution des erreurs de régression de y sur
chacun des x et permettent la vérification des conditions d’utilisation de l’analyse de variance
(test d'ajustement du χ2, test de Kolmogorov-Smirnov, examens graphiques etc.). Le
graphique de normalités Q-Q-Plot (figure 15) suggère une distribution normale des résidus.
Donc, le postulat de la normalité des résidus est vérifié.
Par ailleurs, la variance des résidus doit être égale pour toutes les observations et
homogène sur toute l’étendue de la variable dépendante, c’est-à-dire que le principe
d’homoscédasticité soit respecté. L’homoscédasticité indique que la variance d’une variable
est compatible à la variance d’une autre variable. Ce postulat est vérifié l'aide d’une analyse
du graphique des résidus (le diagramme de dispersion (nuages de points) entre les valeurs
prédites de Y et les valeurs résiduelles. Le diagramme des résidus doit avoir une forme
rectangulaire uniforme et non une forme d’entonnoir, symptomatique de la violation du
postulat d’homogénéité de la variance des résidus. Le graphique de Scatterplot montre une
forme rectangulaire uniforme et confirme ainsi le postulat de l’homocédasticité.
L’examen du diagramme de dispersion des valeurs standardisées des variables
indépendantes et des valeurs standardisées des résidus permet également de vérifier la
condition de linéarité. Pour ce faire, la tendance graphique du nuage de points ne doit pas
avoir une forme curviligne. L’allure du graphique de Scatterplot respecte cette règle et permet
de conclure ainsi la relation linéaire entre la variable dépendante et les variables
indépendante.
xliii
Il convient de s’assurer aussi que les variables explicatives ne présentent pas une trop
forte multicolinéarité (les corrélations entre elles doivent être très faibles). Les deux
statistiques utilisées pour détecter la multicollinéarité sont la mesure de la tolérance et le
facteur d’inflation de la variance (Variance Inflation Factor (VIF)) qui doivent être inférieurs
à 10 ou encore à partir d'un indice de tolérance, qui doit être supérieur à 0,2 (Field, 2009).
Les résultats des tests de tolérance et de vif indiquent que la plus petite valeur
observée pour la tolérance est de 0,608, et que la plus grande valeur du VIF est de 1,645, ce
qui suggère l'absence de multicollinéarité entre les variables explicatives de notre modèle.
En guise de conclusion, on peut conclure que tous les postulats de base sont respectés et
suffisants pour effectuer l'analyse en question.
