Embed Size (px)
Citation preview
© Raoul Yaro, 2019
Résilience des agriculteurs face aux changements climatiques: un exemple d'application au Burkina Faso
Mémoire
Raoul Yaro
Maîtrise en agroéconomie - avec mémoire (M. Sc.)
Maître ès sciences (M. Sc.)
Québec, Canada
Résilience des agriculteurs face aux changements climatiques :
un exemple d’application au Burkina Faso
Raoul Boubié YARO
Maîtrise en agroéconomie
Maître ès sciences (M. Sc.)
Sous la direction du professeur Lota Dabio TAMINI
iii
RÉSUMÉ
La myriade d’approches de mesure de la résilience des ménages agricoles face aux
aléas climatiques montre le manque de consensus des chercheurs tant au niveau de la
définition du concept que dans les méthodes de mesure. Néanmoins deux tendances
se dégagent dans les études empiriques à savoir i) la réduction du nombre de
dimensions de la résilience à trois ou quatre au maximum, ii) l’utilisation de deux
approches empiriques que sont les mesures objective et subjective de la résilience.
Notre étude ayant pour but de mesurer la résilience des agriculteurs face à la
sècheresse et aux inondations dans deux régions du Burkina Faso, ainsi que son
impact sur deux indicateurs du bien-être, a adopté l’approche objective. La résilience
est mesurée à travers les capacités d’anticipation d’adaptation et d’absorption. Dans
un premier temps, la méthode d’équations structurelles a permis d’estimer les scores
pour les trois dimensions / capacités de la résilience. Lesdits scores ont été utilisés
pour construire un indice de résilience par la méthode d’analyse en composantes
principales (ACP). Enfin, une régression logistique a été utilisée pour estimer l’impact
de la résilience sur la sécurité alimentaire et le profil de pauvreté des ménages.
Il ressort des résultats de l’étude qu’il existe des corrélations positives entre les
capacités d’anticipation, d’adaptation et d’absorption et la résilience (la capacité
d’anticipation ayant la plus faible contribution dans le renforcement de la résilience).
Les régressions logistiques indiquent que l’amélioration de la résilience conduit à une
amélioration considérable de la sécurité alimentaire et à une augmentation
relativement faible du statut socioéconomique des ménages.
iv
ABSTRACT
The myriad of approaches to measure resilience of agricultural households to climate
hazards shows the lack of consensus among researchers in terms of both; the
definition of the concept and the methods of measurement. Nevertheless, two trends
emerge in the empirical studies namely i) reducing the number of dimensions of
resilience to three or four at most, ii) using two empirical approaches that are objective
and subjective measures of resilience.
Our study aims to measure farmers' resilience (using objective approach) to drought
and floods in two regions of Burkina Faso, as well as its impact on two indicators of
well-being. Resilience is measured through adaptive anticipation and absorption
capabilities. As a first step, the structural equation method allowed us to estimate the
scores for the three dimensions / capacities of resilience. These scores were used to
construct a resilience index by the Principal Component Analysis (PCA) method.
Finally, a logistic regression was used to estimate the impact of resilience on food
security and household poverty profile.
The results of the study show that there are positive correlations between anticipatory,
adaptive and absorptive capacities and resilience (anticipation capacity having the
smallest contribution to building resilience). Logistic regressions indicate that improved
resilience leads to a significant improvement in food security and a relatively small
increase in household socio-economic status.
v
TABLE DES MATIÈRES
Table des matières RÉSUMÉ ..................................................................................................................................... iii
ABSTRACT .................................................................................................................................iv
TABLE DES MATIÈRES ........................................................................................................... v
LISTE DES TABLEAUX ........................................................................................................... vii
LISTE DES FIGURES ............................................................................................................. viii
LISTE DES ABRÉVIATIONS .................................................................................................... ix
DÉDICACE .................................................................................................................................. x
REMERCIEMENTS .................................................................................................................... xi
INTRODUCTION ET PROBLÉMATIQUE............................................................................... 1
1. Mise en contexte ............................................................................................................. 1
2. La problématique de mesure de la résilience face aux effets du changement
climatique ................................................................................................................................. 4
2. Objectifs et pertinence de la recherche ...................................................................... 8
CHAPITRE I. ÉLÉMENTS CONCEPTUELS ET APPROCHES EMPIRIQUES ............. 10
1. 1. ÉLÉMENTS CONCEPTUELS ................................................................................... 11
1.1.1. La théorie de la résilience dans la littérature : définition et champs
d’application ....................................................................................................................... 11
1.1.2. Aperçu sur les théories du bien-être, de la gestion du risque, et de la
vulnérabilité ....................................................................................................................... 26
1.1.3. Choix du modèle pour notre travail ..................................................................... 29
1.2. APPROCHES EMPIRIQUES DE MESURE DE LA RÉSILIENCE DANS LE
DÉVELOPPEMENT DURABLE ......................................................................................... 33
1.2.1. L’approche objective ............................................................................................. 34
1.2.2. L’approche de la mesure subjective de la résilience ....................................... 38
1.3. LE CHOIX DE L’APPROCHE ET DES HYPOTHÈSES DE RECHERCHE ........ 42
CHAPITRE II. MÉTHODOLOGIE ......................................................................................... 43
2.1. Représentation du modèle .......................................................................................... 43
2.1.1. Les variables du modèle ...................................................................................... 45
2.2. Mesure de la résilience : spécification du modèle et approche d’estimation .. 56
2.3. Les données .................................................................................................................. 60
CHAPITRE III. RÉSULTATS ET DISCUSSIONS ................................................................ 62
3.1. PRÉSENTATION DES RÉSULTATS ........................................................................ 62
3.1.1. Analyse descriptive des variables caractéristiques des ménages ................. 62
3.1.2. Statistiques descriptives des variables manifestes du modèle ...................... 64
vi
3.1.3. L’indice de résilience ............................................................................................. 68
3.1.4. Corrélation entre les trois capacités de résilience ............................................ 69
3.1.5. Contribution des capacités d’anticipation, d’adaptation et d’absorption à
l’indice de résilience ......................................................................................................... 70
3.1.6. Analyse comparée des moyennes de l’indice de résilience ........................... 71
3.1.7. Les effets de variables explicatives sur le profil économique des ménages 72
3.1.8. Les effets des variables explicatives sur la sécurité alimentaire des
ménages ............................................................................................................................ 76
3.2. DISCUSSION DES RÉSULTATS .............................................................................. 78
CONCLUSION ET PISTES DE RÉFLEXION ...................................................................... 82
BLIOGRAPHIE .......................................................................................................................... 85
ANNEXES .................................................................................................................................. 95
vii
LISTE DES TABLEAUX
Tableau 1: Récapitulatif des approches de mesure de la résilience ........................................... 41 Tableau 2 : récapitulatif des indicateurs du modèle ............................................................ 50 Tableau 3: Statistiques descriptives des variables caractéristiques de l'échantillon ..... 63 Tableau 4:Analyse descriptive des variables discrètes et continues ............................... 65 Tableau 5 : égalité entre l'homme et la femme dans les prises de décision ................... 67 Tableau 6 : coefficient de régression des variables manifestes ....................................... 68 Tableau 7: La corrélation entre les dimensions de la résilience ....................................... 69 Tableau 8: les contributions des variables à l'inertie totale des nuages .......................... 70 Tableau 9: contribution de la capacité à l'inertie de la composante principale, et coefficients structurels ............................................................................................................. 71 Tableau 10: Tests de moyenne de l’indice de la résilience ............................................... 72 Tableau 11: Coefficients et effets marginaux des variables explicatives du modèle sur le profil économique des ménages ....................................................................................... 75 Tableau 12: coefficients et effets marginaux de groupes de SCA .................................... 76
viii
LISTE DES FIGURES
Figure 1: Le caractère interdisciplinaire de la résilience .................................................... 10 Figure 2: Évolution du concept de la résilience (de 1973 à 2017) .................................... 13 Figure 3: Illustration de la résilience écologique .................................................................. 15 Figure 4: la théorie de changement de BRACED ................................................................ 30 Figure 5: Cadre d’analyse de la résilience des ménages agricoles face aux changements climatiques ........................................................................................................ 32 Figure 6 : les piliers de la résilience ...................................................................................... 36 Figure 7: schématisation de la résilience à travers la minimisation de la perte de bien-être .............................................................................................................................................. 39 Figure 8: représentation schématique du modèle ...................................................................... 44 Figure 9: Les étapes d’estimation du modèle ............................................................................. 57
ix
LISTE DES ABRÉVIATIONS
ACP Analyse en composantes principales BRACED Building Resilience and Adaptation to Climate Extremes and Disasters CES/DRS Conservation des eaux et des sols / défense et restauration des sols DFID Departement For International Development DGPER Direction générale DE promotion de l’économie rurale DPSAA Direction de la Prospective et des Statistiques Agricoles et Alimentaires FAO Organisation de Nations-Unies pour l’alimentation et l’agriculture FSIN Food Security Information Network GES Gaz à effet de serre GIEC Groupe d’experts Inter-Gouvernemental sur l’Évolution du Climat HEA Household Economic Approch IFPRI International Food Policy Research Institute LISREL Linear structural relations MCO Moindres carrés ordinaires MIMIC Multiple Indicators Multiple Causes ONG Organisation non gouvernementale PANA Programmes d’actions nationales d’adaptation aux changements
climatiques PLS Partial Least Square RIMA Resilience Index Measure Approch SCA Score de consommation alimentaire SEM Structural Equation Modeling SES Socio Ecological System USAID Unated States Agency for International Development ZAT Zone d’appui technique
x
DÉDICACE
Je dédie ce travail de recherche à la mémoire des personnes disparues de ma famille :
À mon père Badombié YARO, et ma mère Awa Alarba ZIBA.
À ma sœur Elie Sidonie et à mes frères Bassou Pierre Claver et Bako Urbain.
xi
REMERCIEMENTS
Je rends grâce à Jéhovah Jiré (l’Eternel qui pourvoit), la santé et les portes qui m’ont
été ouvertes pour réaliser ce master en agroéconomie à l’Université Laval.
La contribution de plusieurs personnes a permis de réaliser ce mémoire. C’est avec
plaisir que je voudrais leur exprimer toute ma gratitude. Mes remerciements vont
premièrement au Professeur Lota Dabio TAMINI pour sa disponibilité à diriger ce
travail de recherche, sa patience et pour tout l’appui scientifique de qualité dont j’ai
bénéficié.
Je remercie sincèrement mon épouse Jokébed SANOU pour sa patience, sa
compréhension et son soutien moral tant inestimable. Merci à tous mes frères et sœurs
pour leur encouragement.
Mes remerciements vont à tous les enseignants du département d’agroéconomie de
l’Université Laval pour les connaissances dont j’ai bénéficié durant ces deux années de
formation.
Je tiens aussi à exprimer ma gratitude à mes ami(e)s et collègues de l’université Laval
et remercie spécialement Baoubadi ATOZOU, Marius ADOM, Ousmane TRAORE et
Eli SAWADOGO pour leur soutien.
1
INTRODUCTION ET PROBLÉMATIQUE
1. Mise en contexte
Le rôle prépondérant que joue l’agriculture n’est plus à démontrer dans les pays en
développement, et encore moins en milieu rural. La moitié de la population mondiale vit
en milieu rural et 75 % de cette population (soit 2,5 milliards) vit de l’agriculture (FAO,
2009). Selon la banque mondiale (2016)1, dans les pays à faible économie,
l’agriculture occupe plus de 80 % de la population active et contribue pour près de
29,7 % au PIB.
L’agriculture est cependant, directement et indirectement affectée par les changements
climatiques, beaucoup plus négativement dans les pays en développement. Selon le
CILSS (2016), l’évolution du climat en Afrique subsaharienne se caractérise par une
pluviométrie irrégulière, la recrudescence de fortes pluies, les inondations et
l’augmentation significative des températures. Pour les climato-réalistes (par opposition
aux climato-sceptiques), la détérioration climatique serait due d’une part à des
conditions climatiques incontrôlables, et d’autre part (dans 90 % des cas), aux actions
anthropiques telles que l’activité industrielle, la demande en bois d’énergie, la
demande en bois d’œuvre, l’expansion agricole, le surpâturage, les feux de brousse,
les politiques et gouvernance nationales et locales (Sylla et al 2016 ; Renaudin et al.
2011).
Certains auteurs, tels que Folke et al. (2002) relèvent que le développement de
l’activité anthropique au 20e siècle a apporté des changements dans l’utilisation des
terres, affectant du coup, le fonctionnement du système terrestre, et les changements
climatiques (Falkowski et al., 2000 cités par Folke et al. 2002)
Selon McNeil (2000) cité par Laurent et Le Cacheux (2015), durant le 20e siècle, la
population mondiale a été multipliée par 4, la population urbaine par 13, la demande en
eau par 9, les émissions de dioxyde de sulfure et de dioxyde de carbone,
respectivement par 13 et 17, les captures de poissons par 35 et les productions
industrielles par 40.
1 Données des comptes nationaux de la Banque mondiale et fichier de données des comptes nationaux
de l’OCDE. http://donnees.banquemondiale.org/indicateur/NV.AGR.TOTL.ZS
2
Les impacts de changements climatiques induits sont perceptibles sur l’agriculture. En
Afrique de l’Ouest, les précipitations deviennent de plus en plus faibles, de la côte
(2500 à 4000 mm en Guinée, Sierra Leone, Libéria et Nigeria), vers le sahel (800 à
1100 mm au Sénégal, Mali, Burkina Faso, Niger), tandis que le nord (Mauritanie et la
majeure partie du Mali et du Niger) est désertique. Les températures quant à elles,
augmentent de la côte humide (où la température moyenne varie entre 30° et 33°), au
nord désertique (42°-45°) en passant par le centre sahélien où les températures
varient entre 36° et 39° (Jalloh et al. 2013).
Les projections du Groupe d’experts Inter-Gouvernemental sur l’Évolution du Climat
(GIEC) indiquent qu’à l’horizon 2050, l’alimentation en eau et les productions agricoles
en Afrique seront gravement affectées. Les productions agricoles diminueraient
de 50 % dans certaines régions, tandis que d’autres (là où l’agriculture est
marginalisée) risqueraient de ne pouvoir produire (IPCC, 2014).
De façon indirecte, les moyens de subsistance et les conditions de vie déjà précaires
des populations rurales dépendantes de l’agriculture seront davantage fragilisés.
Plusieurs pays d’Afrique de l’Ouest connaissent déjà des taux de malnutrition
chronique progressivement élevés (Renaudin et Raillon, 2011), des taux de pauvreté
qui renvoient au rang des pays les plus pauvres du monde (Banque Mondiale, 2016).
Le Burkina Faso, pays sahélien au cœur de l’Afrique de l’Ouest, n’est pas épargné par
les impacts des changements climatiques sur l’agriculture. Le pays a une économie
dépendante du secteur agricole qui occupe 86 % de la population totale et contribue à
40 % du PIB (Ouédraogo et al. 2010). Le climat est de type soudano-sahélien avec
trois zones agro climatiques à pluviométries variantes : soudanienne (900 à 1200 mm),
Soudano-sahélienne (600 à 900 mm) et sahélienne (300 à 600 mm). L’agriculture est
dominée par un système pluvial et les cultures de céréales sur 88 % des superficies
emblavées. Ces cultures représentent aussi l’alimentation de base de la population
(Ouédraogo et al. 2010). L’agriculture est tributaire du climat caractérisé par des crises
répétitives depuis les années d’indépendance (1960) se traduisant par des
augmentations de température, des diminutions et irrégularités des précipitations. Les
agriculteurs sont directement affectés par la diminution des rendements agricoles, la
paupérisation et l’augmentation de l’insécurité alimentaire et nutritionnelle. Ouédraogo
et al. (2010) ont quantifié l’impact des changements climatiques sur le revenu agricole
des agriculteurs burkinabé et ont trouvé que l’agriculture du Burkina est très sensible
aux précipitations et à la variation de la température. L’augmentation des précipitations
de 1 % entrainerait une hausse des revenus agricoles de 14,7 % et l’augmentation des
températures de 1 % entrainerait une baisse des revenus agricoles de 3,6 %. Ils
3
prédisent par des analyses de sensibilité qu’une augmentation de 5 °C de température
engendrerait une perte 93 % du revenu des paysans. De même, avec une diminution
des précipitations de 14 % (ceteris paribus), les paysans n’auront absolument aucun
revenu agricole (Ouédraogo et al. 2010).
Face à cette vulnérabilité, des efforts en matière d’adaptation aux changements
climatiques ont été déployés tant au niveau mondial que national pour trouver des
réponses. Dumas (2007), cité par Gnanglé et al. (2011) définit l’adaptation au
changement climatique comme l’ensemble des mesures ou ajustements qui permettent
d’atténuer les dommages du changement ou de tirer profit de ses conséquences
positives.
En matière d’actions entreprises, Diallo et al. (2017) indiquent des mesures
d’atténuation d’émission des gaz à effet de serre ainsi que des stratégies d’adaptation.
Selon Simonet (2009), le concept de l’adaptation s’est presque « imposé » aux
scientifiques pour la simple raison que les efforts de réduction des effets ne seront pas
suffisants pour faire face aux changements climatiques de plus en plus importants.
C’est ainsi qu’avec l’appui des partenaires techniques et financiers (PTF), bon nombre
de pays de l’Afrique de l’Ouest se sont dotés depuis 2007, de programmes d’actions
nationales d’adaptation aux changements climatiques (PANA).
Ces programmes ont subi des révisions dans les années 2010 pour mettre plus
l’accent sur la réduction de la vulnérabilité des agriculteurs aux impacts des
changements climatiques par le développement des capacités d’adaptation et de la
résilience. Dorénavant, ces programmes de façon générale s’inscrivent dans une
dynamique d’assurance du développement économique et social durable axé sur des
mesures prenant en compte la résilience et l’adaptation aux changements climatiques
d’ici l’horizon 2050. Le Burkina, à titre d’exemple, s’est fixé comme objectifs dans le
cadre du PANA, i) d’accroitre la productivité via le renforcement des capacités des
acteurs, ii) d’atténuer la vulnérabilité climatique des agropasteurs, iii) de renforcer la
résilience des acteurs et des écosystèmes face aux changements climatiques, iv)
d’améliorer la conservation de la biodiversité et d’atténuer les émissions des gaz à
effet de serre (GES) (PANA-BF 2015).
Des résultats encourageants des différents programmes et projets ont été diversement
constatés. Selon Ouédraogo (2010) et Yaméogo et al. (2011), il s’agit entre autres de
l’augmentation des rendements agricoles, de la récupération des sols et des couverts
végétaux, de l’accroissement de la diversité floristique et de la biomasse herbacée. Ils
attribuent ces résultats à l’adoption des variétés améliorées de semences, des
4
techniques de conservation des eaux et des sols, de défense et restauration des sols
(CES/DRS), à la diversification des cultures et des sources de revenus agricoles.
Si ces résultats sont tangibles, il n’en est pas de même pour la résilience des
agriculteurs face aux conséquences du changement climatique.
2. La problématique de mesure de la résilience face aux effets du
changement climatique
Le concept de résilience est dérivé du mot latin « resilere » qui veut dire rebondir ou
revenir (jump back). Il est apparu premièrement dans la physique des métaux
(Hollnagel et coll., 2007), puis a connu une émergence dans les années 1970, avec les
travaux de Holling en écologie, lorsque les chercheurs étaient de plus en plus soucieux
de l’adéquation des besoins humains avec la soutenabilité des écosystèmes dans un
contexte de péril environnemental (Lallau 2011). Le concept a été appliqué dans
plusieurs autres disciplines telles que la psychologie, la psychiatrie (Antonovsky 1998 ;
Van Breda 2001), la sociologie, la socioécologie (Holling 1996.), la géographie (Adger,
2000 ; Pike et al., 2010). Récemment, à la faveur des conséquences des changements
climatiques, la résilience est réapparue dans le champ thématique du développement
durable (M. Constas, et al, 2014, GIEC 2007, Alinovi, 2009).
Le concept de la résilience redevient un concept de mode dans la planification des
projets agricoles. L’objectif commun c’est le renforcement ou l’amélioration de la
résilience d’un système (social, écologique, etc.) face à un choc donné. Au niveau des
théories de changement des programmes et projets développés à cet effet, la
tendance qui se dégage est celle de considérer la résilience comme un résultat des
interventions. Ce résultat (outcome) devenant la condition pour atteindre à moyen ou
long terme les impacts sur certains indicateurs de bien-être des individus ou des
ménages, tels que la sécurité alimentaire ou la richesse économique, etc.
Plusieurs cadres conceptuels ont été développés à travers le monde par les
chercheurs, les ONG et les institutions nationales et internationales, pour mesurer la
résilience des ménages face à un choc (Alinovi et al. 2009). La tendance actuelle est
de capitaliser les différentes approches afin d’aboutir à une approche plus ou moins
standardisée (FSIN 2014b). Parmi les modèles les plus connus, figure RIMA
(Resilience Index Measurement Approch) de la FAO. Ce modèle conçu par une
soixantaine d’experts pluridisciplinaires tire ses principes des expériences des
premiers essais de mesure de la résilience (Frankenberger & Nelson, 2013 ; Constas
et al, 2014). Le modèle RIMA considère la résilience comme une variable prédictive, à
5
la fois du bien-être des ménages et de leur vulnérabilité. Cette résilience serait aussi
fonction de deux dimensions à savoir la dimension physique (incluant les variables
comme le revenu, l’accès à l’alimentation, l’accès aux services de base, les actifs
agricoles et non agricoles, les changements climatiques, le dispositif de filets sociaux,
etc.) et la dimension des capacités (adaptation et sensibilité au choc). Le ménage
résilient est donc celui qui est capable de recouvrir son niveau initial de sécurité
alimentaire après un choc, que ce choc provienne des changements climatiques
(sècheresse, inondation, vent, etc.) ou non (par exemple un conflit, ou un choc/crise
économique).
Le souci d’avoir une vision commune de la mesure de la résilience a conduit, les
chercheurs et les développeurs (IFPRI, FAO, PAM, USAID et Union européenne) sous
la direction de FSIN (Food Security Information Network), à la conception d’un cadre
analytique commun (FSIN, 2014a). Ce cadre commun considère la résilience comme
une variable explicative de la sécurité alimentaire.
Un autre modèle récent est celui développé en 2015 par le département du
développement international du Royaume-Uni (Department for International
Development DFID) dans le cadre de son programme BRACED (Building Resilience
and Adapatation to Climate Extreme and Disasters). Ce modèle dit des 3 A
appréhende la résilience à travers les capacités d’Anticipation, d’Adaptation et
d’Absorption. Il a le mérite de s’inspirer de 50 cadres de mesure de la résilience (DFID,
2014). Il est expérimenté par les ONG partenaires d’exécution du programme
BRACED, en collaboration avec des universités américaines et allemandes.
La multiplicité des méthodes n’a pas pour autant résolu le problème de mesure de la
résilience tant les divergences sont énormes. Selon FSIN (2012, p. 4), « les
scientifiques et les praticiens devraient encore trouver un consensus sur la manière de
mesurer la résilience ». Pour Frankenberger et al. (2012), le concept de la résilience
est intrinsèquement difficile à mesurer.
Les difficultés se situent à plusieurs niveaux. L’absence d’une définition claire et
consensuelle de la résilience fait qu’il semble presque impossible d’avoir un consensus
sur indicateurs et les unités de mesure (URD, 2014). Pour Bernard (2009), les
définitions de la résilience se ressemblent, mais dans le fond, « les représentations
sous-jacentes, les idées et même les idéologies, sont parfois différentes, voire
opposées ». Il estime aussi que les définitions varient selon que l’auteur a l’ambition de
6
la « démontrer » ou de « l’expliquer ». S’il est vrai qu’il existe une myriade de définitions
de la résilience (différentes les unes des autres), un point commun semble se dégager.
En effet, l’ensemble des définitions considèrent la résilience comme une capacité ou
un ensemble de capacités que possède un système (le système pouvant être un
individu une communauté, un village, une ville, une forêt, un fleuve, etc.). Ces
capacités permettent de faire face aux perturbations ou aux changements.
Une autre réalité actuelle est le fait que la plupart des approches sont toujours à l’étape
de conception. Très peu étaient en phase d’expérimentation au début des années
2010. Selon Frankenberger et Nelson (2013),
« While various models for measuring resilience are currently under development…,
few have been field--‐tested and adopted as “standard. This is partly due to the fact
that resilience is inherently difficult to measure » (Frankenberger & Nelson, 2013, p2).
La diversité des indicateurs de mesure de la résilience amène Mock (2013) à affirmer
qu’« il n’existe pas d’indicateurs standards pour mesurer la résilience »2. Par ailleurs, il
recommande aussi la combinaison des méthodes quantitatives et qualitatives, étant
donné que la méthode quantitative à elle seule n’appréhende pas par exemple les
facteurs sociaux externes susceptibles d’influencer la résilience des individus.
La résilience est aussi mesurée à plusieurs niveaux (individuel, communautaire,
national, institutionnel, etc.). Il n’existe cependant pas de preuves empiriques sur
l’existence ou non des liens entre les différents niveaux. En outre, le niveau
institutionnel de même que les facteurs externes pouvant avoir des effets sur la
résilience individuelle ne sont souvent pas pris en compte dans les modèles. Pour Prior
et Hagmann (2013) par exemple, les politiques gouvernementales sont importantes
pour l’amélioration de la résilience.
« An important feature in mitigation (institutional resilience) is government policy and
proactivness towards mitigation, yet this aspect is not included in the resilience
indicator set » (Prior & Hagmann, 2013, p291).
C’est aussi l’avis de Bernard (2009) pour qui, les concepts de résilience, de capabilité
et d’adaptation, en plus d’être « étroitement liés », sont en lien à la fois avec les
« caractéristiques personnelles, physiques, psychologiques, psychiques et le système
2 http://www.fsnnetwork.org/document/mesurer-la-r%C3%A9silience
7
de valeurs d’un individu, mais aussi avec son milieu de vie et les ressources qui y sont
disponibles, de même que son comportement dans celui-ci ».
La difficulté de fixation d’un seuil standard d’indice de la résilience constitue une autre
contrainte. Pour Lallau (2014), mesurer la résilience individuelle revient à « évaluer une
capacité d’action, c’est-à-dire un fait non directement observable et difficilement
quantifiable ». Pour lui, ceci est un défi majeur jamais complètement résolu, car la
résilience est comme une « variable latente, évaluée au travers de la mesure d’autres
variables, elles-mêmes parfois latentes ». Si malgré tout, une méthodologie parvient à
calculer un score de résilience, la fixation d’un seuil à partir duquel un individu peut
être considéré comme résilient se fait souvent de façon arbitraire. Il en est de même
pour la détermination des seuils pour les capacités d’anticipation, d’adaptation, et
d’absorption, selon les indicateurs qui les composent.
Les acteurs du développement ont une vision positive de la résilience. En effet, dans la
formulation des projets de développement, les objectifs concernent le renforcement de
la résilience, l’amélioration de la résilience etc. La résilience est souvent considérée
comme un résultat intermédiaire pour atteindre le bien-être des individus ou le bon
fonctionnement des systèmes socioécologiques. Les chaines de résultats dans la
majorité des projets de renforcement de la résilience sont construites sur l’hypothèse
que l’amélioration de la résilience va engendrer une amélioration de certains
indicateurs donnés du bien-être tels que la sécurité alimentaire, la santé, le niveau de
richesse, etc. (BRACED 2015, Holling, 1996). Cependant, pour les auteurs comme
Reghezza-Zitt et al. (2012), la résilience peut être aussi négative lorsqu’elle engendre
plus de dégâts ou conduit à une situation moins bien ou pire. Ils prennent l’exemple
d’Haïti où, suite au tremblement de terre en 1977, la construction des villes résilientes
(les bonnes villes) a conduit au déguerpissement de plus de 200 000 logements qui ne
respectaient pas les normes. Ces habitants se retrouvent de facto dans les périphéries
de la « bonne ville » où ils créent à nouveau des bidonvilles (mauvaises villes), avec
des conditions de vie pires qu’avant.
Au regard du nombre croissant d’interventions axées sur le renforcement de la
résilience à l’échelle internationale, et tenant compte des contraintes ci-dessus
mentionnées, nous sommes en mesure de dire, comme Constas et Barrett (2013), qu’il
est indispensable et même urgent de surmonter la difficulté de la mesure de la
résilience.
8
En considérant la résilience comme une capacité ou un ensemble de capacités, et en
tenant compte des différentes contraintes de mesure de la résilience, les questions qui
se posent à nous sont :
- Quelle est la contribution de chaque capacité dans la construction de l’indice de
résilience des ménages agricoles face aux changements climatiques ?
- Quels sont les effets de la résilience sur le bien-être (notamment la sécurité
alimentaire et le niveau de richesse) des ménages agricoles ?
2. Objectifs et pertinence de la recherche
L’objectif de cette étude est de proposer une mesure de la résilience des agriculteurs
face aux changements climatiques au Burkina Faso, en prenant en compte les
recommandations et les limites des méthodologies existantes.
De façon spécifique, il s’agira de :
- Modéliser la mesure de la résilience des ménages agricoles face aux
changements climatiques, et de faire une application empirique à l’aide de
données collectées au Burkina Faso.
-
- Analyser les impacts des caractéristiques communautaires, des capacités ainsi
que des actions en matière d’adaptation aux changements climatiques sur la
résilience des ménages agricoles.
- Évaluer les effets d’une amélioration de la résilience sur la sécurité alimentaire
et le niveau de richesse des agriculteurs.
Les résultats de cette recherche apportent une contribution à la mesure de la résilience
des agriculteurs face aux changements climatiques. Les résultats servent également à
une meilleure caractérisation des individus ou ménages vulnérables aux changements
climatiques, donc, à une meilleure orientation les actions lors de la planification des
projets et programmes humanitaires et de développement. En effet, la possibilité de
connaitre comment l’amélioration (la détérioration) des capacités des agriculteurs joue
sur leur niveau de résilience permettra aux développeurs/praticiens de mieux cibler les
types d’actions en fonction du type de choc.
La suite de ce travail de recherche est structurée comme suit : le chapitre 2 traite la
revue de littérature sur la théorie de la résilience. Il présente quelques définitions du
9
concept de la résilience dans certaines disciplines et certains domaines scientifiques.
Certaines approches empiriques de mesure sont aussi abordées. Ces approches vont
permettre de choisir le modèle mathématique pour cette recherche. Le troisième
chapitre se concentre sur la méthodologie utilisée dans la présente analyse. Les
différentes variables sont définies, ainsi que la base de données qui est utilisée pour
les analyses. Le chapitre quatre présente et discute les résultats de l’analyse. Ces
résultats permettront de répondre aux questions de recherche. Le dernier chapitre
porte sur la conclusion et les pistes de réflexion.
10
CHAPITRE I. ÉLÉMENTS CONCEPTUELS ET APPROCHES EMPIRIQUES
La théorie de la résilience a connu beaucoup d’engouement depuis les années 1970.
Folke a dénombré en 2016, plus de 20 000 citations du terme résilience et souligne
que le nombre de publications est passé de 100 à 6000 ces quinze dernières années
(Folke 2016). Le nombre d’articles publiés sur la résilience s’est accru de 400 % entre
1997 et 2007. Ces publications sont dominées par la psychologie et la psychiatrie
(Swanstrom 2008). Sur la période de 1967 à 2007, une étude similaire de Janssen a
indiqué une dominance des articles sur la résilience dans le domaine de l’écologie
(Janssen, 2007). La figure 1 ci-dessous récapitule les différentes disciplines ainsi que
les champs de recherche dans lesquels la théorie de la résilience est appliquée.
Figure 1: Le caractère interdisciplinaire de la résilience
Source : Reghezza-Zitt et al. (2012)
Cette multitude de travaux de recherche dans diverses disciplines conduit à une
myriade de définitions de la résilience. Certains auteurs font remarquer que les
nombreuses définitions de la résilience conduisent à une confusion. Cependant,
d’autres prônent la nécessité d’un certain niveau de diversité de sens de la résilience
et de la vulnérabilité appliquée aux différents domaines du travail scientifique (Klein et
al. 2003, cités par Maru et al., 2014). Ce chapitre est subdivisé en deux parties. La
première fait état du concept de la résilience dans la littérature, et la deuxième porte
sur les approches empiriques de la mesure de la résilience dans le domaine du
développement durable.
11
1. 1. ÉLÉMENTS CONCEPTUELS
1.1.1. La théorie de la résilience dans la littérature : définition et champs
d’application
La théorie de la résilience traite de la force que les individus et les systèmes
démontrent pour faire face aux adversités (Van Breda, 2001). Les travaux de plusieurs
auteurs sur la résilience dans plusieurs disciplines scientifiques permettent de
représenter l’évolution du concept de la résilience depuis les années 1970 à nos jours,
comme indiqué dans le graphique 2 ci-dessous.
Ce graphique permet de distinguer trois grandes phases dans l’émergence du concept
de résilience. Il s’agit de :
i) Les précurseurs (avant les années 70). Comme mentionné plus haut, la
théorie de la résilience est apparue premièrement dans le domaine de la
physique des métaux, puis en écologie avec les travaux de Holling (1973),
appuyé par de nombreux autres travaux (Holling et al. 1995, Resilience
Alliance, 2002, ISDR, 2005, etc.).
ii) L’époque des sciences sociales, précisément celles consacrées au système
cognitif (la psychologie, avec les études sur les enfants à risque, ainsi que
le traitement des maladies psychopathologiques et psychiatriques) ou à
l’interaction sociale (notamment avec la prise en compte des dimensions de
l’homme, des groupes et des organisations dans la définition de la
résilience).
iii) L’extension vers le développement durable.
Les définitions de la résilience dans les différentes disciplines font référence à
plusieurs capacités que le système ou le matériel résilient possède ou développe, face
à l’occurrence d’un changement quelconque. Ces notions de capacités diffèrent selon
les domaines et, par conséquent, ont évolué dans le temps.
Les premiers travaux sur la résilience ont mis l’accent sur la capacité d’un matériel à
résister, à absorber, à rebondir et à revenir à un niveau d’équilibre, après avoir subi un
choc. Les travaux en écologie utilisent les mêmes types de capacités, mais appliqués
plutôt à un système écologique donné (Holling 1973, 1995, Holling et al. 1995). Par la
suite plusieurs autres auteurs ont attribué à la résilience d’autres types de capacités
telles que les capacités d’adaptation, de recouvrement, d’innovation, d’auto
organisation et d’apprentissage (Horne et al., 1997 ; ISDR, 2005, Folke 2006 ; etc.).
12
Vers le début des années 2000, d’autres notions récentes se sont ajoutées à la liste
des capacités de la résilience. Il s’agit des capacités d’anticipation (Resilience Alliance,
2002), de transformation et de gestion des risques.
Dans cette section, nous aborderons la définition de la résilience selon un certain
nombre de disciplines dans lesquelles la théorie de la résilience a connu une
émergence. Dans chaque domaine, des réponses seront aussi données aux questions
« resilience of what » « resilience to what » ce qui peut se traduire respectivement par
« résilience de quoi / qui» et « résilience à quoi ». Notre intérêt portera également sur
les facteurs qui déterminent d’une manière ou d’une autre, la résilience.
1.1.1.1. La théorie de la résilience en physique des métaux
Le mot latin resilire, qui est à l’origine de “ résiliation ” et de “ résilience ”, est une
combinaison du verbe salire, qui veut dire “ sauter ”, et du préfixe “ re ” qui indique un
mouvement vers l’arrière (Tisseron, 2009). Ceci fait référence à deux termes bien
distincts qui sont i) le fait de renoncer, de se dédire et ii) le fait de sauter en arrière ou
de rebondir (Gaffiot, 1934).
La théorie de la résilience a émergé traditionnellement avec la physique de métaux où
le concept fut utilisé pour caractériser la fragilité des métaux. En effet, Georges
Charpy, un ingénieur polytechnicien s’intéressant à l’étude des matériaux et plus
particulièrement aux phénomènes de rupture, a mis au point un test
dénommé « Mouton de Charpy » qui sert de méthodologie expérimentale pour une
mesure quantitative de la résistance d’un matériau aux chocs. Cette résistance est
désignée par le concept de résilience qui représente l’énergie dissipée par unité de
surface du métal pendant le choc (Bertin C. et al. 2007 ; Arnaud M, 2003). La
résilience d’un métal est son aptitude à reprendre sa structure initiale après un choc.
La résilience des métaux c’est leur capacité d’absorber l’énergie cinétique sans se
rompre. L’énergie nécessaire pour rompre un matériau sera d’autant plus importante
que celui-ci est plus résilient (Bernard, 2011).
13
Figure 2: Évolution du concept de la résilience (de 1973 à 2017)
Source : adapté des travaux de Holling (1973), Horne et al (1997), Folke (2006) et Botta A, Bousquet F (2017)
Physique des métaux (Bertin C. et al. 2007 ; Arnaud M, 2003).
Sociologie (Van Breda 2001 Antonovsky et Bernstein, 1986)
Résistance, Absorption , « bounce back », maintien (Holling 1973, 1995, Resilience alliance, 2002 ; Folke 2006)
Capacité d’innovation (Horne et al., 1997 ; ISDR., 2005)
Capacité d’anticipation (Resilience Alliance, 2002)
Gestion du risque
Persistance, recouvrement, d’adaptation, (Horne et al., 1997 ; Folke 2006, Wildavsky et al., 2008),
Auto-organisation, Processus d’apprentissage (Mileti, 1999 ; Paton et al. 2000 ;
Carpenter et al. 2001 ; ISDR, 2005, Adger et al., 2005 ; Ostrom, 2009)
Capacité de transformation, de gestion du risque
1940 2000 2010 2005
Domaines
Capacités
1973
Systèmes socioécologiques s(S.E.S) : Resilience Alliance (2002) ;
Folke (2006) ; Bousquet F. (2016) ; Constas et al. (2014),
Écologie (Holling C.S., 1973)
Psychologie (Flach, 1988, cité par Ledesma J. 2014 ; Rack et Patterson (1996)
14
1.1.1.2. La théorie de la résilience en psychopathologie et psychiatrie
Dans le domaine de la psychopathologie, la résilience est définie comme étant la
capacité à faire face aux défis et aux menaces tout en maintenant un sentiment de soi
interne et intégré (traduction libre de Garmezy & Masten, 1986, cités par Ledesma
2014).
En psychiatrie, la résilience se réfère aux forces biologiques et psychologiques que les
humains utilisent pour maîtriser le changement avec succès (Flach, 1988, cité par
Ledesma J. 2014).
Selon Rack et Patterson (1996), l’émergence de la théorie de la résilience en
psychiatrie et en psychopathologie est advenue avec le déclin de l’importance
accordée à la pathologie en faveur de l’accent mis sur la force du patient. En effet, la
résilience est survenue suite à un changement de paradigme dans le domaine de la
santé (Antonovsky et Bernstein, 1986). Pour les chercheurs comme O’Leary (1998),
Hawley et De Haan (1996), l’approche pathogénique (pathogenesis) longtemps
appliquée dans les soins en médecine, est de plus en plus remplacée par l’approche
salutogénique (Salutogenisis). Selon Strümpfer (1990), pathogenesis qui veut dire
« origine de la maladie », consiste à déterminer les causes des maladies chez les
gens, ainsi que les raisons qui font que certaines personnes développent des maladies
spécifiques. Le paradigme « salutogenesis » qui signifie « origine de la santé » se
préoccupe plutôt de connaitre les raisons pour lesquelles certaines personnes sont
guéries, ou résistent à la maladie au moment où plusieurs succombent. Antonovsky
démontre dans ses travaux qu’en situation de stress, les individus ont recours à des
ressources dites de résistance généralisée pour comprendre le sens des facteurs de
stress auxquels ils sont confrontés. La théorie de la résilience fait donc appel au
concept de sens de la cohérence qui est défini comme le sentiment durable de
confiance que ce qui se passe est intelligible, que la personne exposée au stress
possède une capacité de le gérer, et que les événements vécus sont perçus plutôt
comme des défis et non comme des fardeaux (Cyrulnik et al., 2001 cités par Bernard
2011). Antonovsky et Bernstein (1986) soulignent que les adeptes de l’approche
« pathogenesis » ignorent que le stress et les agents pathogènes sont omniprésents et
par conséquent, ils se concentrent sur la façon dont ces facteurs de stress
fonctionnent, plutôt que sur la façon dont les gens y font face.
15
1.1.1.3. La théorie de la résilience en écologie
En écologie, le concept de résilience a été introduit par Holling qui l’associe au
déclenchement du passage du système écologique d’un état proche de l’équilibre à un
état de plusieurs niveaux de l’équilibre (Holing 1973). Dans un premier temps, Holling
définit la résilience comme la mesure de la persistance des systèmes écologiques et
de leur capacité à absorber les changements et les perturbations tout en maintenant
les mêmes relations entre les populations ou les variables d'état (Holling, 1973, p.14).
Par la suite, Holling distingue deux types de résilience : i) « engineering resilience » ou
la résilience d’ingénierie, mesurée à travers la résistance et la vitesse de retour à
l’équilibre d’un système écologique (figure 2B.), ii) la « résilience écologique » qui,
différemment de « engineering resilience », tient compte du fait que le système
écologique peut non seulement avoir une « multi stabilité », mais aussi, peut-être
simplement dynamique, c’est-à-dire qu’il ne revient pas forcement à l’équilibre initial
après le choc. Les instabilités peuvent transformer un système en un autre régime de
comportement, c’est-à-dire vers un autre domaine de stabilité qu’il l’appelle « stabilité
structurelle » (Holling, 1973, Gallopín, 2006). Selon donc la résilience écologique, ce
qui caractérise la résilience n’est alors pas l’appartenance à un bassin d’attraction,
mais plutôt la trajectoire du système et/ou la conservation de sa structure. Dans ce cas
de figure, la résilience est donc mesurée par l’ampleur de la perturbation qui peut être
absorbée avant que le système ne change sa structure en changeant les variables et
le processus qui contrôle le comportement (figure 3A). (Walker et al 1969, Adger 2000,
Carpenter et al 2001).
Figure 3: Illustration de la résilience écologique
Résilience = perturbation qui peut être
absorbée avant que l’état ne change
Résilience = taux de recouvrement d’une
perturbation (Résilience + résistance =
stabilité)
Résilience
Résilience
A B n
n
t t
Source : Adger, 2000
16
L’introduction du concept de la résilience en écologie a contribué à révolutionner la
gestion des écosystèmes. En effet, les travaux de Holling constituent un changement
paradigmatique qui a permis de mieux comprendre ou de tenir compte de la complexité
des dynamiques écologiques, contrairement à l’approche traditionnelle de gestion des
écosystèmes qui était basée sur les outils d’optimisation (la stabilité ou le bon
fonctionnement). Holling reproche aux modèles théoriques traditionnels de ne pas bien
prendre en compte le comportement réel des processus impliqués dans ces modèles,
les phénomènes aléatoires auxquels sont soumis les systèmes écologiques et
l’hétérogénéité spatiale (notamment les effets de frontières et les effets d’échelles
spatiales). Ces modèles traditionnels sont contraignants, car leur analyse ne porte que
sur le processus de stabilité situé proche de l’équilibre, étant donné qu’il est difficile de
modéliser des processus loin de l’équilibre. Le champ d’application des études de
l’approche traditionnelle serait donc limité aux systèmes linéaires ou aux systèmes non
linéaires au voisinage d’un équilibre stable où une linéarisation est valide (Holling,
1986).
Vu les reproches ci-dessus formulés contre la gestion théorique des écosystèmes,
Holling propose des approches plus qualitatives, moins centrées sur l’étude du retour à
l’équilibre d’un système au sein d’un bassin d’attraction, et qui mettent l’accent sur
l’étude de la persistance de ces systèmes, autrement dit, l’analyse des facteurs qui
expliquent la capacité des écosystèmes à assurer leur survie dans ces conditions
périlleuses. Holling oppose ainsi l’« engineering resilience » (fonctionnalité, continuité,
prédictibilité) et l’ « ecological resilience » (persistance, changement, imprédictibilité).
En somme, nous pouvons retenir que l’écologie a étudié dans un temps, des systèmes
stables situés autour d’un point d’équilibre, deuxièmement, des systèmes instables
situés loin de divers points d’équilibre, puis troisièmement des systèmes dynamiques
(où on ne parle même plus de stabilité).
1.1.1.4. La théorie de la résilience en sciences sociales
1.1.1.4.1. En psychologie
En psychologie, la résilience est définie comme la capacité d’une personne ou d’un
groupe à bien se développer, à continuer à se projeter dans l’avenir en dépit
d’événements déstabilisants, des conditions de vie difficiles, des traumatismes parfois
sévères » (Bernard, 2011). Les études de la résilience dans cette discipline portent sur
les individus, les familles et les communautés. Les premières études concernent, en
17
particulier, l’étude d’enfants qui auraient dû développer des pathologies mentales,
mais, in fine, sont restés en bonne santé (Olsson et al., 2003). La détermination des
causes et des facteurs qui ont permis à ces enfants de s’adapter, oppose deux
courants à savoir, un premier courant dénommé « Heading resiliency » qui explique
l’adaptation par les compétences individuelles, et le deuxième courant l’explique
davantage par des facteurs externes à l’individu et par des processus extérieurs qui
accompagnent l’enfant durant sa jeunesse (Masten and Obradovic, 2006, Olsson et
al., 2003, Coutu 2002, Luthar et Cicchetti 2000). Un individu résilient est donc celui
qui après avoir subi un traumatisme, prend acte de l’événement traumatique pour ne
plus vivre dans la dépression.
Les études les plus connues en psychologies sont celles de Werner et Smith (1992),
menées auprès des enfants dits à risque, qu’ils ont suivis depuis leur tendre enfance
jusqu’à l’âge adulte. Ils ont montré qu’à l’âge de 18 ans, 30% des enfants à risque sont
devenus compétents, et confiants. À l’âge de 32 ans, 2/3 d’entre eux sont devenus des
adultes attentionnés et efficaces. Ils ont donc conclu d’une part, qu’il existe des
facteurs qui protègent les enfants vulnérables contre le dysfonctionnement, et d’autre
part, contrairement à l’approche pathogénique, que le cours de la vie des personnes
vulnérables n’est pas prédéfini par les facteurs de risque subis dès la période
périnatale, infantile ou de la tendre enfance, mais il est plutôt susceptible de changer à
tout moment.
Selon Ledesma (2014), on peut identifier deux types de facteurs qui influencent la
résilience psychologique des individus. Il s’agit des facteurs internes (la personnalité,
les ressources individuelles, la capacité d'adaptation, le sens de la cohérence, les
ressources cognitives, etc.), et les facteurs externes (les relations, les réseaux de
soutien)
Lallau (2011) souligne que l’approche de la résilience individuelle a été révélée dans la
psychologie (mesure de la capacité d’adaptation aux événements traumatisants), la
microéconomie de la vulnérabilité (mesure de la situation de pauvreté de l’individu) et
l’approche des capabilités qui, selon Sen (1992), est « l’ensemble des modes de
fonctionnement humain qui sont potentiellement accessibles à une personne, qu’elle
les exerce ou non » (Lallau 2011).
Pour McCubbin et McCubbin (1988), la résilience familiale est mesurée à travers les
propriétés qui aident les familles à résister aux perturbations face au changement et à
s’adapter aux situations de crise, ou par les qualités qui permettent à une famille de
maintenir son équilibre en éprouvant des crises (Hawley et DeHaan, 1996).
18
Dans le même ordre d’idée, Walsh (1996) confirme que la résilience familiale fait
référence aux processus clés qui permettent aux familles de mieux faire face et de
sortir plus facilement des crises ou des tensions persistantes, qu’elles soient internes
ou externes à la famille.
La famille a été considérée par les chercheurs, d’une part, comme un contexte de
résilience individuelle, et d’autre part, comme une unité d’analyse à part entière,
pouvant aussi être résiliente. La famille comme élément central dont les individus sont
les composantes (Van Breda, 2001, McCubbin et McCubbin, 1988, Walsh, 1996).
Certains auteurs considèrent la famille comme un facteur de risque pour la résilience
des membres. C’est le cas par exemple des familles ayant des conflits conjugaux
sévères, des parents ayant des maladies mentales. D’autres en revanche trouvent que
la famille est plutôt un facteur de protection lorsqu’il y a une bonne
entente/compatibilité entre les parents et l’enfant, peu de conflits familiaux durant
l’enfance, absence des divorces (Hawley et De Haan, 1996).
Il faut noter que les auteurs mentionnés ci-dessus soulignent des difficultés dans la
mesure de la résilience familiale, car il y a des doutes sur l’existence de relations entre
la résilience familiale et les comportements réels de la famille.
Les études sur la résilience communautaire qui datent des années 1997 sont plus
récentes que les précédentes (au niveau individuel et familial) (Van Breda 2001). La
résilience communautaire est définie par Mancini et Bowen (2009) comme étant une
capacité que possède la communauté pour faire face aux adversités ou aux
conséquences des adversités, afin de maintenir ou de retrouver son niveau de
fonctionnement satisfaisant d’antan. Selon ces auteurs, la résilience communautaire
est une composante de l’organisation sociale qu’ils présentent comme une pyramide
dans laquelle se trouve ;
i) À la base, des antécédents communautaires (les structures de réseau et les
conditions et caractéristiques générales de la communauté),
ii) Au milieu, le processus d’action sociale à savoir la capacité communautaire
et les principaux processus d’action sociale qui regroupent la capacité
communautaire (partage de la responsabilité et la compétence collective) et
capital social (information, réciprocité et confiance), et
iii) Au sommet, la résilience qui représente le résultat / conséquence de la
communauté.
19
Bowen définit la communauté comme un réseau de relations informelles entre
personnes liées les unes aux autres par la parenté, l’intérêt commun, la proximité
géographique, l’amitié, la profession ou la prestation et la réception de services — ou
diverses combinaisons de ceux-ci (Traduction libre de Bowen 1988, p. 3-4). Il souligne
que cette communauté a également été, pendant longtemps, considérée par les
chercheurs comme pouvant soit être un facteur à risque de la résilience familiale, soit
comme un facteur protecteur. Seules quelques recherches récentes et rares
considèrent la communauté comme un système à part entière pouvant être résilient.
L’auteur conclut qu’une communauté peut être considérée comme résiliente lorsque la
majorité de ses membres ont un fort sentiment d’être en relation avec d’autres
membres et ressources de la communauté.
1.1.1.4.1. La théorie de la résilience dans d’autres domaines des sciences
sociales
La physique des métaux, la psychologie, et l’écologie sont les trois champs
disciplinaires pionniers de l’application de la théorie la résilience. Le passage du
concept des sciences écologiques aux sciences sociales est délicat et contesté par
certains chercheurs en sciences sociales. Boin et al. (2010) trouvent que ce transfert
fait perdre au concept, sa cohérence, en faisant une passerelle à plusieurs autres
courants tantôt proches de l’écologie, tantôt proches de la psychologie.
Le concept de la résilience a été utilisé dans le management des organisations avec
les travaux précurseurs d’Aaron Wildavsky (1988). Selon lui, la complexité inévitable
des systèmes organisationnels rendra moins prévisibles leurs dysfonctionnements.
Les organisations devraient tenir compte du fait que les surprises sont inévitables et
bâtir leur fiabilité autour d’une gestion en temps réel plutôt que de l’anticipation (De
Bruijn et Van Eeten, 2007).
D’autres études toujours sur le management des organisations ont identifié un certain
nombre de facteurs qui favorisent la résilience des organisations, parmi lesquels, on
peut citer la flexibilité structurelle, la culture de fiabilité, la capacité d’improvisation, et le
processus de « sense-making ». L’application de ces facteurs engendre des coûts
pour l’organisation. C’est pour cela que Van Eeten et al. (2010) trouvent que la
résilience est peut-être en contradiction avec l’optimisation et la maximation des profits.
20
Les économistes également utilisent le concept de la résilience et parlent « d’économie
résiliente », ou de « résilience de l’économie » qui se réfère à la capacité d’une
économie à réduire les probabilités de crises ainsi que leurs effets si celles-ci sont
inévitables (Aiginger, 2009). Cette définition se rapproche de l’ « engineering
resilience » (notion de continuité, de stabilité) en ce sens que face aux crises, la
résilience s’oppose à toute variabilité de l’économie par un lissage des profits afin
d’éviter tout soubresaut (Catte et al., 2005).
Au niveau de la microéconomie, l’étude de la résilience économique ne s’oppose pas
totalement à l’approche « ecological resilence ». Pour Aiginger (2009), lorsqu’une crise
survient, une entreprise résiliente n’est pas nécessairement celle qui parvient à un état
de compétitivité antérieure, mais correspond plutôt à celle qui a la capacité de tirer
profit de cette crise afin d’améliorer sa compétitivité. Par conséquent, l’entreprise se
doit de « conjuguer » l’évaluation des risques, une bonne communication des
informations, et la mise en place de processus de gouvernance s’accompagnant d’une
planification stratégique (Hamilton, 2004).
Le concept de la résilience a été appliqué dans bien d’autres disciplines des sciences
sociales notamment en géographie (précisément en géographie « spatialiste », dans le
cadre du paradigme de l’auto-organisation et de la théorie des systèmes dynamiques)
pour évaluer les mécanismes de sélection géographique, en référence à un critère
archéologique qu’est le maintien de l’occupation d’un site (Pumain et al., 1989 ; Lepetit
et Pumain, 1993).
Dans le domaine de l’humanitaire, le concept est apparu avec le travail social
notamment dans les organisations caritatives (Charity Organisation) et les
organisations d’œuvres sociales (setllement house Societies). Plusieurs auteurs
affirment que selon les organisations caritatives, les problèmes sociaux sont tributaires
du déficit moral au niveau de chaque individu (Bendor, Davidson, & Skolnik, 1997,
Weick, Rapp, Sullivan, & Kisthardt, 1989, Van Breda, 2001, Weick et Chamberlain,
1997). A contrario, pour les organisations d’œuvres sociales, c’est plutôt les facteurs
environnementaux qui causent les pathologies sociales (Bendor et al., 1997). Van
Breda précise que selon ces travailleurs de ces organismes,
« Les ressources telles que le logement, l’assainissement, l’éducation, l’aide de
voisinage et les interactions sociales enrichies permettraient aux gens de
dépasser les limites de leur situation » (traduction libre de Van Breda, 2001
p. 198).
21
Les fondements philosophiques des organisations caritatives et des organisations
sociales sont certes différents, mais leur stratégie d’intervention reste tout de même
basée sur le paradigme pathogénique (pathogenic paradygm) en ce sens que l’accent
est mis sur les causes de la précarité de personnes nécessiteuses plutôt que sur les
forces permettant de sortir de leur situation. Jadis, ces organisations ne suivaient donc
pas le cadre de résilience dans leurs interventions. C’est à l’orée des années 2000 que
le concept de résilience s’est introduit dans ce milieu, comme le mentionne Van
Breada :
« Les modèles et théories récents de la pratique du travail social, tels que la
perspective des forces et les approches narratives, sont explicitement engagés dans
un cadre de résilience et ont reconnu les dangers d'un paradigme pathogène
dominant » (traduction libre de Van Breda, 2001, p 200).
1.1.1.5. La théorie de la résilience dans le développement durable
L’application de la résilience dans le développement durable découle de son caractère
systémique qui favorise les approches pluridisciplinaires étudiant des systèmes de
différentes natures. On parle alors de résilience systémique. Notre recherche
s’intéresse principalement aux Systèmes Socio-Ecologiques, traduit en anglais par
Socio Ecological System (S.E.S).
La résilience d’un système socioécologique se définit comme sa capacité à absorber
les perturbations d’origine naturelle (un feu provoqué par la foudre, une sècheresse,
etc.) ou humaine (une coupe forestière, la création d’un marché, une nouvelle politique
agricole, etc.) et à se réorganiser de façon à maintenir ses fonctions et sa structure. En
d’autres termes, c’est sa capacité à changer tout en gardant son identité (Mathevet et
Bousquet, 2014).
Pour certains chercheurs, la notion de système socioécologique vient constituer un
pont entre les écosystèmes et les systèmes sociaux, en établissant des interactions
entre des composantes sociales et environnementales, et à différentes échelles de
temps et d’espace (Folke et al. 2007, Ferret, 2011, McGlade, 1995, Van der Leew et
Aschan-Leygonie, 2000).
Les travaux sur la résilience des S.E.S sont dans la continuité de la résilience
écologique. En effet, l’avènement des changements climatiques et de la pression
croissante sur les ressources naturelles a amené les décideurs, les praticiens et
chercheurs du développement durable à se poser la question de l’adéquation entre les
22
besoins et la durabilité des systèmes écologiques (Lallau, 2011). Dans ces travaux,
Holling indique que les changements d’état des écosystèmes sont la conséquence des
actions humaines, qui réduisent la résilience de ces écosystèmes, et qu’en retour une
faible résilience a un impact sur les conditions d’existence et le développement (Holling
et Gunderson, 2002). La prise en compte progressive des activités humaines et leurs
conséquences grandissantes sur les écosystèmes ont conduit finalement au passage
de la résilience des écosystèmes à la résilience des S.E.S (Berkes et Folke, 1998 ;
Holling et Gunderson 2002, Lallau 2011). Berkes & Folke (1998) définissent les
systèmes socioécologiques comme étant des systèmes complexes et intégrés dans
lesquels les humains font partie de la nature.
Certains auteurs ont trouvé que la résilience des S.E.S est dépendante d’un certain
nombre de facteurs tels que la croissance économique, la stabilité, la distribution des
revenus, les degrés de dépendance aux ressources naturelles, les phénomènes
migratoires (Adger, 2003).
Folke et al. (2002) soulignent que l’émergence de la résilience dans le développement
durable est advenue avec un changement de paradigme. Selon eux, les chercheurs
ont convenu que les écosystèmes utiles à l’homme ne sont pas linéaires et sont moins
contrôlables et que l’homme ne peut être pris séparément de l’écosystème. C’est
également le point de vue de Resilience Alliance pour qui, dans ce système intégré
composé de l’homme et de la nature, le système résilient est non seulement capable
d’absorber les perturbations, mais aussi de s’auto organiser et d’accroitre sa capacité
d’adaptation et d’apprentissage (Carpenter et al. 2001a, p 765).
« The Resilience Alliance defines resilience as applied to integrated systems of
people and nature as (a) the amount of disturbance a system can absorb and
still remain within the same state or domain of attraction (b) the degree to
which the system is capable of self-organization (versus lack of organization, or
organization forced by external factors) and c) the degree to which the system
can build and increase the capacity for learning and adaptation” (Carpenter et
al. 2001a, www.resalliance.org).
Pour Perrings, la résilience et le développement durable deviennent deux concepts liés
voir interdépendants.
« A development strategy is not sustainable if it is not resilient: i.e. if it involves a
significant risk that the economy can be flipped from a desirable state (path) into
an undesirable state (path), and if that change is either irreversible or only
slowly reversible » (Perrings, 2006, 418).
23
Résilience et durabilité se présentent comme deux concepts proches, mais distincts.
La résilience serait synonyme de durabilité si elle est caractérisée par la viabilité (la
persistance) sur le temps long des S.E.S. Les deux concepts sont cependant différents
pour principalement les deux raisons suivantes :
i) Premièrement, la durabilité est un concept « anthropocentré », l’objectif étant
d’assurer la pérennité des générations futures par une gestion durable des
écosystèmes. Or, dans le cadre des S.E.S, la résilience est davantage centrée
sur les interrelations entre ces systèmes et non spécifiquement sur l’homme. Le
concept de résilience apparait donc plus universel.
ii) Deuxièmement, la durabilité est une stratégie visant un développement
croissant, continu, linéaire et stable, tandis qu’au contraire les fluctuations font
partie intégrante des processus de résilience qui privilégie la flexibilité. Ainsi, la
durabilité serait un concept normatif qui nécessiterait de définir des normes,
tandis que les processus d’amélioration de la résilience conduiraient à être
moins normatifs et plus flexible. In fine, cette mise en rapport contribue à
normaliser la résilience en lui fixant des normes à respecter.
L’émergence de la théorie de la résilience dans le développement durable va ouvrir
davantage son application dans d’autres domaines notamment celui de la sécurité
alimentaire et nutritionnelle. Cela va aussi engendrer des définitions d’autres qui sont
certes différentes selon les objectifs poursuivis, mais qui gardent un point commun qui
est la capacité de réaction du système socio écologique face aux changements.
Dans les différentes définitions rencontrées, on y recense toutes les capacités déjà
vues précédemment, à savoir la capacité de résister, d’absorber, de s’adapter, de
recouvrir, de se réorganiser, et même d’anticiper (Walker et al., 2004, Folke, 2006).
Pour les Nations Unies, la résilience se réfère à « la capacité à faire face, à récupérer,
et à éviter les chocs, les dangers ainsi que les menaces économiques et
environnementales » (UNISDR 2005)3. Selon l’Union Européenne, « la résilience est la
capacité d’une personne physique, d’un ménage, d’une communauté, d’un pays ou
d’une région à résister, à s’adapter et à se remettre rapidement à la suite de
l’occurrence de tensions ou de chocs, tels que des sècheresses, des violences, des
conflits ou encore des catastrophes naturelles (Lallau. 2014).
Une autre définition de la résilience est celle de l’Organisation des Nations unies pour
l’alimentation et l’agriculture (FAO) qui dit :
3 United Nations International Strategy for Disaster Reduction
24
« Resilience is the ability to prevent disasters and crises or to anticipate,
absorb, accommodate or recover from those that impact nutrition, agriculture,
food security and food safety (and related public health risks) in a timely,
efficient and sustainable manner. This includes protecting, restoring and
improving structures and functions of food and agricultural systems under
threat » (FAO4).
Face à cette diversité de définitions, un Groupe de Travail Technique sur la Mesure de
la Résilience (GTT-MR)5 a été mis en place par le réseau d’information sur la sécurité
alimentaire (FSIN) afin de proposer une définition simple et claire de la résilience. La
définition ci-après fut proposée :
« La résilience est la capacité qui garantit que des facteurs de stress et des chocs
adverses n’aient pas de conséquences négatives durables sur le développement »
(Constas et al, 2014, p6).
Si en psychologie le lien est établi entre la résilience communautaire et celle de
l’individu, les études sur ce cas de figure dans le développement durable sont rares.
Selon Bowen (1988), le bien-être et la santé d’un individu peuvent être impactés par
quatre principales dimensions à savoir
i) Les infrastructures physiques (les bâtiments, les routes, l’accès à l’eau,
l’électricité, aux boutiques ou endroits récréatifs, etc.),
ii) La dimension sociodémographique (l’éducation, le statut économique, les
ethnies, l’âge, le statut matrimonial, etc.),
iii) La capacité institutionnelle (qualité des organisations d’appui),
iv) L’organisation sociale (interdépendance, connexions psychologiques, ou
simplement la capacité de la communauté à fournir des soins sociaux à ses
membres).
Pour Van Breda (2001), les facteurs de stress auxquels font face les familles
proviennent de la communauté, un système au-dessus et autour de la famille. La
pauvreté, le crime, l’instabilité politique, la discrimination, le manque de ressources
communautaires sont autant de facteurs de la communauté qui impactent
négativement les familles. Pour d’autres auteurs, la communauté pourvoit des facteurs
de protection pour la famille. Cobb (1982) a identifié quatre types d’appuis à savoir,
4 http://www.fao.org/neareast/perspectives/building-resilience/en/ 5 Le groupe de travail technique sur la mesure de la résilience, coparrainé par l’Union européenne et l'USAID, est composé de 20 personnalités représentant des organisations gouvernementales et non gouvernementales. la liste complète des membres est disponible à l’adresse http://www.fsincop.net/topics/resilience-measurement/technical-working-group/en/
25
l’appui social (échange d’information), l’appui instrumental (conseil, guide pour l’auto-
suffisance), l’appui actif (mothering), et l’appui matériel (biens et services).
Les ressources communautaires sont toutes les caractéristiques, les compétences et
les moyens des personnes, des groupes et des institutions en dehors de la famille,
dont la famille peut avoir accès afin de les utiliser pour répondre à leurs demandes.
Cela comprend les services tels que les services médicaux et de santé. Les services
d’autres institutions dans l’environnement de la famille, tels que les écoles, les églises
et les employeurs, sont également des ressources pour la famille. Au niveau macro,
les politiques gouvernementales qui améliorent et soutiennent les familles peuvent être
considérées comme des ressources communautaires (McCubbin et McCubbin, 1988).
1.1.1.6. Les critiques de la résilience
Un certain nombre de critiques ont été soulevées dans la littérature, à l’encontre de la
résilience.
- Les chocs qui causent les changements sont très souvent vus comme ayant des
effets négatifs. Benoit Lallau (2011) et Antonovsky et Bernstein (1986) soulignent
que s’il est vrai qu’il n’y a pas de débat sur le caractère négatif des chocs
climatiques tels que les inondations, la sècheresse, d’autres par contre (l’essor du
marché, une politique publique, etc.) pouvant perturber le système écologique ne
doivent pas pour autant être rejetés au nom de la résilience.
- La résilience est très souvent perçue comme étant positive. Dans la plupart des
projets, programmes et politiques d’adaptation aux changements climatiques, les
objectifs sont formulés le plus souvent avec les termes positifs tels que “renforcer la
résilience” “accroitre la résilience”, améliorer la résilience”. Mais selon plusieurs
auteurs (Lallau, 2011, Reghezza-Zitt et al., 2012, Phelan et al.,2013, West et al.,
2014), certains cas de résilience ne sont pas forcément désirés. C’est par exemple
le cas du piège de la pauvreté, ou de système (lac d’eau turbide avec des
proliférations d'algues toxiques) qui réduit le bien-être social. Frantzeskaki et al.,
(2014) soulignent également que les systèmes peuvent être bloqués dans des «
situations de piège » (économique ou écologique) et être en même temps «
résilients », c’est-à-dire qu’ils absorbent des perturbations et reviennent alors sur
des trajectoires qui ne sont pas souhaitables. Béné et al. (2012) aussi affirment
26
qu’une partie de la population peut rester toujours vulnérable lorsque le système
résilient se trouve être inéquitable.
- Par ailleurs, d’autres auteurs estiment qu’on ne peut pas appliquer le concept de la
résilience dans le domaine social de la même manière dont il s’applique dans le
domaine écologique. À moins qu’on ne considère qu’il n’y a pas de différence entre
les comportements et les structures de deux dimensions, ce qui n’est pourtant pas
accepté en sciences sociales. Pour Holling, l’application du concept de résilience
écologique à un autre système requiert que ce dernier soit d’une part dynamique,
et d’autre part, possède plusieurs états d’équilibre (Holling, 1986). Il remarque
qu’en sciences sociales, seule la notion de dynamique est respectée.
1.1.2. Aperçu sur les théories du bien-être, de la gestion du risque, et de la
vulnérabilité
Comme nous venons de le voir, la définition de la résilience dans le domaine du
développement durable fait appel à d’autres théories que nous jugeons importantes. Il
s’agit des théories du Bien-être, de la gestion du risque et de la vulnérabilité. Nous
proposons alors de faire un rappel succinct de ces théories.
1.1.2.1. La théorie du bien-être
Tout comme la résilience, le concept de bien-être regorge une pléthore d’approches
issues de disciplines variées (économie, psychologie, sociologie, et philosophie). Notre
intérêt est porté sur les considérations socioéconomiques du concept. Pour les auteurs
comme Pigou (1922) et William (1976), le bien-être renvoie souvent à la notion de
bonheur et de prospérité. Même si pour Pigou le seul moyen de mesurer le bien-être
c’est en termes d’argent, il admet tout de même que celui-ci est une perception de
l’individu, un état de conscience pouvant être classifié du meilleur au pire. D’autres
économistes représentent le bien-être comme l’utilité ou la satisfaction d’un individu,
cette utilité étant maximisée par ses choix et ses décisions (Van Praag et Frijerts 1999,
Tinbergen 1991). Pour eux, l’approche du bien-être est basée sur le concept
d’optimum de Pareto, ce qui suppose l’existence d’une fonction d’utilité représentant
les préférences de chaque individu. De l’optimum de Pareto émanent deux théorèmes
fondamentaux du bien-être : i) le premier selon lequel tout équilibre walrasien est
Pareto efficace, ii) le second suppose que toute répartition Pareto efficace conduit à un
équilibre walrasien après redistribution des dotations dans l’économie (Arrow 1962).
27
Pour les sociologues, il faut faire une nuance entre le bien-être individuel (well-being)
et le bien-être social (welfare) qui réfère à toute assistance publique ou tout service de
subsistance pourvu à la société, autrement dit tout ce qui peut combler les besoins
essentiels des individus et des familles (Titmuss 1968 cité par Tisseron, 2009,
Magdalou 2014). Le bien-être social serait donc un meilleur accès possible aux
ressources économiques, un niveau élevé de bien-être individuel incluant le bonheur,
la prospérité, et la capabilité d’assurer une vie meilleure.
Le bien-être est souvent mesuré au niveau macro (avec des indicateurs nationaux
d’accès aux ressources : ex PIB, indice de Gini, etc.) et au niveau micro/individuel
(sentiment de bonheur, le niveau du revenu individuel, etc.).
Magdalou (2014) identifie deux approches de mesure du bien-être :
- L’approche normative qui consiste à fixer (par la société) des normes reflétant le bien-
être. Cette approche remplace donc l’utilité, basée sur les préférences propres de
l’individu, par une évaluation externe : chaque individu est donc jugé au regard de cette
norme sociale. Elle ne tient pas compte du point de vue de l’individu qui pourrait être
parfaitement satisfait de son mode de vie, ne souhaitant aucun changement, mais qui
serait répertorié parmi les pauvres.
- L’approche subjective qui est basée sur la satisfaction que procure à un individu, son
travail, sa vie ou autre, qu’il doit ensuite reporter sur une échelle cardinale.
En définitive, la notion de bien-être est importante dans la définition des politiques
sociales. Les interventions dans l’agriculture devraient tenir compte des effets sur le
bien-être individuel ou social. Des dispositions doivent être prises afin de permettre aux
individus de garder leur niveau initial de bien-être après un quelconque changement.
1.1.2.2. La gestion du risque en agriculture
La notion du risque aussi est pluridisciplinaire (finance, statistique, gestion,
psychologie, philosophie, mathématiques, anthropologie, géographique, économie,
etc.), et cette réalité conduit également à autant de définitions que de discipline et
d’auteurs. Nous nous intéresserons plus au risque du point de vue de l’économiste.
La décision de l’agriculteur de maximiser sa production et son profit n’est pas tout le
temps mue par la connaissance de ce qu’il gagne ou perd. Il peut y avoir un manque
d’information qui le met dans des situations incertaines. Les facteurs incertains sont
pourtant nombreux et récurrents en agriculture. Il peut s’agir d’aléa des pluies, des
températures et des récoltes, des instabilités sociales et politiques, des changements
28
de comportement des consommateurs, etc. Selon Brossier (1989), plusieurs
économistes font le lien entre le profit et le risque. Pour eux le profit est la récompense
de celui qui prend le risque. Pour Hardaker et al. (2004), le risque est l’exposition à des
conséquences économiques incertaines.
Risque et incertitude semblent ainsi à la fois différents et liés. Selon Harwood et al.
(1999), le risque est une incertitude pouvant impacter le bien-être de l’individu alors
que l’incertitude est une situation dans laquelle il semble n’avoir aucune information sur
son occurrence. En agriculture, grâce à la disponibilité des données (sur le climat et
sur le marché par exemple) l’asymétrie de l’information est de plus en plus réduite, ce
qui fait que l’on parle de plus en plus de risque plutôt que d’incertitude
(Benmihoub., 2015).
Les chercheurs ont distingué des définitions dichotomiques du risque. Machina et
Munier (cité par Benmihoud 2015) ont distingué les risques endogènes des risques
exogènes. Benmihoub souligne aussi d’autres types d’analyses qui distinguent les
risques purs (risque accidentel ayant des inconvénients) des risques spéculatifs (dont
les résultats positifs ou négatifs dépendent de la nature). Les risques purs sont a priori
rejetés et la gestion confiée à un tiers tel que l’assureur, tandis que les risques
spéculatifs sont l’apanage des sociétés bancaires.
Pour l’analyse du risque ou des décisions prises par un individu en situation de risque,
la théorie de l’utilité espérée est le plus souvent utilisée. Elle est elle-même dérivée de
la théorie des jeux qui associe à chaque joueur une fonction de gain qui est son utilité
ou la satisfaction que lui procure le gain qu’il cherche à maximiser. Selon Bernouille
cité par Benmihoub (2015), le joueur ne s’intéresse pas à l’espérance mathématique
du gain, mais plutôt à l’espérance mathématique de l’utilité du gain. Cette espérance
de l’utilité du gain est formulée comme suit :
EU(Lj) = Σi piU (Cij) où EU = espérance de l’utilité, Lj est la prospective
aléatoire/loterie), pi la probabilité de réalisation de l’événement i et U (Cij) est l’utilité
associée à la conséquence de la loterie j lors de la réalisation de l’événement i.
1.1.2.3. La vulnérabilité
La vulnérabilité est un concept proche de la résilience ou plus précisément de la non-
résilience. Certains auteurs estiment que les deux notions sont liées tandis que pour
d’autres il s’agit de concepts différents. O’Brien et al. (2004), et Adger (2006)
définissent la vulnérabilité comme le degré de susceptibilité et d’incapacité d’un
système à faire face aux perturbations. Dans la même logique Folke et al. (2002)
29
affirment que la vulnérabilité est comme le revers de la médaille ou l’antonyme de la
résilience.
En écologie, Adger (2006) et Gallopín (2006) considèrent que la vulnérabilité d’un
système est déterminée par son exposition, sa sensibilité et sa résilience ou sa
capacité d’adaptation à la perturbation. Cutter et al. (2008) font le constat que la
vulnérabilité et la résilience sont deux concepts liés, mais distincts, où le premier se
rapporte à l’état du système avant et le second à la réponse du système après la
perturbation.
Par ailleurs, certains travaux présentent la vulnérabilité comme le contraire de la
résilience (Adger, 2000, Holling et Gunderson, 2002), d’autres comme un élément de
la résilience (Chapin et al., 2009), ou encore comme englobant la résilience (Gallopín,
2006).
1.1.3. Choix du modèle pour notre travail
Pour cette étude, nous faisons appel à deux définitions proposées par DFID en 2011,
puis 2014 via le programme BRACED.
DFID définit la résilience comme :
“The ability of countries, communities and households to manage change by
maintaining or transforming living standards in the face of shocks or stresses without
compromising their long term prospects” (DFID, 2011, p 6)
Cette définition fait ressortir les caractéristiques de la résilience écologique à savoir la
persistance, le changement et l’imprédictibilité dans le contexte de chocs climatiques.
Cette définition fait également le lien entre résilience et durabilité. Par ailleurs, cette
définition de la résilience respecte aussi la condition à remplir, selon Holling. En effet,
selon lui, le passage de l’application de la théorie de la résilience du système
écologique (ecological resilience) au système socioécologique (S.E.S) requiert que ce
dernier soit dynamique (Holling, 1986).
Dans le programme BRACED (financé par DFID), la résilience est définie comme «
l’aptitude à anticiper les chocs et stress (liés au climat), à les éviter, les planifier, à y
faire face, s’en relever et s’y adapter » (DFID, 2014). Cette définition, qui est spécifique
aux chocs climatiques, est semblable à celle de IPCC (Intergovernmental Panel on
Climate Change).
30
« Any capacity and skills, and action, strategy, investment and anticipation, which helps
individual, households and communities to anticipate, absorb, accommodate, or
recover from the impacts of a particular adverse event (shock, stress, or (un)expected
changes)” (Béné, 2013, p11).
Comme le montre la figure 4 ci-dessous, BRACED considère la résilience comme une
variable d’état du Bien-être.
Figure 4: la théorie de changement de BRACED
Source : DFID 20146
Source : BRACED 2015
Notre travail tient compte des considérations suivantes dans la mesure de la
résilience :
- Les systèmes socioécologiques (S.E.S) considérés dans le cadre de cette étude
sont les ménages agricoles et les communautés. Ces S.E.S font face à deux
types de chocs climatiques qui sont la sècheresse et les inondations.
- La résilience est considérée comme une variable latente, de même que les trois
capacités qui la déterminent.
- Notre modèle suit le cadre de mesure développé par DFID dans le cadre du
programme BRACED. Selon ce cadre, la résilience aux changements
climatiques est mesurée à travers trois capacités à savoir la capacité
d’anticipation (Can), la capacité d’adaptation (Cad) et la capacité d’absorption
(Cab). Le respect de ce cadre et le type d’informations disponibles dans la base
de données ne permettent donc pas de prendre en compte la dimension
environnementale des S.E.S. Pour cette raison, les S.E.S ont été réduits aux
ménages et aux communautés.
6 https://assets.publishing.service.gov.uk/government/uploads/system/uploads/attachment_data/file/328254/BRACED-KPI4-
methodology-June2014.pdf
Théorie du changement : Sans le projet les bénéficiaires seraient moins résilients aux
chocs et stresses climatiques et le niveau des indicateurs de bien-être seraient pire que
dans la situation avec le projet
Les
Intrants
du projet
Les
extrants
du projet
Effets =
amélioration de la
résilience des
bénéficiaires
Impacts = amélioration
du bien-être des
bénéficiaires malgré les
chocs et stresses
(indicateurs de Bien-être) Chocs et stress climatiques
31
Au vu de ce qui précède, notre cadre d’analyse proposé dans la figure 5, indique que
les chocs tels que la sècheresse et/ou les inondations agissent d’une certaine manière
sur les capacités d’anticipation, d’adaptation et d’absorption des ménages. Le niveau
de résilience des ménages peut donc changer. Les interventions / appuis dont
bénéficient les ménages ainsi que leurs forces actives ou proactives aident à atteindre
un niveau d’équilibre donné de bien-être.
32
Figure 5: Cadre d’analyse de la résilience des ménages agricoles face aux changements climatiques
Source : Notre adaptation de BRACED (2015)
V1
R V3
V4
V5
V6
Can
Cab
Cad
V2
Situation structurelle du bien-être et de la résilience Occurrence de
Chocs
Réactions :
politiques/
interventions
Résultats.
Bien-être= ƒ(Résilience)
La sècheresse,
Les inondations
(perte de
resilience)
La force
/capacité du
ménage
Les projets et
programmes
d’adaptation
aux
changements
climatiques
Résilience élevée (Bounce back better)
Résilience moyenne (Bounce back )
Faible Résilience (Bounce back worse )
Non Résilient (collapse)
Exemple
d’indicateurs de
bien-être :
Sécurité
alimentaire &
nutritionnelle
Revenu
Profil de
pauvreté
Variables Capacités Résilience
V7
V8
33
1.2. APPROCHES EMPIRIQUES DE MESURE DE LA RÉSILIENCE DANS LE
DÉVELOPPEMENT DURABLE
Il existe, certes, une large littérature sur la théorie de la résilience, mais la contrainte
qui demeure est le manque de consensus sur la manière de mesurer la résilience
(Alfani et al. 2015). Pour certains auteurs (Levine 2014, Keating A. et al, 2017), même
si les approches de mesure se sont multipliées ces dix dernières années, il existe
toujours un besoin urgent de développement continu de la mesure de la résilience aux
désastres, aussi bien sur le plan théorique qu’empirique. Pour ces auteurs, une
amélioration continue des méthodes permettra, non seulement une ample
compréhension des principales composantes/dimensions de la résilience aux
désastres, mais aussi, d’accroitre la capacité à mesurer cette résilience dans le temps
et d’analyser les impacts des interventions (actions, renforcement des capacités, etc.)
et des événements (choc, catastrophe) sur la résilience des individus et des
communautés.
On rencontre dans les pratiques de la mesure de la résilience les méthodes
qualitatives, quantitatives et mixtes. La méthode qualitative est souvent utilisée dans le
domaine de la psychologie, la psychiatrie et quelques rares fois en socio écologie. Les
méthodes qualitatives mettent l’accent sur la participation des personnes affectées par
les chocs, en vue d’une compréhension commune des risques et des capacités des
individus, des ménages ou des communautés à y faire face. Avec la méthode
qualitative, les données sont collectées à travers les focus groups, les entretiens, les
récits de vie, etc. (South et al., 2018, Lallau et al., 2009). Pour Lallau et al. (2009) les
récits de vie sont plus appropriés aux collectes de données qualitatives auprès des
personnes ayant subi un traumatisme.
L’avantage des méthodes qualitatives dans la mesure de la résilience est le fait de
prendre en compte le contexte social et interpersonnel des populations affectées par
les aléas climatiques (Lallau et al. 2009). Cependant les limites à l’application de cette
méthode ne sont pas négligeables. Pour ces auteurs, « il faut parfois savoir relativiser
les tendances paranoïaques de certaines des personnes rencontrées, qui développent
à l’envi la thèse du complot, ou percevoir les mensonges de ceux qui ont encore trop
honte de leurs difficultés pour les présenter de manière crue » (Lallau et al., 2009,
p83). En outre, l’application des méthodes qualitatives nécessite souvent plus de
temps de préparation et assez de moyens pour sa réalisation (Ablett et Jones, 2007,
Lallau et al., 2009). Enfin, la méthode qualitative utilise un nombre réduit d’unités
34
observables, ce qui pose des difficultés d’extrapolation des résultats des études pour
des prises de décisions (South et al., 2018).
Les méthodes quantitatives de mesure de la résilience ont une approche
multidimensionnelle. Plusieurs domaines sont pris en compte dans la mesure
(domaines économique, social, environnement, éducation, santé, etc.) (Adger 2006,
South et al. 2018). Si les méthodes quantitatives semblent les plus utilisées dans la
mesure de la résilience des agriculteurs (Adger, 2006, Alfani et al., 2015 ; Alinovi et al.,
2009), elles peuvent cependant être mal comprises si l’interprétation des résultats ne
tient pas compte du contexte social7.
Au vu de ces limites, il est de plus en plus recommandé d’utiliser des méthodes
quantitatives tout en prenant en compte la participation des personnes et les
spécificités socioculturelles. La nature des données disponibles pour notre étude
(données quantitatives), ainsi que les limites ci-dessus mentionnées de la méthode
qualitative ont justifié le choix de l’application d’une mesure quantitative de la
résilience.
Contas et al. (2016) constatent que parmi les nombreuses méthodes quantitatives
proposées par les chercheurs pour mesurer la résilience, seulement un nombre réduit
a été empiriquement testé. Pour Béné (2015) et Jones et al. (2018) ces méthodes
peuvent être regroupées en deux approches empiriques quantitatives à savoir
l’approche objective et l’approche subjective.
1.2.1. L’approche objective
1.2.1.1. Les principes de la mesure de la résilience
L’approche objective consiste à mesurer directement la résilience à travers des
indicateurs définis ou des variables d’état. Deux cas de figure se dégagent :
La Résilience comme un indicateur composite
Il s’agit d’une approche inductive qui stipule que certaines caractéristiques du ménage
/ communauté (telles que la capacité technologique, les compétences, l’éducation, le
sexe, le statut économique, la qualité de l’environnement et des ressources naturelles,
l’équité, l’efficience de la gestion des institutions, le niveau du revenu, ou des actifs, les
structures politiques, la bonne gouvernance, les infrastructures, l’accès aux
7 Poortinga cité par South et al. 2018
35
connaissances et à l’information, l’innovation) concourent à la construction de la
résilience.
La FAO développe l’approche RIMA (Resilience Index Measurement and Analysis) qui
mesure la résilience à travers quatre principaux piliers8 qui sont i) l’accès aux services
de base (ABS), ii) les actifs du ménage (AST), iii) les filets de sécurité sociaux (SSN) et
iv) la capacité d’adaptation (AC).
L’unité de mesure utilisée est le ménage et le modèle de base postulé est
R = ƒ (ABS, AST, SSN, AC). (1)
Ce modèle considère la résilience comme une variable non observable estimée à partir
des variables indépendantes à droite de l’équation (1). Ces variables dites piliers de la
résilience sont également des variables latentes. Les estimations se font en deux
étapes. La première étape consiste à estimer les indices des piliers de la résilience par
la méthode d’analyses factorielles. Dans la deuxième étape, les indices estimés sont
utilisés pour l’estimation de l’indice de la résilience par la méthode MIMIC (Multiple
Indicators, Multiple Causes).
La résilience ainsi déterminée peut-être une variable indépendante de la sécurité
alimentaire selon le modèle suivant SA= f (R, ∑ Xn1 ,ɛ), où SA représente la sécurité
alimentaire (mesurée par deux indicateurs à savoir les dépenses pour l’alimentation et
le score de consommation alimentaire), R la résilience, X un ensemble de variables de
contrôle et ɛ le terme d’erreur.
8 Voir annexe 14 pour la description des quatre piliers. Cependant Le nombre de piliers utilisés par la FAO varie
en fonction des données disponibles.
36
Figure 6 : les piliers de la résilience
Source : FAO (2016b)
Le modèle RIMA a été testé dans plusieurs pays notamment au Nicaragua (Ciani and
Romano, 2011), au Burkina Faso (Kozlowska et al. 2015), en Ouganda et au Mali
(Errico and Di Giuseppe 2016). Si la première version de RIMA a connu beaucoup
d’améliorations qui ont conduit à la version actuelle, cette dernière n’est pas exempte
de critiques. En effet certaines définitions des variables dans le modèle RIMA sont
discutables. Dans le modèle, la capacité d’adaptation se réfère à la diversité des
sources de revenus, la stratégie de subsistance (cooping strategy), la capacité à
survivre dans le futur (Alinovi et al. 2009). Telle que définie, cette capacité d’adaptation
occulte les techniques agricoles déployées pour s’adapter aux chocs. Aussi, on peut
noter que dans la méthode RIMA, la capacité d’anticipation des ménages, qui leur
permet d’éviter ou d’amoindrir les effets des chocs, n’est pas non plus prise en compte
dans le modèle. Béné et al. (2015) ont par ailleurs fait le même constat comme suit :
« The literature reveals that the conceptualisation and definitions of resilience in the
context of food security and nutrition have so far mainly focussed on the absorptive
capacity of households, with relatively little emphasis on the adaptive and
transformative dimensions of resilience ». (Béné et al. 2015, p129).
D’autres critiques portent sur l’approche elle-même. Selon Jones et Thanner (2015),
les approches dites de mesure objective présentent des faiblesses notamment i) la
difficulté de déterminer les indicateurs pertinents émanant des facteurs économiques,
sociaux et politiques (Cutter et al. 2008) ii) le besoin d’échantillon large de ménages
engendrant des études onéreuses et demandant plus de temps, iii) la simplification de
37
la nature complexe de la résilience par l’auto-évaluation des personnes de leur vie,
toutes choses qui contrediraient l’objectivité de la mesure (Diener, 2009).
La Résilience comme indicateur non composite
Au vu du caractère multidimensionnel de la résilience, certains auteurs soutiennent
qu’il n’est pas judicieux d’agréger les dimensions de la résilience en un seul indicateur
composite. Brooks et al. (2014) soulignent que s’il est vrai que les indicateurs
composites ont l’avantage d’une simplicité apparente, et sont très utiles à des fins de
plaidoyer, ils suscitent de nombreuses critiques. Selon eux, la sélection des indicateurs
de l’indice composite se fait de manière arbitraire et dépendamment des données
disponibles. Les indices composites utilisent souvent aussi plusieurs types
d’indicateurs, par exemple un mélange d’indicateurs d’extrant /output et d’indicateurs
de résultats ou d’impact. Aussi, dans la pratique, l’attribution des poids à chaque
indicateur se fait presque de manière arbitraire et la forte corrélation entre eux montre
qu’ils sont loin d’être indépendants. Pour toutes ces raisons et critiques ci-dessus
mentionnées, ces auteurs proposent la considération des indicateurs individuels
comme jouant chacun de façon indépendante, un rôle dans le renforcement de la
résilience.
1.2.1.2. Les approches empiriques de mesure (objective) de la résilience
La construction de l’indicateur composite peut se faire en utilisant les méthodes selon
la nature des données ou de variables/dimensions qui composent la résilience. Il peut
s’agir par exemple d’une simple agrégation des variables observables constitutives de
la résilience (DFID 2014), ou le recours aux méthodes statistiques ou économétriques
plus complexes notamment les méthodes d’analyse factorielle ou d’analyse en
composantes principales (Alfani et al. 2009, Alinovi, 2009, FAO 2016a, FAO2016b).
Ciani et Romano (2013) utilisent l’analyse des facteurs multiples pour mesurer la
résilience à l’insécurité alimentaire de 3000 ménages affectés par l’Hurricane au
Nicaragua. Ils trouvent que l’indice de résilience est l’élément principal qui détermine le
bien-être du ménage après l’occurrence de la catastrophe. Leurs résultats indiquent
que les indicateurs comme le niveau de sécurité alimentaire, et la probabilité de sortir
de la pauvreté au temps [t+1] sont positivement corrélés avec la résilience des
ménages au temps [t].
Demeke et al., (2017) utilisent l’analyse des composantes principales pour déterminer
l’indice de résilience des ménages, à travers quatre indicateurs à savoir l’accès à la
nourriture, les actifs disponibles des ménages, l’éducation et les réseaux sociaux. Ils
38
trouvent que les caractéristiques telles que l’accès aux services de base, à
l’information, aux intrants agricoles, au marché et à la diversification des revenus
déterminent la résilience des ménages ruraux en Éthiopie.
1.2.2. L’approche de la mesure subjective de la résilience
1.2.2.1. Les principes de la mesure de la résilience
Les critiques formulées à l’encontre de l’approche objective ont conduit plusieurs
auteurs à préconiser récemment la notion de résilience subjective. Ils soutiennent que
la résilience ne se compose pas seulement des éléments tangibles tels que les
moyens d’existence, le revenu, etc., mais elle comprend aussi des éléments subjectifs
tels que la perception du risque, les croyances, la culture, les normes sociales, la
cohésion sociale (Jones et Thanner, 2015, Grothmann et Patt, 2005, Adger et al.,
2009, Clayton et al., 2015). L’approche de mesure subjective va donc consister à
mesurer la résilience indépendamment des variables d’états. Deux cas de figure sont
présents dans la littérature à savoir :
- La mesure subjective de la résilience via un indicateur indépendant (le plus
souvent un indicateur de bien-être). Cet indicateur est ensuite régressé sur des
variables internes et externes aux ménages (Alfani et al 2015, Sanders et al.
2008).
- La mesure subjective de la résilience à travers plusieurs dimensions. Le cadre
s’apparente un peu à celui de la mesure objective avec les variables latentes
présentées ci-haut par FAO (2016b). Cependant, selon la méthode subjective
les dimensions de la résilience ne sont pas des variables latentes, mais plutôt
des variables mesurables à travers les perceptions des individus qui subissent
les chocs. Un indice de résilience est ensuite calculé en utilisant les différentes
dimensions (Jones et al., 2018, Béné et al. 2016.b).
1.2.2.2. Les approches empiriques de mesure (subjective) de la résilience
Lorsque la résilience est captée indirectement à travers un indicateur de bien-être, les
données sur cet indicateur sont collectées directement auprès des ménages (Sander
et al., 2013, Alfani et al., 2015). Les informations sur les dimensions de la résilience
sont aussi collectées directement auprès des ménages. Néanmoins, le calcul de
39
l’indice de la résilience est fait en utilisant des méthodes d’analyse factorielle (ACP) ou
les équations structurelles (LISREL ou PLS). (Jones et al., 2018).
1.2.2.3. Quelques exemples d’approches subjectives
Sanders et al., (2008) ont mesuré la résilience de la santé des ménages pauvres en
Amérique, à travers leur capacité à rester en bonne santé en face d’adversités
importantes. Ils ont utilisé une mesure indépendante de la résilience (Béné, 2013), qui
consiste à expliquer la résilience de la santé à travers certains facteurs de risque et de
protection qui sont communs dans les conditions chroniques. Le maintien des dents
d’un individu est l’indicateur utilisé pour mesurer la résilience de la santé. Ces auteurs
utilisent une régression logistique pour déterminer les variables caractéristiques des
ménages qui expliqueraient la résilience de la santé. Ces variables explicatives sont
supposées ne pas être liées à la variable expliquée. Ce sont entre autres l’âge, le
sexe, l’éducation, le revenu. Selon Béné (2013) la particularité de leur approche, c’est
l’utilisation d’un indicateur qui est indépendant des variables testées. Selon lui, cette
manière permet d’examiner rigoureusement les impacts combinés des différentes
capacités ou dimensions de la résilience.
Alfani et al., (2015) ont aussi procédé à la mesure indirecte de la résilience en
observant la capacité des ménages de certains pays de l’Afrique de l’Ouest (Burkina
Faso, Nigeria, Niger, Sénégal) à maintenir un niveau donné de bien-être face aux
risques environnementaux. L’utilité de la consommation d’un bien donné par les
ménages a été considérée comme indicateur de bien-être. Ils ont utilisé modèle de
consommation intertemporelle qui a consisté à minimiser les risques sous contraintes
des ressources du ménage.
Comme illustré dans la figure 7 ci-dessous, avant le choc le ménage est à un niveau
de bien-être au point A. Après le choc il se retrouve au point B, à cause de
l’augmentation du prix du bien-être. En réaction, le ménage mobilise les ressources
pour revenir au point C. La résilience serait donc la capacité de minimiser la différence
entre les points C et A.
Figure 7: schématisation de la résilience à travers la minimisation de la perte de bien-
être
40
.
Source : Alfani et al., (2015)
En mesurant la résilience à travers la variation du bien-être du ménage après
l’apparition d’un choc, la nécessité de comparer la situation avant et après le choc
s’impose et requiert de données de panel. Face à la rareté de ces données dans les
pays en développement où le modèle a été testé, les auteurs ont opté pour les
données transversales avec l’utilisation de groupes traités et témoins. Le groupe traité
est composé des ménages ayant subi le choc et le contre-factuel, des ménages
n’ayant pas subi le choc.
La formule mathématique du modèle est donnée dans l’équation (2)
𝐶ℎ𝑖= 𝛼+ 𝛽𝑖𝑋ℎ𝑖+ 𝑣𝑖 (2)
Où C représente une variable de bien-être (pouvant être la consommation alimentaire,
le revenu, l’état nutritionnel, etc.), i le groupe traité ou témoin, h le ménage, v le terme
d’erreurs, et X les variables explicatives. Les auteurs comparent la valeur du contre-
factuel à celui de l’ensemble de l’échantillon.
Trois seuils de résilience seront ainsi déterminés à savoir i) les ménages
chroniquement pauvres, ii) les ménages non résilients et iii) les ménages résilients.
Tel qu’illustré dans la figure 7, Alfani et al. (2015) mesurent la résilience comme étant
un problème de minimisation de l’écart [AC]. Cependant, il faut noter que l’ampleur de
la perte de bien-être dépend déjà de la capacité d’anticipation du ménage qui n’est pas
prise en compte dans leur modèle.
Par ailleurs, l’utilisation de données transversales constitue une limite,
comparativement aux données de panel. À cela s’ajoute le défi d’avoir des contre-
41
factuels au vu de la nature des chocs (sècheresse continue qui affecte tout le monde)
ou des interventions (sensibilisation, émission radiophonique, etc.). En effet, les
ateliers de sensibilisation se font souvent sur les places publiques donc accessibles
toute personne intéressée. Aussi, toute personne disposant d’un poste récepteur
(radio) peut avoir accès aux informations diffusées à travers les émissions
radiophoniques.
Jones et al. (2018) ont récemment utilisé aussi une mesure subjective de la résilience
des ménages agricoles en Tanzanie à travers trois capacités à savoir les capacités de
préparation, de recouvrement, et d’adaptation. Chaque capacité a été mesurée en
posant une question sur la probabilité d’anticiper/absorber/adapter. Il s’agissait de
question à choix multiple dont les modalités de réponse étaient les suivantes : 1=
extrêmement probable, 2=très probable, 3= pas très probable, 4= pas du tout probable
(Jones et al. 2018, Béné et al. 2016b). Ces auteurs ont utilisé l’analyse en
composantes principales pour agréger l’indicateur composite de la résilience à partir
des trois capacités.
Tableau 1: Récapitulatif des approches de mesure de la résilience
Mesure objective /inductive Mesure subjective / indépendante
Mesure Mesure de la résilience à travers des
indicateurs standards, caractéristiques
des ménages.
L’indicateur de la résilience est une
variable latente dépendante d’autres
variables latentes.
L’indicateur de la résilience est
indépendant des variables à tester.
Les dimensions de la résilience sont
des indicateurs subjectifs mesurés à
travers le point de vue (les
déclarations) des ménages.
Approche
empirique
Les dimensions de la résilience sont des
construits d’indicateurs observables par :
Utilisation de la moyenne (DFID, 2015,
Quandt 2018)
Analyses factorielles : ACP (FAO, 2016b)
Équations structurelles (LISREL ou PLS,
MIMIC)
L’indice de la résilience est calculé en
utilisant soit la moyenne, soit les analyses
factorielles ou les équations structurelles
Impact de la résilience
- régression logistique (FAO,
2016a)
Les dimensions de la résilience
sont des variables observables
L’indice de la résilience est estimé par :
- Analyses factorielles (ACP),
- Équations structurelles (LISREL,
PLS) (Jones et al. 2018)
- Régression multiple (Alfani, 2015)
Impact de la résilience
- régression logistique
42
1.3. LE CHOIX DE L’APPROCHE ET DES HYPOTHÈSES DE RECHERCHE
Les deux mesures de la résilience (inductive et subjective) ont comme élément
commun, le fait que la résilience dépend (de façon inductive ou subjective) de
certaines dimensions et variables caractéristiques des ménages (Anlinovi et al. 2015,
Béné 2015, Jones et al. 2018). Ces dimensions ou variables émanent des facteurs de
risques ou de protection relativement à un choc donné (Van Breda, 2001).
Malgré le manque de consensus sur le nombre de dimensions qui compose la
résilience des ménages face aux chocs environnementaux, on peut remarquer que les
études récentes tendent à réduire le nombre de dimensions en les regroupant sous 3
ou 4 sous-ensembles ou variables latentes (Behadur et al. 2015, Béné et al 2016b,
Jones et al 2018). Le cadre proposé par BRACED 2015 qui propose la mesure la
résilience à travers trois dimensions à savoir les capacités d’anticipation, d’absorption
et d’adaptation, rejoint donc le point de vue des auteurs ci-dessus. Les mesures de la
résilience au Sénégal par la FAO (2016b), à travers l’approche objective, ont montré
des relations positives entre la résilience est les quatre dimensions précédemment
présentées dans la figure 6. Jones et al. 2018, qui ont adopté l’approche subjective ont
sont aussi parvenu à des relations positives d’intensité différentes entre la résilience et
les capacités de préparation, d’adaptation et d’absorption.
La présente recherche utilise une base de données quantitative collectée dans le cadre
du programme BRACED. Cette base de données que nous présenterons plus tard,
contient des informations sur un ensemble d’indicateurs ciblées par le programme et
susceptibles de renforcer les capacités d’anticipation, d’adaptation et d’absorption des
ménages agricoles dans les zones couvertes. Cette réalité nous prédispose au choix
de l’approche objective cette analyse. En référence à FAO (2016b), et Jones et al.,
(2018), ainsi qu’aux objectifs fixés par le programme BRACED, les hypothèses
suivantes sont formulées :
1. Les trois capacités (anticipation, adaptation, absorption) ont une influence
positive et significative sur la résilience des ménages agricoles face aux
changements climatiques
2. Une amélioration de la résilience induit une amélioration de la sécurité
alimentaire et du statut socioéconomique des ménages
43
CHAPITRE II. MÉTHODOLOGIE
Ce chapitre présente la méthodologie adoptée pour cette étude. Elle présente le
modèle choisi, décrit les variables (dépendantes et indépendantes). Les méthodes de
l’estimation du modèle sont également présentées, ainsi que la base de données
utilisée pour les analyses.
2.1. Représentation du modèle
Le modèle choisi est représenté dans la figure 8 ci-dessous.
Le modèle peut s’écrire comme suit
Rti = ƒ(Canti, , Cadt , Cabti) (3)
La résilience R est une fonction des trois variables latentes que sont la capacité
d’anticipation (Can), la capacité d’adaptation (Cad) et la capacité d’absorption (Cab).
i=1,… n, représente le nombre d’individus, et t est la période de mesure de la
résilience.
44
Figure 8: représentation schématique du modèle
ω 12
RÉSILIENCE
(η1=RES)
(ξ2)
Capacité
d’adaptation
(η2=Cad)
Capacité d’absorption
(ξ2=Cab)
Y1= Sécurité
Alimentaire (SCA)
Y2= Groupe
socioéconomique
(TP, P, M, N)
X5=Semences
(HYDTS)
X6=GRN
X8=Diversification
(DRA)
X10=Crédit (CRE)
X11=Épargne (EP)
X12=Actifs (ASS)
δ 11
β12
δ12
δ 21
δ 22
α 11
α 21
X7=INN Innovation
Capacité
d’anticipation
(ξ1=Can)
)
ω 210
ω 23
ω 26
ω 25
ω 27
X1=USE_EWS
µ2
ε2
µ1
ʋ2
ʋ1 X2= EGG_voix
X9=ACM
ω 28
Légende :
- Variable latente endogène
- Variable manifeste
- Arc formatif
- Arc réflectif
Source : auteur (2018)
ω 11
ω24
ε1
X3= EGG_choix
X4= EGG_cont
ω 29
ω 211
ω 212
45
Légende du modèle
- Les Xi (dans les rectangles) sont les variables manifestes ou indicateurs
(i=1…12). Ces variables seront explicitées dans et détaillées dans le tableau 2
un peu plus loin.
- L’ensemble formé par une variable latente et les indicateurs constitue le modèle
externe, ou modèle de mesure,
- La relation qui lie les variables latentes entre elles, est appelée modèle interne,
ou modèle structurel,
- Les formes ovales représentent les variables latentes. Can, Cad et Cab sont
respectivement les capacités d’anticipation, d’adaptation et d’absorption et RES
est la variable de la résilience,
- Les ξj représentent les variables latentes exogènes (en bleu) du modèle
structurel. Ce sont Can et Cab,
- Les ɳj représentent les variables latentes endogènes (en vert) du modèle
structurel. Ce sont RES et Cad,
- Y est la matrice des indicateurs de bien-être que sont la sécurité alimentaire (Y1)
et le Groupe socioéconomique (Y2),
- ωji est la matrice des coefficients reliant les indicateurs ou variables manifestes
aux trois capacités (Can, Cad et Cab). Ils sont appelés des « weights». J=1,2 et
i=1,…..,12 ),
- α est la matrice des coefficients reliant Y1 et Y2 à RES. Ils sont appelés des
« loadings »,
- Β12, δ11, δ12 , δ21 , δ22 sont les coefficients structurels reliant les variables latentes
entre elles,
- μ1, et μ2 sont erreurs de mesure associées aux variables latentes endogènes du
modèle interne (la résilience),
- ɛ1, et ɛ2 sont erreurs de mesure associées aux variables latentes exogènes du
modèle interne (respectivement les capacités d’anticipation, d’adaptation et
d’absorption),
- ʋ1 et ʋ2 sont des erreurs de mesure associées à Y1 et Y2 respectivement.
2.1.1. Les variables du modèle
Deux types de variables figurent dans le modèle ci-haut. Il s’agit des variables
manifestes ou observées représentées par des rectangles, et des variables latentes ou
non observées représentées par des cercles ovales.
46
2.1.2. La résilience
La résilience est une variable latente endogène déterminée par les trois capacités
(anticipation, adaptation et absorption) qui sont aussi des variables latentes. Il faut
noter que toutes les variables latentes du modèle sont d’ailleurs endogènes. En effet,
il existe une interaction entre les capacités. L’utilisation du PLS (Partial Least Square)
permet de tenir compte de ces interactions.
Rappelons que dans le modèle structurel les variables latentes endogènes sont celles
qui dépendent d’autres variables latentes, tandis que les variables latentes exogènes
ne dépendent d’aucune autre variable latente (Jakobowicz, 2007). Nous revenons sur
ces variables dans les sections qui suivent.
2.1.3. Capacité d’adaptation
Au regard de la littérature, l’adaptation requiert un certain nombre de capacités du
système social. Les ménages agricoles affectés par un ou plusieurs chocs climatiques
(sècheresse, inondation, etc.) ont besoin de s’adapter, s’ajuster et de prendre des
décisions délibérées et planifiées pour atteindre un état désiré de bien-être malgré les
changements des conditions (Malone, 2009). Selon Becchetti & Castriota (2011),
l’adaptation c’est aussi cette capacité de prendre l’avantage (ou de profiter) du
changement pour se renforcer ou revenir à un état d’équilibre meilleur que celui
d’avant le choc, de sorte à éviter le piège et le risque de vulnérabilité.
Le programme BRACED identifie aussi l’apprentissage comme un autre élément de la
capacité d’adaptation. C’est le cas lorsque les agriculteurs décident de diminuer leur
dépendance vis-à-vis des sources de subsistance qui ont été affectées par certaines
catastrophes en faveur d’autres sources de subsistance (BRACED, 2016). Berkes et
al. (2003) soutiennent également que l’apprentissage joue sur les stratégies
d’adaptation aux chocs. Selon eux, « la capacité d’adaptation est la capacité
d’apprendre, de combiner la connaissance et l’expérience, d’ajuster les réponses aux
changements survenus afin de continuer à opérer » (traduction libre de Berkes et al.
2003 cité par Béné et al 2014).
Les variables manifestes généralement utilisées par les praticiens et les chercheurs
pour déterminer la capacité d’adaptation sont relatives aux actifs et aux revenus, au
renforcement et l’adaptation des moyens de subsistance (semences améliorées,
techniques culturales, diversification des sources de revenu ou de nourriture, etc.),
l’accès aux services de base (eau pour l’irrigation, eau potable, carburant, etc.). À ces
47
variables il faut ajouter les effets des capacités d’absorption et d’anticipation (Bahadur
et al., 2015).
2.1.4. Capacité d’anticipation
La capacité d’anticipation est définie comme la capacité du système à anticiper et
réduire l’impact des variations et extrêmes climatiques à travers la préparation et la
planification. Pour anticiper, un ménage par exemple prend des actions proactives
avant le choc afin d’éviter tout bouleversement, ou réduire l'exposition ou encore
minimiser la vulnérabilité aux aléas spécifiques (Kellett et Peters, 2014).
Selon Fankhauser et al. (1999), toute action qui permet à une communauté de prévoir
un choc (cyclone par exemple) et de prendre des mesures préventives pour réduire
l'impact, est de nature à renforcer les capacités anticipatives.
Les variables explicatives qui déterminent la capacité d’anticipation, peuvent être
regroupés principalement en trois catégories à savoir, i) la préparation et la
planification, ii) la coordination et la mobilisation, iii) les informations sur le risque
climatique (Kellett et Peters, 2014, Fankhauser et al. 1999).
Cette étude prend en compte les variables sur l’égalité genre dans la capacité
d’anticipation. En effet, il faut dire que depuis les années 70, les travaux des adeptes
des théories féministes ont montré que les sociétés patriarcales occasionnent une
subordination des femmes malgré le fait que les hommes et les femmes font face à
des difficultés la vie quotidienne. La prise en compte de l’aspect genre dans les
interventions suppose donc la mise en évidence des différences sociales et des
inégalités de pouvoir (Dankelman, 2010). Les inégalités basées sur le genre et
l’exclusion sociale sont susceptibles d’affecter la résilience des personnes, ménages,
voire des communautés, face aux chocs climatiques en générale, et de manière
spécifique, les capacités d’anticipation. En effet, selon Enarson et Morrow (1998) ;
Sultana (2013),
« La combinaison des structures de pouvoir, la dynamique au sein des
ménages, les processus de prise de décisions à l’intérieur et à l’extérieur des
foyers, ainsi que les inégalités sur le plan de la charge de travail, de l’emploi et
des revenus, entravent de nombreuses femmes du monde entier au moment
d’accéder et d’obtenir des moyens de subsistance et d’exercer un contrôle sur
leur propre vie. Cela nuit à leur aptitude à anticiper et à se préparer en vue des
48
catastrophes d’envergure et influence leur vulnérabilité et degré d’exposition
aux extrêmes climatiques » (Le Masson et al., 2015, p 20).
La relation rentre l’autonomisation basée sur le genre et la résilience doit
nécessairement intégrer une causalité bilatérale qui met en évidence d’une part,
mécanisme à travers lequel le renforcement de la résilience au niveau communautaire
pourrait renforcer l’égalité de genre, et d’autre part, les manières dont l’égalité de genre
ou l’autonomisation des femmes pourrait entrainer un renforcement de la résilience au
niveau communautaire. Notre recherche s’est intéressée sur la dernière causalité, pour
la simple raison qu’il est question d’estimer un indice de résilience basée sur les trois
capacités (anticipation, adaptation et absorption).
2.1.5. La capacité d’absorption
La capacité d’absorption est la capacité du système social à absorber et à faire face
aux impacts des changements climatiques. Elle fait appel aux compétences et
ressources à la disposition du système (Hudner et Kurtz, 2002, Holling 1973).
La capacité d’absorption fait aussi référence à la pertinence fonctionnelle du système,
c'est-à-dire la capacité d'un système à supporter les impacts des extrêmes climatiques
à court terme et à éviter l'effondrement (mort, débilitation et destruction des moyens de
subsistance) (Blaikie et al., 2003, Folke et al., 2010, Béné, 2012).
Les actifs tangibles tels que l'épargne et les actifs intangibles comme les réseaux
sociaux peuvent aider à survivre aux chocs et maintenir leur bien-être (Levine et al.,
2011). Les secours en cas de catastrophe, le microcrédit, l'assurance indexée sur les
conditions météorologiques et la protection sociale peuvent également aider les
ménages à répondre à leurs besoins de consommation immédiatement après un aléa
(Brouwer et al., 2007, Carter et al., 2004).
Du point de vue de Béné et al (2014), la capacité d’absorption résulte des stratégies de
subsistance par lesquelles le ménage par exemple atténue ou réduit l’impact du choc
sur ses moyens d’existences, ou sur ses besoins fondamentaux. Plusieurs auteurs
soulignent aussi que les catastrophes affectent négativement les biens des
communautés. Une façon efficace aux ménages d’absorber ces chocs serait leur
aptitude à remplacer un bien ou une ressource crucial(e) par un(e) autre (Carpenter et
al., 2001 ; Folke, 2006 ; Holling, 1973 ; Resilience Alliance, 2009).
49
Les variables généralement utilisées par les praticiens et les chercheurs pour mesurer
la capacité d’absorption sont entre autres le système de filets de sécurité sociale
(épargne, crédit, assurance), la diversification des actifs, l’appui social à travers les
réseaux sociaux ou les organisations. (Bastagli et Harman, 2015, Brouwer et al., 2007,
Carter et al., 2004 ; Becchetti et Castriota, 2011).
3.1.6. Les variables manifestes du modèle
Les variables manifestes encore appelées variables observées sont les indicateurs
utilisés comme déterminants des trois capacités (anticipation, adaptation, capacités).
En suivant les définitions que les chercheurs ont données aux dites capacités, un
classement des variables manifestes a été fait, tel que récapitulé dans le tableau 2 ci-
dessous. Il faut noter que ces variables proviennent des bases de données des
enquêtes auprès des ménages agricoles bénéficiaires du programme BRACED au
Burkina Faso.
50
Tableau 2 : récapitulatif des indicateurs du modèle
N°. INDICATEURS DESCRIPTION JUSTIFICATION DE LA CONTRIBUTION
À LA CAPACITÉ
TYPE DE
VARIABLE
Capacité d’anticipation
1
EWS : Accès aux
systèmes d’alerte
précoce
L’accès à l’information préventive sur les
aléas climatiques à travers les canaux de
communication suivants : i) Radio
communautaire, ii) Téléphonie mobile (SMS),
iii) une tierce personne (paysan leaders), iv)
un tiers (autre personne), v) un atelier
d’information, vi) agent d’agriculture, vii) les
Services du Gouvernement (radio nationale,
télévisons nationale, agent d’agriculture) et
prise de décision effective à partir des
informations reçues.
Accès à l’information météorologique à
court terme peut permettre des prises de
décisions spontanées (choix de la
semence améliorée, choix des parcelles
de culture (riz de bas-fonds, terre-haute),
choix du type de techniques culturales
(drain, diguette, etc.)
Score de 0 à 7
2 EGG : Égalité genre
Le niveau/degré auquel la femme est
impliquée dans les prises de décisions aussi
bien dans le ménage que dans sa
communauté. Trois domaines sont
considérés à savoir i) la voix, ii) le choix et iii)
La femme est très vulnérable pour ce qui
concerne l’accès à la terre et aux moyens
de production. En cas de choc, elle est
négativement affectée plus que les autres
membres du ménage.
Ordinale
51
N°. INDICATEURS DESCRIPTION JUSTIFICATION DE LA CONTRIBUTION
À LA CAPACITÉ
TYPE DE
VARIABLE
le contrôle des ressources. Pour chaque
domaine, une échelle d’appréciation est
appliquée :
- 1= aucune implication de la femme.
- 2= implication de temps en temps
- 3= implication le plus souvent, mais
c’est toujours le mari qui a le dernier
mot
- 4 = égalité entre la femme et l’homme
La promotion de l’égalité entre la femme et
l’homme dans les prises de décision et
l’accès aux intrants de production permet
d’éviter qu’elle et son ménage ne soient
durement affectés par une
perturbation/choc
(Le Masson et al., 2015, p 20)
Capacité d’adaptation
3
DRA : Diversification de
la production agricole
Le nombre de productions agricoles
adoptées dans le ménage :
1. Riz
2. Manioc
3. Maraichage
4. Niébé
5. Arachide
6. Sésame
7. Volaille
Du point de vue de la « résilience », la
diversité est l’aptitude à remplacer un
moyen de subsistance par un autre selon
la situation urgente particulière. Cette
diversité est essentielle pour améliorer la
capacité d’adaptation (Bahadur et al.
2013, Hudner et Kurtz, 2002).
Score de 0 à 8
52
N°. INDICATEURS DESCRIPTION JUSTIFICATION DE LA CONTRIBUTION
À LA CAPACITÉ
TYPE DE
VARIABLE
8. PFNL
4 ACM : Accès au
marché
L’accès au marché dépend des 3 trois
paramètres suivants :
1. L’information sur le marché
2. L’accès au crédit
3. Le volume de produit vendu
4. Les facteurs et obstacles qui
influencent l’accès marché.
(calcul de score)
L’accès au marché est en lien avec la
diversification des sources de revenus
agricoles (BRACED, 2014)
Score de 0 à 30
5
GRN : Utilisation des
techniques de gestion
des ressources
naturelles
Le nombre de techniques GRN (gestion des
ressources naturelles) adoptées parmi :
1. La pratique du zaï amélioré (Zaï +
composte) ou demi-lune améliorée
(demi-lune + compost)
2. Association des cultures
3. Compostage
4. RNA (régénérescence naturelle
assistée)
5. La pratique de la reforestation
6. Agroforesterie
7. L’utilisation de foyer amélioré
Les techniques GRN permettent d’adapter
les techniques de production aux réalités
changeantes.
(Malone, 2009).
Score de 0 à 8
53
N°. INDICATEURS DESCRIPTION JUSTIFICATION DE LA CONTRIBUTION
À LA CAPACITÉ
TYPE DE
VARIABLE
8. La pratique de la rotation des cultures
6 INN : Utilisation des
cliniques des plantes
Il s’agit des ménages qui ont visité les
docteurs des cliniques des plantes, ou qui ont
reçu la visite des infirmiers/infirmières des
cliniques des plantes ou qui ont écouté à la
radio, les infos des cliniques de plantes
La fréquentation des cliniques des plantes
dénote à la fois d’une prise de décision,
mais aussi d’une prise de conscience de la
réalité du changement. Les conseils
assortis et qui seront appliqués
permettront d’améliorer les rendements
malgré l’occurrence des maladies
phytosanitaires (Lopez-Marrero et Yarnal,
2010).
Score de 0 à 3
7
HYDTS : Utilisation des
semences à haut
rendement adaptées à
la sècheresse
La superficie du champ emblavée par les
semences adaptées aux changements
climatiques.
Les semences à haut rendement adaptées
à la sècheresse permettent d’accroitre les
rendements malgré les perturbations/choc
Variable
continue
Capacité d’absorption
8 ASS : Les actifs du
ménage
Le score des actifs du ménage est la somme
des actifs fonctionnels du ménage.
L’amélioration des actifs du ménage se
mesure sur la base des de l’augmentation du
score des actifs du ménage à la fin du projet.
La diversité des biens améliore la capacité
d’absorption (Carpenter et al., 2001 ;
Folke, 2006 ; Holling, 1973 ; Resilience
Alliance, 2009)
Score de 0 à 30
54
N°. INDICATEURS DESCRIPTION JUSTIFICATION DE LA CONTRIBUTION
À LA CAPACITÉ
TYPE DE
VARIABLE
9 EP : disposition d’une
épargne
Montant d’épargne dont dispose le ménage
(CFA)
La capacité d’absorption est vue comme
l’aptitude des communautés à accéder à
des biens tangibles comme l’épargne et à
des biens intangibles comme les réseaux
sociaux et à les mettre en œuvre, pour les
aider à survivre à des chocs violents et à
maintenir un certain niveau de bien-être
(Levine et al., 2011)
Continue
10 CRE : accès au crédit
La perception du ménage sur la facilité
d’obtention de crédit à titre individuel ou au
travers d’une forme organisée. Cet indicateur
est capté à travers 6 questions binaires (voir
annexe 15) dont la somme donne le score de
l’accès au crédit.
Les secours apportés lors d’une
catastrophe, le microcrédit, l’assurance
indexée sur les conditions
météorologiques et la protection sociale
sont autant de facteurs qui peuvent aider
les ménages à subvenir à leurs besoins de
consommation au lendemain d’une
catastrophe. (Brouwer et al., 2007 ; Carter
et al., 2004 ; Devereux, 2001 ; Doocy et
al., 2005)
Score de 0 à 6
Le bien-être
11 SCA : Le score de
consommation
Le score de consommation alimentaire (SCA)
du ménage c’est la somme des groupes
Le SCA est un indicateur proxy de la
sécurité alimentaire. La sécurité
Ordinale (3
classes de
55
N°. INDICATEURS DESCRIPTION JUSTIFICATION DE LA CONTRIBUTION
À LA CAPACITÉ
TYPE DE
VARIABLE
alimentaire alimentaires pondérée de leur densité
alimentaire.
Si la somme est ≤21 alors SCA faible
Si 21,5 < la somme < 35 alors SCA limite
Si la somme ≥ 35,5 alors SCA acceptable
alimentaire un indicateur social du bien-
être des ménages. Voir aussi Aliniovi
(2009) et Alfani (2015).
SCA)
12 GSE
Le groupe socioéconomique auquel
appartient le ménage. Il y a en effet 4
groupes identifiés selon les méthodes HEA
(Household économique assessment). Il
s’agit de i) ménage très pauvre, ii) ménage
pauvre, iii) ménage moyen, iv) ménage nanti.
Le niveau de richesse est un indicateur du
bien-être du ménage
Variable
qualitative
ordinale
56
2.2. Mesure de la résilience : spécification du modèle et approche
d’estimation
2.2.1. Spécification du modèle
Il s’agit ici d’un modèle d’équations structurelles à variables latentes que Jakobowicz
(2007) définit comme « un système d’équations dites structurelles pouvant être
représenté par un graphe orienté ». Le système d’équations s’écrit alors sous la forme.
Cad = ƒ (Can, Cab) (4)
R = ƒ(Can, Cab, Cad) (5)
La relation qui lie les variables observées à une variable latente est appelée modèle de
mesure ou modèle externe, tandis que celle reliant les variables latentes entre elles est
appelée modèle structurel ou modèle interne.
Toujours selon Jakobowicz (2007), il existe deux méthodes d’estimation des modèles
d’équations structurelles à variables latentes. La première méthode est le LISREL
(LInear Structural RELationships) développé par Jöreskog (1970) qui utilise un
système d’équations structurelles basé sur l’estimation de la matrice de covariance,
pour établir la qualité du modèle relativement aux données. Elle est aussi appelée,
dans la littérature, Structural Equation Modelling (SEM), Covariance Structure Analysis
(Bollen, 1989, Jakobowicz, 2007).
La deuxième méthode est le PLS (Partial Least Squares) introduit par Wold (1973). La
méthode PLS, que Wold (1982) appelle méthode douce, car nécessitant peu
d’hypothèses-, dérive de la théorie de l’estimation des moindres carrés, en se basant
des sur régressions simples et multiples.
Cette étude fait l’estimation du modèle en trois étapes successives telles qu’illustrées
dans la figure 9 ci-dessous.
57
Figure 9: Les étapes d’estimation du modèle
Dans un premier temps, la méthode PLS permettra d’estimer les scores pour les
variables latentes Can, Cad et Cab (avec Can = capacité d’anticipation, Cad=capacité
d’adaptation et Cab = capacité d’absorption)
Dans un second temps, l’indice de résilience sera estimé, à travers la méthode ACP,
en utilisant les trois scores de Can, Cad et Cab estimés précédemment.
Et la troisième étape consiste à faire une régression logistique pour déterminer dans
quelle mesure la résilience affecte le bien-être mesuré à travers le score de
consommation alimentaire et le profil de pauvreté des ménages.
2.2.2. L’estimation des scores des capacités de la résilience.
Selon Jakobowicz (2007), dans un modèle à équations simultanées, lorsqu’il s’agit de
la forme formative9, les variables observées sont reliées à la variable latente par une
9 Les relations du modèle externe sont dites formatives si, pour chaque variable latente
ξk, la relation entre cette variable et l’ensemble des variables manifestes associées s’écrit :ξk = ∑ωkjxkj + δk ou ωkj est un poids et δk est un vecteur d’erreur qui est supposé avoir une moyenne nulle et non corrélée aux variables manifestes.
GSE
SCA
Cad
Cab
RES
Can
58
relation linéaire. Les estimations des paramètres et les termes d’erreurs se font selon
l’algorithme du PLS décrit dans l’annexe 16.
2.2.3. Calcul de l’indice de la résilience
Le calcul de l’indice de la résilience se fait par la méthode d’analyse en composantes
principales qui est l’une des méthodes descriptives multidimensionnelles ou méthodes
factorielles. Le calcul des composantes principales par l’équation (6)
Ci = αi1𝐶𝑎�̂� i +αi2𝐶𝑎�̂� i+αi3𝐶𝑎�̂� i (6)
Où Can̂ Cad̂ Cab̂ sont respectivement les scores estimés à l’étape précédente des
capacités d’anticipation, d’adaptation et d’absorption, et αij sont des poids de chaque
variable latente (représentée par son score) à la formation de la composante Ci.
2.3.4. La corrélation entre la résilience et le bien-être
La définition de la résilience, qualifiée de « engineering résiliences » met l’accent sur la
capacité du système social à revenir à une situation d’équilibre en changeant ses
variables d’état. Dans le cas des populations considérées dans cette étude, les
ménages agricoles ont subi la sècheresse et les inondations. Ces chocs ont affecté
négativement leur bien-être. Ce bien-être est mesuré par des variables observées que
sont la sécurité alimentaire et le profil de pauvreté.
Dans le modèle proposé, la résilience est une variable explicative du bien-être. Cela se
traduit par l’équation BE = ƒ(RES, Z), avec BE étant le bien-être, RES la résilience, Z
des variables de contrôle et f une forme fonctionnelle.
Nous avons donc deux variables dépendantes que sont :
- Le score de consommation alimentaire (SCA) qui un indicateur proxy de la
sécurité alimentaire. Cette variable est une variable ordinale à trois modalités à
savoir 0= SCA faible, 1= SCA élevé et 2= SCA acceptable.
- Le profil socioéconomique des ménages (GSE) qui est aussi une variable
ordinale à 4 modalités (0= ménage très pauvre, 1= ménage pauvre, 2= ménage
moyen, 3= ménage nanti).
Etant donné que ces variables dépendantes sont des variables ordinales, la forme
fonctionnelle adéquate est celle de logit ou de probit ordonné. Les deux modèles
diffèrent seulement à travers la fonction de répartition qui peut correspondre à la loi
59
logistique (pour le logit) ou la loi normale centrée réduite (pour le probit). (Hurlin 2003,
Afsa 2013).
Le modèle général logit se présente comme suit :
P(yi = j|xi) = 1
1+ e−Xiβ (7)
Avec yi la variable dépendante, j les modalités ou alternatives prise par y, i variant de 1
à n individus, Xi les variables indépendantes.
Appliqué à nos deux variables dépendantes, cela donne les équations suivantes :
P(SCAi = j|xi) = 1
1+ e−Xiβ (8)
P(GSEi = j’|xi) = 1
1+ e−Xiβ (9)
Avec j = 0, 1, 2, j’= 0, 1, 2, 3, Xi = RES, EDUC, SEXE, AGE, TAILLE_MEN,
PROVINCE, RES*PROVINCE, RES*Taille, et β le vecteur de paramètres.
RES est la résilience du ménage. Par définition de la résilience, on s’attend à un effet
positif de cette variable sur la sécurité alimentaire et sur le profil socioéconomique des
ménages.
EDUC le niveau d’éducation du chef de ménage. Cette variable prend les modalités 0
pour aucun, 1 pour alphabétisé, 2 pour primaire, 3 pour secondaire et supérieur.
L’amélioration du niveau d’instruction du chef de ménage a un effet positif sur bien-être
du ménage (Lachaud 2003). Par conséquent l’impact du niveau d’éducation du chef de
ménage sera positif sur la sécurité alimentaire et sur le profil socioéconomique des
ménages
SEXE le sexe du ménage prenant les modalités 0 pour femme et 1 pour homme. Il est
attendu que les ménages dirigés par un homme aient des conditions de vie meilleures
à ceux dirigés par une femme (Lachaud 2003).
AGE est la classe d’âge du ménage. Il s’agit d’une variable ordinale prenant les
modalités suivantes (suivant la classification du ministère de la Jeunesse et de l’Emploi
du Burkina Faso)10 : 1 si l’âge inférieur ou égal à 24 ans, 2 si l’âge est compris en 25
et 34 ans, 3 si l’âge est compris entre 35 et 44 ans, 4 si l’âge est compris entre 45 et
54 ans, 5 si l’âge est compris entre 55 et 64 ans, 3 si l’âge est supérieur à 65 ans.
10
http://www.cns.bf/IMG/ISMG/12_DECEMBRE%202016_ISG.pdf
60
TAILLE_MEN est la taille du ménage. Cette variable quantifie le nombre de personnes
dans le ménage. Les études réalisées au Burkina Faso indiquent que la taille du
ménage a un effet significatif et négatif sur son niveau de vie. Il faut cependant noter
que les résultats de certaines études montrent que l’effet de la taille peut être mixte
(positif ou négatifs) (Lachaud 2003 ; Nana et Thiombiano, 2018).
PROVINCE : L’étude a couvert 4 provinces à savoir les provinces du Bam, du
Kourweogo, d’Oubritenga et du Sanmatenga, la province d’Oubritenga est retenue
comme province de référence.
RES*PROVINCE : cette variable capte l’effet d’intégration entre la province et la
résilience. Cette interaction permet de voir si l’effet de la résilience sur la sécurité
alimentaire et/ ou le profil socioéconomique des ménages est fonction du lieu
géographique (la province).
RES*Taille est la variable qui capte l’effet de l’intégration entre la résilience et la taille
du ménage. Cette interaction permet de voir si l’effet de la résilience sur la sécurité
alimentaire et/ ou le profil socioéconomique des ménages s’accroit (ou diminue) selon
que la taille du ménage augmente (ou diminue).
2.3. Les données
Cette étude utilise une base de données provenant du programme BRACED
implémenté par un ’un consortium d’ONG (Welthunghilfe et Self Help Africa dans deux
régions du Burkina Faso, à savoir les régions du Centre Nord, du Plateau central. Il
s’agit de données transversales collectées en novembre 2017 auprès de 843 ménages
agricoles dans le cadre d’un programme de renforcement de la résilience des
agriculteurs face à la sècheresse et aux inondations. Les données ont été collectées
après l’implémentation du programme, à l’aide de questionnaires.
L’enquête a eu comme base de sondage, la population totale des quatre (04)
provinces représentant la zone de couverture du consortium. Il s’agit des provinces du
Kourweogo, du Sanmatenga, du Bam, et de l’Oubritenga. La formule de Schwartz11 a
11
Nb =𝛿2 ∗ 𝑡(1 − 𝑡)
𝑑2(1 − TNR)∗ 𝑑𝑒𝑓𝑓
61
été utilisée pour déterminer l’échantillon avec un intervalle de confiance de 95% et une
marge d’erreur de 5%. Cette formule prend en compte un effet de sondage et d’un taux
de non-réponse attendu de 10%. L’effet de sondage est dû au fait que
l’échantillonnage a été fait en deux étapes : i) la première étape a consisté au choix de
30 villages répartis proportionnellement entre les quatre (04) provinces d’intervention
selon la taille des populations bénéficiaires, ii) dans la deuxième étape, un nombre
défini de ménages a été tiré par la méthode de pas de sondage.
La saisie des données s’est faite sur le logiciel CSPro, à partir d’un masque de saisie
conçu à cet effet. Un premier apurement a été fait sur CSPro, puis les données ont été
ensuite transférées sur le logiciel SPSS pour un second apurement avant les analyses.
Les informations dans cette base de données portent sur certaines caractéristiques
sociodémographiques des ménages (situation géographique, âge, sexe du chef de
ménage, taille du ménage, etc.), sur les moyens de subsidences (superficies, bétails et
autres actifs du ménage, etc.), sur les types d’appuis bénéficiés grâce au programme
BRACED (équipements, kits, formations), sur l’adoption des techniques agricoles et
enfin sur la sécurité alimentaire (le score de sécurité alimentaire).
La base de données porte donc uniquement sur des microdonnées quantitatives des
ménages. L’absence de données qualitatives et d’informations sur les facteurs
communautaires, et sur les informations relatives au type et l’intensité du choc subi par
chaque ménage, constituent un ensemble de limites qui ont aussi orienté l’adoption de
la méthode quantitative et du choix des variables dans le modèle. Cette contrainte a
aussi limité nos analyses. À titre d’exemple, la prise en compte de l’aspect
communautaire a été réduite à l’effet de la province ou de la région sur l’indice de la
résilience.
2.4. Logiciel d’analyse
Les logiciels SmartPLS et stata ont été utilisés pour le traitement et l’analyse des
données. Le logiciel SmartPLS permet application du modèle PLS-SEM (Partial Least
Square – Structural Equations Model) tandis que le logiciel stata permet l’application
de l’ACP (Analyse en Composantes Principales) et aux régressions économétriques.
𝑁𝑏 = nombre minimum de personnes bénéficiaires ; 𝛿 =lié à un intervalle de confiance de 95 %
pour l’échantillonnage simple (1,96) ; t =proportion attendue (50%) ; d =terme d’erreur
(95%);TNR=taux de non-réponse (10%); Deff =effet grappe (=2).
62
CHAPITRE III. RÉSULTATS ET DISCUSSIONS
Ce chapitre qui présente les résultats de l’étude est subdivisé en deux grandes parties.
La première présente les résultats obtenus des analyses descriptives, des analyses
multidimensionnelles et des régressions logistiques. La deuxième partie porte sur la
discussion des résultats.
3.1. PRÉSENTATION DES RÉSULTATS
3.1.1. Analyse descriptive des variables caractéristiques des ménages
Le tableau 3 ci-dessous présente les statistiques descriptives des caractéristiques
sociodémographiques des ménages. Au total, les enquêtes ont porté sur un échantillon
de 843 ménages agricoles dont 3,4 % sont dirigés par une femme. La grande majorité
des chefs de ménages (72 % environ dans l’échantillon) n’a aucun niveau d’instruction.
Ces pourcentages (taux de chefs de ménage - femme et taux de chefs de ménage non
instruits) sont proches de ceux trouvés au plan national au Burkina en 2014, qui étaient
respectivement de 6 % et 88 % (INSD, 2014). L’âge moyen des chefs de ménage est
de 53 ans (tableau 3). La tranche d’âge la plus représentée dans l’échantillon est celle
comprise entre 45 et 54 ans, soit 30,4 %. Les individus ayant moins de 35 ans
représentent 7,6 % alors que ceux qui sont âgés de 65 ans et plus constituent environ
20 % de l’échantillon.
Le profil socioéconomique des ménages se présente comme suit : près de trois quarts
des ménages sont soit pauvres (51,84 %) ou soit très pauvres (21,47 %). La situation
des ménages dirigés par les femmes est moins satisfaisante avec 93 % de ménages
pauvres ou très pauvres. Ce constat est semblable pour ce qui est de l’accès à
l’alimentation. Pour l’ensemble de l’échantillon, les résultats indiquent que moins de la
moitié des ménages a un score de consommation alimentaire (SCA) acceptable, tandis
que pour les ménages dirigés par une femme, le SCA acceptable représente
seulement 27,59 % (contre 47,67 % pour les hommes).
63
Tableau 3: Statistiques descriptives des variables caractéristiques de l'échantillon
Variables Ensemble (%) Femmes(%) Hommes(%) Statistiques nationales du Burkina
Sexe du chef de ménage 3,44 96,56 6% de femmes
Niveau d’instruction du chef de ménage
Aucun 71,89 79,31 71,62 88%
Primaire 11,39 13,79 11,3 8%
Secondaire et + 16,73 6,9 17,08 4%
Âge du chef de ménage
Moins de 25 ans 0,59 0 0,61
25 à 34 ans 7,00 3,45 7,13
35 à 44 ans 19,57 17,24 19,66
45 à 54 ans 30,37 20,69 30,71
55 à 64 ans 22,54 17,24 22,73
65 ans et plus 19,93 41,38 19,16
Groupe socioéconomique
Très pauvres 21,47 58,62 20,15 69% de pauvres et très pauvres (DGPER/DPSAA,
2012)12
Pauvres 51,84 34,48 52,46
Moyens 23,72 6,9 24,32
Nantis 2,97 0 3,07
Score de consommation alimentaire
Faible 0,24 0 0,25 35% de ménages en
sécurité alimentaire au centre nord du
Burkina (REACH, 2015)13
Limite 52,79 72,41 52,09
Acceptable 46,98 27,59 47,67
Taille du ménage
Mono parental 0 0 0 Environ 8 personnes par ménage en milieu rural (INSD, 2014)
2 personnes 0,71 20,69 0
3 à 4 personnes 4,98 27,59 4,18 5 à 6 personnes 12,10 13,79 12,04 7 à 8 personnes 16,25 10,35 16,46 9 personnes et + 65,95 27,59 67,32
Le nombre moyen de personnes dans les ménages enquêtés est de 11, avec un
maximum de 24 personnes. Cette taille de ménage est supérieure à celle obtenue en
2014 sur le plan national qui était de 8 personnes par ménage (INSD, 2014). Il faut
12 https://documents.wfp.org/stellent/groups/public/documents/ena/wfp249892.pdf consulté le 17
février 2017 13 https://www.unnetworkforsun.org/.../Burkina%20Faso%20Mapping%20-%20Reg%27 consulté le 17 février 2017
64
noter (tableau 3) qu’à peu près 66 % des ménages de l’échantillon sont composés de 9
personnes et plus. Les ménages ayant 7 ou 8 personnes représentent 16,25 %, contre
12 % pour les ménages composés de 5 à 6 personnes. Il y a 5 % de ménages qui
comptent 3 à 4 personnes, moins de 1 % de ménages de 2 personnes et aucun
ménage monoparental. Au niveau des ménages dirigés par une femme, les ménages
de 2 personnes représentent 20 % (contre 0 % pour les ménages dirigés par un
homme). Les ménages de plus de 9 personnes représentent moins de 1/3 lorsqu’ils
sont dirigés par une femme, et plus de 2/3 quand le chef de ménage est un homme.
Les ménages de 2 personnes sont généralement ceux composés de la femme avec
son enfant. Il faut aussi noter qu’au Burkina Faso comme dans la plupart des pays de
l’Afrique de l’Ouest, l’homme est systématiquement le chef de ménages. Si cela n’est
pas le cas, trois raisons expliquent le fait que le ménage soit dirigé par une femme : i)
la femme est célibataire avec un ou plusieurs enfants (suite à un divorce, ou à une
grossesse non désirée ou non reconnue par l’autre parent), ii) le cas de la femme
veuve et iii) le cas où le mari est parti en exode rural ou a immigré dans un pays
limitrophe du Burkina. Cette immigration a pour but de trouver un travail rémunérateur
pour amélioration des conditions de vie de son ménage, voire de sa famille. Les
ménages de 3 à 4 personnes dirigés par les femmes se trouvent dans ce dernier cas
de figure, tandis que les ménages de 3 à 4 personnes dirigés par un homme sont dans
la situation où l’homme est célibataire ou divorcé avec la garde des enfants, et
quelques rares fois, temporairement veuf. Les autres cas (ménages de 4 à 6
personnes ou 7 à 8 personnes) relèvent du cas de veuvage lorsque le ménage est
dirigé par une femme, ou du cas classique de ménage dirigé par les hommes en
Afrique.
3.1.2. Statistiques descriptives des variables manifestes du modèle
L’accès au crédit est mesuré à travers la perception du ménage sur la facilité
d’obtention de crédit à titre individuel ou au travers d’une forme organisée. Cet
indicateur est capté à travers 6 questions binaires (voir annexe 15) dont la somme
donne le score de l’accès au crédit. Un score de 0 indique que le ménage n’a pas
accès au crédit tandis qu’un score de 6 indique un niveau élevé d’accès au crédit. Les
résultats de l’analyse descriptive présentés dans le tableau 4 ci-dessous donnent un
score moyen d’accès au crédit de 2,13 avec un maximum de 6. On note qu’environ
65
17 % des ménages n’ont pas accès au crédit. Parmi ceux qui ont eu accès au crédit,
plus de 52 % ont un score en dessous du score moyen d’accès au crédit.
L’épargne moyenne des ménages enquêtés est de 160 400 CFA, le minimum et le
maximum étant de 50 000 CFA et 2 000 000 CFA respectivement. Il faut noter
qu’environ 90 % des ménages ont déclaré ne pas avoir d’épargne.
Pour ce qui concerne l’utilisation des semences adaptées aux changements
climatiques, plus de la moitié (55,52 %) des ménages déclarent n’en avoir pas fait
usage. Ceux qui ont adopté ces semences l’ont appliqué sur une superficie moyenne
de 1,34 ha (le minimum et le maximum de superficie emblavée étant de 0,125 ha et
5 ha respectivement).
Tableau 4:Analyse descriptive des variables discrètes et continues
Variables manifestes
Unité du score
% de non-accès/non adoption
Score
moyen Écart type Min Max
% < moyenne
L’accès au crédit Items 16,96% 2,56 1,1287 1 6 52,57%
Épargne CFA 89,92% 160 400 101 782 50 000 2 000 000
97,75%
Superficie emblavée avec les semences améliorées
ha 55,52% 1,34 1,0505 0,125 5 66,4%
L'adoption des techniques GRN
Techniques GRN
1,42% 4,52 1,9853 1
8
54,51%
Score d'accès au marché
Items 2,25% 7,61 4,1859 1 26 55,83%
Diversification des sources de revenu agricole
Productions agricoles
5,34% 3,51 1,0890 1
7
49,75%
Utilisation des systèmes d'alerte précoce
Degrés d’application
59,07% 2,42 1,4746 1
7
64,93%
Les actifs du ménage Actifs 0,00% 15,82 3,8241 3 28 44,96%
L'adoption des innovations technologiques
Degré d’adoption
86,48% 2,21 1,4046 1
4
86,48%
Sur un total de huit (08) techniques de gestion des ressources naturelles (GRN), au
moins quatre techniques ont été adoptées en moyenne et plus de la moitié des
ménages (55,16 %) ont adopté moins de 4 techniques. Le plus grand taux d’adoption
est celui de l’adoption de quatre techniques (21 %). Le plus faible taux d’adoption
(1,42 %) est celui de la non-adoption (annexe 2), ce qui augure d’une bonne adoption
des techniques de gestion des ressources naturelles.
66
La diversification des sources de revenu agricole a été mesurée à travers le nombre de
productions agricoles adoptées par le ménage, parmi les huit productions suivantes : le
riz, le manioc, les légumes (maraichage), le niébé, l’arachide, le sésame, la volaille, et
les produits forestiers non ligneux (PFNL). Nos résultats montrent que les ménages
ayant adopté simultanément 3 ou 4 productions agricoles représentent 32 %, suivis de
loin des ménages ayant adopté 2 productions (13 %) et 5 productions (13 %).
Seulement deux ménages de l’échantillon diversifient avec 7 productions différentes
(annexe 3).
Comme indiqué précédemment, l’accès au marché est mesuré à travers l’accès à
l’information sur le marché, l’accès au crédit, la perception des ménages sur les
volumes et les valeurs des produits vendus sur le marché au cours de l’année
précédente, et les obstacles et facteurs qui influencent l’accès physique au marché (en
termes d’infrastructures). L’accès au marché est ainsi capté par un score allant de 0 à
30 (0 indiquant l’inaccessibilité totale au marché, et 30 étant le meilleur niveau d’accès
au marché). Les résultats dans le tableau 4 indiquent que seulement 2,25 % des
ménages de l’échantillon ont une inaccessibilité totale au marché. Par ailleurs, le score
moyen d’accès au marché de 7,61 (le maximum étant de 26). Plus de la moitié des
ménages (56 %) ont un score inférieur au score moyen de l’échantillon.
Les ménages ont accès aux informations sur les aléas climatiques à travers 07 canaux
de communication (voir tableau 4 précédent). Ces alertes leur permettent d’adopter
des comportements adéquats susceptibles de minimiser les conséquences sur les
productions agricoles. Nos résultats indiquent que près de 60 % des ménages
enquêtés n’utilisent malheureusement pas les informations provenant des systèmes
d’alerte précoce pour diverses raisons dont principalement l’inaccessibilité à
l’information.
Les actifs des ménages sont composés d’actifs agricoles (bétail, terrains, équipements
de production agricole, etc.) et non agricoles (équipements d’habitation, moyen de
déplacement, biens de valeurs, etc.). Le minimum d’actifs détenu par les ménages est
de trois actifs, la moyenne étant de 15 actifs. Près de 45 % des ménages ont moins de
15 actifs.
L’innovation technologique est le concept de clinique des plantes. Une clinque de
plantes est un ensemble de services à disposition de l’agriculteur ou l’agricultrice afin
de lui permettre de combattre de façon durable (à moindres effets sur l’environnement)
les maladies susceptibles d’attaquer sa production (agriculture ou élevage). Des
spécialistes appelés « docteurs des plantes » sont chargés d’examiner les défis des
67
producteurs et leur apporter les conseils nécessaires et appropriés. L’adoption de cette
innovation passe donc par la fréquentation de ces cliniques de plantes et l’application
des conseils reçus via les docteurs de plantes. Les résultats obtenus montrent que
plus de 86 % des ménages n’ont pas adopté l’innovation technologique en question. La
raison principale c’est la faible couverture des cliniques. La plupart de producteurs
n’ont pas accès à l’information et aux conseils des cliniques des plantes parce qu’ils
habitent très loin.
L’égalité entre l’homme et la femme dans le ménage est mesurée à travers l’égalité
dans les prises de décision au niveau de trois indicateurs qui sont la « voix », le
« choix » et le « contrôle ». La voix regroupe les décisions concernant la production,
les dépenses et l’épargne dans le ménage. Quant au choix, il s’agit des décisions
portant sur la participation de femmes aux formations, sa charge de travail, ainsi que le
revenu généré par la femme dans le ménage. Enfin, le contrôle concerne les prises de
décisions sur le contrôle des terres, des actifs ou ressources, du bétail et de l’épargne
du ménage. Comme indiqué dans le tableau 4, chacun de ces trois indicateurs est une
variable ordinale à 4 modalités allant de 0 à 3 indiquant le degré d’implication de la
femme dans les prises de décisions du ménage. (0= aucune implication de la femme,
1= la femme est rarement impliquée, 2= la femme est souvent impliquée et 3= égalité
entre l’homme et la femme dans les prises de décisions). Les résultats dans le tableau
5 montrent que pour les trois indicateurs (voix, choix et contrôle) l’égalité entre
l’homme et la femme est présente dans très peu de ménages enquêtés. En effet, pour
chacun de ces indicateurs, plus de 40 % des femmes dans les ménages ont répondu
qu’elles ont souvent le droit d’avoir leur opinion, de voir leur volonté prise en compte
concernant les décisions prises dans le ménage, ou d’avoir le contrôle sur les
ressources du ménage. L’égalité parfaite entre l'homme et la femme est constatée
dans 29 % des ménages pour la voix, 30 % pour le choix et seulement 17 % pour le
contrôle.
Tableau 5 : égalité entre l'homme et la femme dans les prises de décision
Égalité entre l'homme et la femme
Niveau de décision
Voix Choix Contrôle
Aucune 1,66 1,19 0
Rarement 21,59 24,91 39,98
Souvent 47,81 44,13 43,3
égalité effective 28,94 29,77 16,73
Total 100 100 100
68
3.1.3. L’indice de résilience
La construction des indices des dimensions de la résilience à travers le logiciel
smartPLS donne des coefficients de régression qui indiquent la contribution de chaque
variable manifeste dans le construit de la variable latente relative. Les résultats dans le
tableau 6 ci-dessous indiquent que tous les coefficients sont positifs. Ils sont aussi
statistiquement significatifs à l’exception des coefficients de la variable « Contrôle des
ressources du ménage » (EGG_CONTROLEMEN) pour la capacité d’anticipation, et
de la variable « semences adaptées » (HYDTS) pour la capacité d’adaptation.
Tableau 6 : coefficient de régression des variables manifestes
Les capacités de la résilience
Arcs (allant de la variable manifeste à la variable latente)
Coefficients
Capacité d’anticipation
USE_EWS -> Anticipation 0,992***
EEG_VOIXCOM -> Anticipation 0,204*
EGG_CHOIXMEN -> Anticipation 0,244**
EGG_CONTROLEMEN -> Anticipation 0,153
Capacité d’adaptation
ACM -> Adaptation 0,956***
DRA -> Adaptation 0,306***
GRN -> Adaptation 0,453***
HYDTS -> Adaptation 0,077
INN -> Adaptation 0,26***
Capacité d’adoption
EP -> Absorption 0,164***
CRE -> Absorption 0,942***
ASS -> Absorption 0,475***
*=significatif à 10%, **=significatif à 5%, ***=significatif à 1%
Le test de multicolinéarité VIF (Variance Inflation Factor) effectué sur les variables
indique (dans l’annexe 6) une absence totale de colinéarité entre les variables. En effet
tous les VIF des variables varient entre 1,005 à 2,339 ce qui est très inférieur au seuil
de ≥ 4, correspondant au seuil le plus contraignant dans la règle de décision de
colinéarité la plus contraignante (Rakotomalala, 2015).
La régression avec smartPLS a permis aussi de sortir des indices uniques pour chaque
variable latente que nous avons nommés Anticipation, Adaptation et Absorption.
69
3.1.4. Corrélation entre les trois capacités de résilience
Les résultats de corrélation dans l’annexe 7 montrent des corrélations positives et
négatives relativement faibles entre la plupart des variables manifestes. Les
corrélations entre les variables d’un même construit de variable latente sont positives.
Les corrélations négatives sont présentées uniquement entre les variables qui ne sont
pas dans le même bloc formant la variable latente. Ce constat indique la possibilité
d’utiliser l’Analyse en Composantes Principales (ACP), qui requiert des corrélations
faibles entre les variables.
Le tableau 7 ci-dessous indique l’existence d’une corrélation de 17 % entre
l’anticipation et l’absorption, une corrélation de 67 % entre l’adaptation et l’absorption
et une corrélation de 30 % entre l’adaptation et l’anticipation.
Tableau 7: La corrélation entre les dimensions de la résilience
Absorption Anticipation Adaptation
Absorption 1,000 0,171 0,669
Anticipation 0,171 1,000 0,302
Adaptation 0,669 0,302 1,000
L’ACP avec les trois indices de capacités (anticipation, adaptation et absorption) donne
trois facteurs avec une seule composante ayant une valeur propre supérieure à 1 et
expliquant 60 % de l’inertie totale du nuage des points, les deux facteurs (comp2 et
comp3) contribuant respectivement à 29 % et 11 % (voir annexe 8.). Il faut noter que
Jones et al. (2018) avaient aussi trouvé une seule composante qui avait une valeur
propre supérieure à 1 et qui expliquait 57,6 % de l’inertie total du nuage. Le KMO dans
notre analyse ACP est égal à 53,22 % indiquant que l’utilisation de l’ACP dans ce cas
de figure est acceptable.
Le tableau 8 ci-dessous donne les coordonnées vectorielles des variables (les trois
capacités) sur les différentes composantes principales. Ces coordonnées permettent
de calculer la contribution de chaque variable dans l’inertie de chaque composante
principale, et dans l’inertie totale de l’ensemble de l’espace vectoriel. Nous pouvons
constater que la variable anticipation est mieux expliquée par la composante 1 que par
la composante 2. Aussi, la composante 3 expliquerait mieux les variables adaptation et
absorption que les composantes 1 et 2. Cependant, nous avons gardé la composante
1 comme l’indice de résilience pour trois raisons :
70
- Les valeurs propres des composantes 2 et 3 sont inférieures à 1
- L’indice combinant la composante 1 et la composante 2 ou les trois
composantes est fortement corrélé (98 %) avec la composante 1 (annexe 11)
- La régression économétrique avec la composante 1 donne des résultats plus
pertinents que ceux obtenus avec un indice issu de la combinaison des deux
composantes.
Tableau 8: les contributions des variables à l'inertie totale des nuages
Composantes Anticipation Adaptation Absorption
Coordonnée factorielle
Comp1 0,3847 0,6695 0,6354
Comp2 0,9104 -0,1618 -0,3805
Comp3 0,1521 -0,725 0,6717
Contribution sur chaque composante
Comp1 15% 45% 40%
Comp2 83% 2% 15%
Comp3 2% 53% 45%
Total 100% 100% 100%
Contribution à l'inertie totale du nuage
Comp1 9% 27% 24%
Comp2 24% 1% 4%
Total 33% 28% 29%
3.1.5. Contribution des capacités d’anticipation, d’adaptation et d’absorption à
l’indice de résilience
La contribution des dimensions de la résilience est appréciée de deux manières
différentes ; la première à travers la contribution de chaque capacité dans l’inertie de la
composante retenue comme indice de résilience (composante 1), et la deuxième à
travers les coefficients de régressions donnés par l’analyse MIMIC (Multiple Indicator
multiple Causes) en utilisant une PLS (Partial Least Square). Les résultats dans le
tableau 9 ci-dessous indiquent, du point de vue de la contribution à l’inertie de la
composante 1, que la capacité d’adaptation contribue deux fois plus que la capacité
d’anticipation à l’amélioration de la résilience. Il en est presque autant pour la capacité
d’absorption. Les coefficients de la régression linéaire de l’indice de résilience sur les
trois capacités montrent qu’une augmentation d’une unité de la capacité d’anticipation
permet d’améliorer la résilience des ménages de 0,29 unité, tandis qu’une
augmentation d’une unité des capacités d’adaptation et d’absorption permet
d’améliorer la résilience respectivement de 0,49 et de 0,42 unité.
71
Tableau 9: contribution de la capacité à l'inertie de la composante principale, et coefficients structurels
Contribution à l'inertie de la composante principale (avec ACP)
Coefficients structurels (path coefficient) avec PLS
Absorption 0,404 0,417***
Adaptation 0,448 0,488***
Anticipation 0,148 0,289***
* *=significatif à 10%, **=significatif à 5%, ***=significatif à 1%.
3.1.6. Analyse comparée des moyennes de l’indice de résilience
Le tableau 10 présente les résultats de l’analyse comparée de l’indice moyen de
résilience selon certaines variables caractéristiques des ménages. Les tests indiquent
que les moyennes comparées sont statistiquement différentes, à l’exception des
moyennes entre les ménages moyens et nantis.
Les ménages dirigés par une femme sont moins résilients que ceux dirigés par un
homme. Cette situation est due au fait que les ménages dirigés par les femmes sont
caractérisés généralement par un faible pouvoir d’achat. Cela est d’autant plus vrai que
la comparaison des groupes socioéconomiques indique que l’indice moyen de la
résilience augmente en passant des ménages très pauvres aux ménages pauvres,
puis aux ménages moyens (la différence entre ménages moyens et nantis n’étant pas
statistiquement différent de 0).
Les résultats indiquent aussi que les ménages de l’échantillon dans la région du
plateau central (comprenant les provinces du Kourweogo et Oubritenga) sont
nettement moins résilients aux changements climatiques que ceux de la région du
Centre Nord (Bam et du Sanmatenga). À l’intérieur de la région, les ménages de la
province du Bam sont moins résilients que ceux du Sanmatenga. De même, dans la
région du plateau central, l’indice moyen de la résilience des ménages de la province
du Kourwéogo est supérieur à celui de la province d’Oubritenga.
72
Tableau 10: Tests de moyenne de l’indice de la résilience
Les variables Effectifs
Moyenne de l’indice de résilience
Écart type
p-value
Le sexe du chef de ménage
Ménages dirigés par une femme 29 -0,5337
1,20769 0,029
6 Ménages dirigés par un homme 814 0,0190 1,3463
La région
Région du Plateau –central 426 -0,2493 1,1191 0,000
Région du Centre-nord 417 0,2547 1,5009
Région du Centre Nord
Province du Bam 198 0,0164 1,2695 0,002
Province du Sanmatenga 219 0,4701 1,6565
Région du plateau central
Province du Kourweogo 196 0,0182 0,9894 0,000
Province d’Oubritenga 230 -0,4773 1,1736
Groupes socioéconomiques
Ménage très pauvre 181 -0,2677 1,3086 0.028
Ménage pauvre 437 -0,0125 1,3064
Ménage pauvre 437 -0,0125 1,3064 0.032
Ménage moyen 200 0,2293 1,3367
Ménage moyen 200 0,2293 1,3368 0.755 Ménage nanti 25 0,3228 1,9227 P-value =risque de se tromper en affirmant qu’il a y une différence (comparable à un seuil maximum de 5%).
L’indice de résilience varie aussi selon le profil socioéconomique. L’indice moyen de la
résilience des ménages très pauvres (-0,2677) est inférieur à celui des ménages
pauvres (-0,0125), qui est lui aussi inférieur à celui des ménages moyens (0,229). Les
tests statistiques montrent que la différence entre les ménages très pauvres et les
ménages pauvres est significative au seuil de 5 %. De même, la différence entre les
pauvres et les moyens est significative au seuil de 5 %. Les indices moyens de la
résilience de la dernière classe de comparaison (ménages moyens et nantis) ne sont
pas significatifs.
3.1.7. Les effets de variables explicatives sur le profil économique des ménages
En rappel, le profil économique est mesuré à travers le niveau de richesse du ménage
selon une classification participative faite par la communauté. Les ménages sont
classés suivant quatre catégories (Très Pauvres, Pauvres, Moyens et Nantis). Les
éléments de ce profil économique des ménages ont été captés par des variables
latentes telles que la superficie des terres cultivables, le nombre de bovins, ovins et
73
caprins, la taille du ménage. Ces variables n’étant pas exhaustives et ni directement
observées, la mesure du profil économique n’est que partielle. L’analyse des effets des
variables explicatives sur le profil économique reste toujours pertinente.
Le tableau 11 présente les résultats d’estimation du modèle logistique. La statistique
de Wald est significative au seuil de 1 % (p= 0,000), indiquant que le modèle est
adéquat. Les variables prises dans l’ensemble sont significatives. Le pseudo R² qui
égale à 9,7% est indicatifdu degré auquel les paramètres du modèle améliorent le
modèle nul (c’est-à-dire le modèle sans variables explicatives). Mais les études
accordent peu d’importance au pseudo R2 dans le logit multinomial parce qu’il peut
varier en fonction du nombre de variables explicatives utilisées.
3.1.7.1. Impact de la résilience sur le profil économique des ménages
Les résultats de la régression logistique présentée dans le tableau 11 indiquent que les
coefficients des variables telles que la taille du ménage, et l’interaction entre la
résilience et les provinces du Kourweogo et du Bam sont positifs et statistiquement
significatifs au seuil de 10 % et 5 % respectivement. Par contre, les coefficients des
variables Kourweogo, Bam et Sanmatenga sont négatifs et statistiquement différents
de zéro (p = 0,000). Il faut aussi noter que le coefficient de la variable résilience n’est
pas statistiquement différent de zéro. Tous ces coefficients ne sont pas interprétables.
Ce sont plutôt les effets marginaux qui permettent d’apprécier l’ampleur de l’influence
des variables explicatives sur la probabilité d’être dans un groupe socioéconomique
donné.
Dans notre modèle, l’effet de la résilience est l’addition de l’effet direct de la variable
« Résilience » et de l’effet d’interaction avec la province, et avec la taille du ménage.
La province d’Oubritenga est la province de référence. Les résultats montrent que les
effets marginaux associés à la variable « Résilience » ne sont pas statistiquement
significatifs même au seuil de 10 %. Par conséquent l’impact de la résilience sur le
profil socioéconomique des ménages est nul pour la province d’Oubritenga.
Cependant, les effets marginaux associés aux variables d’interaction
« kourweogo*Résilience » et « Bam*Résilience » sont positifs et statistiquement
significatifs au seuil de 5% pour les ménages moyens et nantis.
Ces effets marginaux sont par contre négatifs et significatifs au seuil de 5 % pour les
ménages très pauvres. Par conséquent, l’effet de la résilience sur les probabilités des
ménages d’être dans la catégorie de ménages moyens augmente de 6 % pour les
74
ménages de la province du Kourweogo et de 5 % pour les ménages de la province du
Bam, comparativement à la province d’Oubritenga. L’effet de la résilience sur la
probabilité d’être dans la catégorie de ménages nantis augmente de moins de 1 %
selon que le ménage se trouve dans la province du Kourweogo ou Bam,
comparativement à la province d’Oubritenga.
De même, l’effet de la résilience sur la probabilité d’être dans la catégorie de ménages
très pauvres diminue de 6 % et 5 % selon que les ménages sont issus des provinces
respectives du Kourweogo et du Bam, comparativement à la province d’Oubritenga.
3.1.7.2. Impact des variables de contrôle sur le profil économique des ménages
Les effets marginaux des variables « sexe du chef de ménage » et « Taille du
ménage » sont positifs et statistiquement significatifs au seuil de 1 % pour les ménages
moyens et nantis, tandis qu’ils sont négatifs et significatifs aux seuils respectifs de 5 %
et 1 % pour les ménages nantis.
Pour la variable sexe, les ménages dirigés par un homme ont moins de chance d’être
très pauvres, comparativement aux ménages dirigés par une femme. En effet, la
probabilité d’être un ménage très pauvre est réduite de 19 % lorsque le chef de
ménage est un homme. Par ailleurs, la probabilité d’être un ménage moyen ou nanti
s’accroit de 12 % ou de 1,3 %, respectivement pour les chefs de ménage de sexe
masculin.
75
Tableau 11: Coefficients et effets marginaux des variables explicatives du modèle sur le profil économique des ménages
Variable Coefficients
Effets marginaux
Très pauvres
Pauvres Moyens Nantis
Résilience 0,044 -0,007 -0,001 0,007 0,000
Education -0,015 0,002 0,000 -0,002 -0,000
Sexe 0,984* -0,188** 0,055 0,120*** 0,013***
Âge 0,08 -0,012 -0,002 0,013 0,002
Taille du ménage 0,124*** -0,018***
-0,004 0,020*** 0,002***
Kourweogo -0,296 0,046 0,004 -0,045 -0,005
Bam -1,076*** 0,189*** -0,027 -0,146*** -0,017***
Sanmatenga -1,232*** 0,217*** -0,032 -0,166*** -0,019***
Kourweogo*Résilience 0,383** -0,057** -0,011 0,061** 0,007**
Bam*Résilience 0,338** -0,050** -0,010 0,053** 0,007**
Sanmatenga*Résilience 0,025 -0,004 -0,001 0,004 0,001
Taille_men*Résilience 0,007 -0,001 -0,000 0,001 0,000
Observation 843
Log likelihood -850,989
LR Chi2 (12) 180,560
Prob > chi2 0,000
Pseudo R2 0,097
*=significatif à 10%, **=significatif à 5%, ***=significatif à 1%.
La taille du ménage affecte négativement la probabilité d’être très pauvre. Cependant
les probabilités des ménages de grande taille d’être dans la catégorie de ménages
moyens et/ou nantis sont positives. L’ajout d’un membre de plus augmente de 2 % la
probabilité d’être un ménage moyen et de 0,2 % la probabilité d’être un ménage nanti.
Les effets marginaux des variables « Bam » et « Sanmatenga » sont positifs et
significatifs au seuil de 1 % pour la catégorie de ménages très pauvres. Ces effets sont
par contre négatifs et significatifs au seuil de 1 % pour les catégories de ménages
moyens et de ménages nantis.
Il ressort de ces effets marginaux que la probabilité d’être un ménage très pauvre
augmente de 19 % et de 22 % selon que l’on soit respectivement dans les provinces
du Bam ou du Sanmatenga, comparativement à la province d’Oubritenga. De même, la
probabilité d’être un ménage moyen est réduite respectivement de 15 % et 17 % dans
les provinces du Bam et du Sanmatenga, comparativement à la province d’Oubritenga.
Les effets sont relativement faibles sur la probabilité d’être dans la catégorie de
ménages nantis (1,7 % et 1,9 % respectivement).
76
3.1.8. Les effets des variables explicatives sur la sécurité alimentaire des
ménages
Les résultats de la régression logit ordonné de la sécurité alimentaire sur la résilience
et les autres variables indépendantes sont inscrits dans le tableau 12 ci-dessous.
Tableau 12: coefficients et effets marginaux de groupes de SCA
Variable Coefficients Effets marginaux
SCA Faible SCA Limite SCA Acceptable
Résilience 0,392** -0,0006 -0,097** 0,098** Education 0,074 -0,0001 -0,018 0,018 Sexe 0,379 -0,0007 -0,091 0,092 Âge -0,124** 0,0002 0,031* -0,031* Taille du ménage 0,039*** -0,0001 -0,010** 0,010** Kourweogo 0,038 -0,0001 -0,009 0,009 Bam -0,940*** 0,0021 0,221*** -0,223*** Sanmatenga 0,075 -0,0001 -0,018 0,019 Kourweogo*Résilience 0,140 -0,0002 -0,035 0,035 Bam*Résilience 0,465*** -0,0008 -0,115*** 0,116*** Sanmatenga*Résilience 0,465*** -0,0008 -0,115*** 0,116*** Taille_men*Résilience -0,025** 0,0000 0,006** -0,006**
Observations 843 Log likelihood -546,8945 LR Chi2(12) 97,40 Prob > chi2 0,0000 Pseudo R2 0,0818
*=significatif à 10%, **=significatif à 5%, ***=significatif à 1%.
La statistique Chi2 indique qu’au seuil de 1 %, au moins un des coefficients des
variables explicatives du modèle est diffèrent de zéro. Le modèle est donc globalement
significatif.
Les coefficients des variables « résilience », « taille du ménage » et « interactions
entre la résilience et les provinces du Bam et du Sanmatenga » sont positifs et
significatifs (au seuil de 5 % pour la résilience et au seuil de 1 % pour les autres). Par
contre les coefficients des variables « âge du chef de ménage », « l’interaction entre la
résilience et la taille du ménage » et « province du Bam » sont négatifs et
statistiquement différents de zéro au seuil de 5 % les deux premières et 1 % pour la
dernière.
3.1.8.1. lmpact de la résilience sur la sécurité alimentaire des ménages
L’effet marginal de la résilience sur la sécurité alimentaire est négatif et significatif au
seuil de 5 % pour le score de consommation alimentaire (SCA) limite. Il est par contre
77
positif et significatif au seuil de 5 % pour le SCA acceptable. Pour la province
d’Oubritenga (province de référence), l’effet direct de la résilience sur la probabilité
d’avoir un SCA limite est de -0,097 (tableau 12). Cet effet étant de 0,097 sur la
probabilité d’être en sécurité alimentaire (SCA acceptable).
Les effets marginaux des variables d’interaction « Bam*Résilience » et
« Sanmatenga*Résilience » sont identiques, négatifs et significatifs au seuil de 5 %
pour le SCA limite. Ces effets sont également identiques et positifs et significatifs au
seuil 5 % pour le SCA acceptable. Il ressort des résultats du tableau 12 que l’effet de la
résilience sur la probabilité d’avoir un SCA limite est réduit de 12% dans lesdites
provinces comparativement à la province d’Oubritenga. De même, l’effet de la
résilience sur la probabilité d’être en sécurité alimentaire s’accroit de 12% pour les
mêmes provinces comparativement à la province de référence.
L’effet total de la résilience sur la probabilité d’être en sécurité alimentaire est de 0,22
(ce qui équivaut à 0,097 + 0,12 = 0,22) dans les provinces du Bam et du Sanmatenga.
Une amélioration d’une unité de la résilience engendrerait une augmentation de 22 %
de la probabilité d’être en sécurité alimentaire dans les provinces du Bam et du
Sanmatenga comparativement à la province d’Oubritenga.
3.1.8.2. lmpact des variables de contrôle sur la sécurité alimentaire des
ménages
L’effet marginal de la variable « âge du chef de ménage » est positif et significatif au
seuil de 10 % pour le SCA limite. Il est négatif et significatif au seuil de 10 % pour le
SCA acceptable. Les résultats montrent que si l’âge du chef de ménage augmente
d’une année, la probabilité que le ménage soit en sécurité alimentaire diminue de 3 %.
L’effet marginal de la variable « taille du ménage » est négatif et significatif au seuil de
5 % pour le SCA limite, tandis qu'il est positif et significatif au seuil de 5 % pour le SCA
acceptable. Une augmentation de la taille du ménage d’une personne additionnelle
augmente la probabilité d’être en sécurité alimentaire de 1 %.
L’effet marginal de la variable « province du Bam » est positif et significatif au seuil de
1 % pour le SCA limite, tandis qu'il négatif et significatif au seuil de 1 % pour le SCA
acceptable. Les résultats montrent que la probabilité qu’un ménage soit en sécurité
alimentaire est réduite 22 % dans la province du Bam comparativement à la province
d’Oubritenga.
78
3.2. DISCUSSION DES RÉSULTATS
Les résultats montrent qu’il existe une relation positive entre l’indice de résilience et les
capacités d’anticipation, d’adaptation et d’absorption. La capacité d’anticipation
contribue moins que les deux autres capacités à la résilience des ménages face à la
sècheresse et aux inondations. Jones et al. (2018), en utilisant une méthode subjective
de mesure de la résilience des moyens de subsistance du ménage à la variabilité
climatique en Tanzanie ont aussi trouvé une corrélation positive entre les capacités de
préparation, d’adaptation d’absorption et la résilience face aux inondations. Leur étude
a cependant montré que c’est la capacité d’anticipation qui contribue le plus à la
résilience. Dans notre étude, la capacité d’anticipation réfère non seulement à l’accès
aux informations d’alerte sur les aléas climatiques, mais aussi à l’utilisation de ces
informations pour des prises de décisions adéquates. À cela il faut ajouter le fait de
l’absence d’égalité entre l’homme et la femme dans les prises de décision dans le
ménage. Cette égalité est pourtant supposée réduire la vulnérabilité de la femme et par
ricochet celle du ménage aux aléas climatiques. En considérant le fait que cet
indicateur est la deuxième composante de la capacité d’anticipation, et en tenant
compte des contraintes d’utilisation des alertes sur les aléas climatiques, il est possible
de comprendre la faible contribution de la capacité d’anticipation à la résilience des
ménages agricoles face aux changements climatiques dans le cas du Burkina Faso.
Une autre raison non moins importante est le fait que la capacité d’anticipation pourrait
dépendre du type de choc auquel sont exposés les ménages. Les inondations sont
plus ou moins ponctuelles alors que la sècheresse s’installe avec le temps et nécessite
une adaptation continue.
Nos résultats démontrent aussi que la résilience des ménages face à la sècheresse et
aux inondations a un impact positif sur la sécurité alimentaire. L’amélioration de la
résilience augmente de 22 % la probabilité du ménage d’être en sécurité alimentaire
dans les provinces du Bam et du Sanmatenga comparativement à celle d’Oubritenga.
Ce résultat corrobore notre hypothèse de départ.
L’impact de la résilience sur le profil socioéconomique est moindre, mais également
positif. Par exemple, nos résultats montrent qu’une amélioration de la résilience
augmente de 6 % de la probabilité d’être un ménage moyen et de moins 1 % la
probabilité d’être un ménage nanti, dans la province du Kourweogo, comparativement
à la province d’Oubrientenga. Il en est de même pour la province du Bam
(augmentation de 5 % des chances d’être un ménage moyen, et de moins de 1 % des
chances d’être un ménage nanti). Cela est intuitif et est cohérent avec les résultats de
79
comparaison des moyennes qui montraient que l’indice moyen de la résilience
augmentait selon la catégorie socioéconomique (les ménages riches ayant un indice
moyen de résilience plus élevé que les ménages moins riches). Ces résultats
corroborent également notre hypothèse de départ. Les ménages résilients aux chocs
climatiques devraient être capables d’améliorer leur production agricole et améliorer
leur niveau de richesse. Les incidences restent tout de même relativement faibles,
notamment sur la probabilité d’être riche. Il faut dire que l’effet direct de la résilience
sur le profil socioéconomique est nul. Les incidences obtenues sont donc seulement
les effets d’interaction. L’effet global n’est pas significatif, contrairement à l’effet
spécifique dans les provinces. Une des raisons pouvant expliquer cette faible incidence
de la résilience sur le niveau de richesse des ménages pourrait émaner de la définition
de la résilience face aux changements climatiques14. Cette étude met en évidence la
capacité de revenir à son niveau initial de bien-être, sans pour autant aller au-delà.
L’amélioration de la résilience a plus d’impact positif sur la sécurité alimentaire dans
les provinces du Bam et du Sanmatenga (situées dans la région du centre nord)
comparativement à la province d’Oubritenga (région du plateau central). Les
comparaisons des moyennes des indices de résilience dans les différentes provinces
avaient montré effectivement que la province d’Oubritenga a la plus faible moyenne et
que la région du plateau central (avec plus de ménages riches) a une faible moyenne
d’indice de résilience comparativement à celle du centre Nord (avec moins de
ménages riches). Une analyse comparée des incidences des indicateurs (variables
manifestes) des trois dimensions de la résilience dans les deux régions indique que
l’impact positif de l’interaction de la résilience avec les provinces s’explique par trois
indicateurs à savoir l’utilisation des informations issue des systèmes d’alerte précoce,
l’adoption des semences adaptées et l’accès au marché (annexe 13). On peut donc
dire que l’avantage des provinces de la région du centre Nord provient du
comportement des agriculteurs et agricultrices (leur proactivité) et des facilités de
commercialisation de leurs productions agricoles. Par ailleurs, il faut noter que la
région du Centre Nord a bénéficié de plus de projets et programmes d’adaptation aux
changements climatiques comparativement à la région du Plateau Central. C’est aussi
les conditions climatiques plus drastiques du Centre Nord (maximum de 700 mm de
pluies par an au centre nord contre 900 mm au plateau central) qui justifie le fait qu’elle
ait bénéficié de plus de projets (DGPER/DPSAA, 2012 ; DGPER/DPSAA, 2010). Il est
donc possible de dire que l’avantage des ménages issus de la région du Centre Nord
14
Resilience is the capacity of a system to absorb disturbance and still retain its basic function and structure. Walker and Salt (2006)
80
est dû à un certain nombre d’acquis ou de réalisations ayant renforcé la résilience
communautaire.
La plupart des études sur la résilience des ménages portent sur les facteurs
déterminants ou encore sur les effets des chocs sur la résilience. Le lien entre la
résilience et le bien-être n’est pas très bien perçu dans les études empiriques. Les
études existantes se sont penchées sur le lien entre la résilience et la sécurité
alimentaire. L’accent a été plutôt mis sur l’impact des variables caractéristiques de la
résilience sur la sécurité alimentaire. Les études concernant l’impact de la résilience
sur le statut socioéconomique des ménages agricoles sont quasi inexistantes.
Notre étude se présente comme l’une des pionnières à mesurer l’effet total de la
résilience (effet direct et effet d’interaction) sur le bien-être par le biais de deux
indicateurs à savoir la sécurité alimentaire et le statut socioéconomique des ménages
agricoles.
Le niveau d’éducation du chef de ménage n’a pas d’influence ni sur la sécurité
alimentaire ni sur le profil socioéconomique. Il faut rappeler que plus de 79 % des
chefs des ménages enquêtés n’ont pas été scolarisés. Par ailleurs, d’autres membres
du ménage peuvent être instruits ou scolarisés, même si le chef de ménage ne l’est
pas. Jones et al. (2018) ; Béné et al. (2016b) ont aussi abouti au même résultat en
Tanzanie et au Ghana dans la mesure subjective de la résilience des ménages
agricoles. Par exemple, Jones et al. (2018) expliquent que les indicateurs individuels
tels que le niveau d’éducation, l’âge, le sexe ne permettent pas de voir la dynamique
au niveau du ménage. D’autres études ont cependant trouvé une relation négative
entre l’éducation et la sécurité alimentaire. La FAO a trouvé en Ouganda que le niveau
d’éducation augmente les pertes de la sécurité alimentaire (sans pour autant donner
d’explication) (FAO 2016a).
La taille du ménage agit positivement sur la sécurité alimentaire et le profil
socioéconomique. Les études HEA (household Economic Analyse)15 ont aussi souvent
montré une relation positive entre la taille du ménage et le profil socioéconomique des
ménages. Les membres des ménages constituent des bras valides, donc une véritable
force en milieu rural pour l’augmentation de la production agricole qui est la principale
source de revenu des ménages. À titre d’exemple, le profil HEA de la région du plateau
central au Burkina Faso réalisé en 2012 a indiqué que la taille moyenne de ménage du
groupe socioéconomique des nantis était plus de deux fois supérieure à celle de
ménages très pauvres (DGPER/DPSAA, 2012) Jones et al. (2018) ont aussi trouvé en
15
https://www.heacod.org/fr-fr/Pages/Home.aspx
81
Tanzanie, une relation positive entre la taille du ménage et la capacité d’absorption des
ménages. Il faut cependant noter dans nos études, le fait que l’effet de la taille du
ménage sur la sécurité alimentaire ou sur le profil socioéconomique n’est pas très
grand (1 % seulement). Par ailleurs, l’interaction entre la résilience et la taille du
ménage donne un effet négatif sur l’atteinte de la sécurité alimentaire et un effet non
significatif sur le profil socioéconomique. Cela justifie qu’une augmentation de la taille
des ménages sans tenir compte de certaines capacités (moyen de production, actifs du
ménage, richesse, etc.) jouerait négativement sur leur bien-être.
82
CONCLUSION ET PISTES DE RÉFLEXION
Plusieurs approches de mesure de la résilience des ménages agricoles face aux aléas
climatiques ont été développées aussi bien par les ONG intervenant dans le monde
rural que par les chercheurs. Les cinq dernières années ont été marquées par une
opérationnalisation des différentes approches conceptuelles par des applications
empiriques. La littérature assez étoffée sur les différentes études permet de distinguer
in fine deux approches (approche objective et approche subjective). Notre étude est
une application empirique de la mesure objective de la résilience des agriculteurs dans
deux régions du Burkina Faso (Centre Nord et Plateau Central) face à la sècheresse et
aux inondations. Nous avons mesuré cette résilience à travers trois capacités
principales des ménages que sont les capacités d’anticipation, d’adaptation et
d’absorption. Nous avons aussi déterminé dans quelle mesure l’amélioration de la
résilience affecte le bien-être des ménages agricoles.
Il ressort de cette étude que les capacités d’anticipation, d’adaptation et d’absorption
constituent effectivement des dimensions de la résilience (au vu de la qualité des
résultats de l’ACP et du PLS-SEM). Ces capacités contribuent différemment et
positivement à la résilience des agriculteurs et agricultrices, tout comme l’avait
démontré l’approche subjective de la mesure de la résilience. Les contributions des
dimensions de la résilience pourraient cependant être en fonction de la nature du choc
auquel sont exposés les ménages.
La résilience a un impact positif sur l’atteinte de la sécurité alimentaire. En effet, la
capacité d’absorption caractérisée par les actifs du ménage, son accès au crédit et sa
capacité financière, lui permet en cas de survenue d’un choc climatique (sècheresse
ou inondation dans notre cas) de maintenir son niveau de sécurité alimentaire. Aussi,
une amélioration de la résilience suppose une amélioration des capacités
d’anticipation, d’adaptation et d’absorption dont les effets combinés permettent
d’accroitre le niveau de sécurité alimentaire. Cela est possible, car l’anticipation et
l’adaptation aux aléas climatiques ont pour but de permettre aux agriculteurs de
continuer de produire et même produire plus, grâce aux innovations et technologies
suscitées par les contraintes de changements climatiques.
Les effets d’interaction entre la résilience et les provinces mettent en relief l’avantage
des ménages des provinces du Bam, du Sanmatenga et du Kourweogo par rapport à
ceux de la province d’Oubritenga. La particularité des provinces du Bam et du
83
Sanmatenga réside dans leur proactivité dans l’utilisation des systèmes d’alerte sur les
aléas climatiques et l’adoption des techniques appropriées d’adaptation aux
changements climatiques. En prenant en compte les avantages (en termes d’appui des
programmes et projets d’adaptation aux changements climatiques) de ces deux
provinces de la région du Centre Nord par rapport à la région du plateau central, nous
pouvons en déduire l’importance de la résilience communautaire sur la résilience des
ménages.
Le profil socioéconomique des ménages est faiblement affecté par l’amélioration de la
résilience. Ce résultat met en exerce les deux définitions que Holling (1996) a données
à la résilience à savoir i) la capacité du système à résister/persister (engineering
résilience), et ii) sa capacité à revenir à son niveau de bien-être initial (écologique
résilience). L’ampleur de la perte de bien-être suite à un choc climatique ainsi que les
forces du ménage à absorber ce choc, peuvent déterminer la capacité du ménage à
revenir à un niveau de bien-être meilleur que le niveau initial.
Par ailleurs, le fait que la résilience ait un effet considérable sur un des indicateurs du
bien-être (la sécurité alimentaire) et un effet relativement faible sur l’autre (le profil
économique) renforce le point de vue général de certains chercheurs. En effet, pour
Lebel et al. (2006), Walker et Salt (2006), Nelson et Stathers (2009), le renforcement
de la résilience passe nécessairement par la réponse à trois questions fondamentales
à savoir : la résilience de quoi ? ii) la résilience à quoi ? et, iii) la résilience de qui ?;
Enfin, il convient de dire que cette étude est une opérationnalisation du cadre du
programme BRACED pour la mesure de la résilience. L’utilisation du PLS permet de
tenir compte des interactions entre les capacités de la résilience, donc de réduire les
biais dans les estimations. L’étude est aussi une contribution au débat entre les
approches objectives et subjectives de mesure de la résilience, en ce sens que les
résultats obtenus par l’approche objective sont similaires à ceux de l’approche
subjective.
Cette étude présente cependant certaines limites.
- La base de données utilisée pour les analyses provient du programme
BRACED implémenté dans deux régions du Burkina Faso. Cette base de
données n’a pas permis de prendre en compte certaines variables telles que
l’intensité du choc subi par chaque ménage, la nature du choc, l’expérience des
ménages par rapport au choc et l’ampleur du choc. Il pourrait être envisageable
d’approfondir la recherche en prenant en compte ces aspects et combinant à la
fois les approches objective et subjective. Cela permettra sans doute, d’une
84
part une plus ample comparaison des deux approches, et d’autre part, une
meilleure compréhension de la résilience des agriculteurs face aux
changements climatiques.
- L’étude s’est focalisée sur une causalité unidirectionnelle entre la résilience et
les indicateurs du bien-être. Suivant l’objectif du programme BRACED,
l’amélioration des trois capacités conduit au renforcement de la résilience, qui
va induire des effets sur le bien-être. Il se pourrait cependant que certains
problèmes d’endogénéité soient présents lors de l’analyse sur la sécurité
alimentaire et le profil économique des ménages.
- Ces limites soulignées seraient évitables si la conception de la méthodologie et
des outils de collecte des données intégrait les variables pertinentes
manquantes de même que des variables instrumentales permettant de régler le
problème de l’endogénéité.
85
BLIOGRAPHIE
1. Ablett, J. R., & Jones, R. S. P. (2007). Resilience and well‐being in palliative
care staff: a qualitative study of hospice nurses' experience of work. Psycho‐Oncology: Journal of the Psychological, Social and Behavioral Dimensions of Cancer, 16(8), 733-740.
2. Adger, W. N. (2006). Vulnerability. Global environmental change, 16(3), 268-281. 3. Adger, W. N. (2003). Building resilience to promote Sustainability, An agenda for
coping with globalisation and promoting justice, IHDP Update, Disponible sur http://ihdp,unu,edu/docs/Publications/Secretariat/Update-Dimensions/IHDP-Update-2003-2,pdf
4. Adger, W. N. (2000). Social and ecological resilience: are they related?. Progress in human geography, 24(3), 347-364.
5. Aiginger, K. (2009). Strengthening the resilience of an economy. Intereconomics, 44(5), 309.
6. Alinovi, L. Man, E., Romano D., (2009). Towards the Measurement of Household Resilience to Food Insecurity: Applying a Model to Palestinian Household Data, In Sibrian, R. (ed,), Deriving Food Security Information From National Household Budget Surveys, Experiences, Achievement, Challenges, FAO, Rome : 137--‐52, pp153-166, Available at : ftp://ftp,fao,org/docrep/fao/011/i0430e/i0430e,pdf,
7. Alfani, F., Dabalaen, A., Fisker, P., Molini, V. (2015). Can we measure resilience? A proposed method an evidence from countries in the Sahel, Policy Research Working Paper 7170, World Bank Group, Poverty Global Practice Group,
8. Afsa, C. (2016). Le modèle Logit Théorie et application, Document de travail, Institut National de la Statistique et des Études Économiques. Consulté le 30 /10/2018 sur https://www,insee,fr/fr/statistiques/fichier/2022139/Le-modele-Logit-CB,pdf,
9. Antonovsky, A. (1998). The sense of coherence: An historical and future perspective, In H, I, McCubbin, E, A, Thompson, A, I, Thompson, & J, E, Fromer (Eds,), Stress, coping, and health in families: Sense of Coherence and resiliency (p 3-20), Thousand Oaks, CA: Sage,
10. Antonovsky, A., & Bernstein, J. (1986). Pathogenesis and salutogenesis in war and other crises: Who studies the successful coper? In N. A. Milgram (Ed.), Stress and coping in time of war: Generalizations from the Israeli experience (pp. 52-65). New York City, NY: Brunner/Mazel.
11. Arnaud, M. (2003). Forme de résilience dans le groupe fraternel. Le divan familial, (1), 123-131.
12. Arrow, K. J. (1962). Economic Welfare and the Allocation of Resources for Invention. Disponible sur https://www.nber.org/chapters/c2144.pdf
13. Bahadur, A., Peters, V. K., Wilkinson, E., Pichon F., Gray, K., Tanner, T. (2015). The 3As: tracking resilience across BRACED, Working papers, Overseas Development Institute,
14. Bahadur, A., Ibrahim, M., Tanner, T. (2013). Characterising Resilience: Unpacking the concept for tackling climate change and development. Climate and Development, 5(1), pp,55–65.
15. Banque Mondiale (2016). Agriculture et valeur ajoutée, WolrdBank database, Données des comptes nationaux de la Banque mondiale et fichier de données des comptes nationaux de l’OCDE, http://donnees,banquemondiale,org/indicateur/NV,AGR,TOTL,ZS
16. Bard, S. K., & Barry, P. J. (2000). Developing a scale for assessing risk attitudes of agricultural decision makers. The International Food and Agribusiness Management Review, 3(1), 9-25.
86
17. Barrett, C.B. Constas, M. A. (2014). Toward a theory of resilience for international development applications, Proc Natl Acad Sci USA 111: 14625–14630, doi: 10,1073/pnas,1320880111,
18. Bastagli, F., Harman, L. (2015). The role of index-based triggers in social protection shock response, Londres : Overseas Development Institute,
19. Becchetti, L., Castriota, S. (2011). « Does microfinance work as a recovery tool after disasters? Evidence from the 2004 tsunami », World Development, 39(6), pp,898–912,
20. Bendor, S., Davidson, K., Skolnik, L. (1997). Strengths-pathology dissonance in the social work curriculum. Journal of Teaching in Social Work, 15(1/2), 3-16.
21. Béné, C. (2013). Towards a quantifiable measure of resilience. IDS Working Papers, 2013(434), 1-27.
22. Béné, C., Al-Hassan, R. M., Amarasinghe, O., Fong, P., Ocran, J., Onumah, E., & Mills, D. J. (2016a). Is resilience socially constructed? Empirical evidence from Fiji, Ghana, Sri Lanka, and vietnam. Global environnemental change, 38, 153-170.
23. Béné, C., Frankenberger, T., Langworthy, M., Mueller, M., & Martin, S. (2016b). The influence of subjective and psycho-social factors on people’s resilience: conceptual framework and empirical evidence, Report prepared by the Technical Consortium, a project of the CGIAR, Technical Report Series No, 2: Strengthening the Evidence Base for Resilience in the Horn of Africa, International Livestock Research Institute (ILRI) and TANGO International publication, Nairobi, Kenya.
24. Béné, C., Newsham, A., Davies, M., Ulrichs, M., & Godfrey‐Wood, R. (2014). Resilience, poverty and development. Journal of International Development, 26(5), 598-623.
25. Béné, C., Wood R.G., Newsham A., Davies M. (2012). Resilience: new utopia or new tyranny? Reflection about the potentials and limits of the concept of resilience in relation to vulnerability reduction programmes, In: IDS Working Paper 2012 (405) CSP Working Paper (006), Brighton, UK: Institute of Development Studies and Centre for Social Protection, 61 p, http://doi,wiley,com/10,1111/j,2040-0209,2012,00405,x,
26. Benmihoub, A. (2015). Modélisation du comportement des agriculteurs en situation de risque sur le revenu, Cas des producteurs de la pomme de terre, Thèse de doctorat en agroéconomie, École National Supérieure d’Agronomie — Alger,
27. Berkes, F., Folke C. (1998). Linking social and ecological systems for resilience and sustainability, Linking social and ecological systems: management practices and social mechanisms for building resilience, Nat Hazards 41 (2): 283–295, doi: 10,1007/s11069-006-9036-7, [CrossRef] (In the text)
28. Bernard, M. J. (2011). Le talent «résilience». Revue internationale de psychosociologie, 17(41), 107-118.
29. Birkmann, J., Kienberger, S., & Alexander, D. (Eds.). (2014). Assessment of vulnerability to natural hazards: a European perspective. Elsevier.
30. Blaikie, P., Cannon, T., Davis, I., & Wisner, B. (2014). At risk: natural hazards, people's vulnerability and disasters. Routledge.
31. Boin, A., Comfort, L. K., & Demchak, C. C. (2010). The rise of resilience. Designing resilience: Preparing for extreme events, 1-12.
32. Boon, H. J., Cottrell, A., King, D., Stevenson, R. B., & Millar, J. (2012). Bronfenbrenner’s bioecological theory for modelling community resilience to natural disasters. Natural Hazards, 60(2), 381-408.
33. Botta, A., Bousquet, F. (2017). La résilience des systèmes écologiques et sociaux : accompagner la prise en compte de l’incertitude pour le
87
développement, Cirad, Montpellier, Perspective 43, Doi : 10,181 67/agritrop/00045,
34. Bowen, G. L. (1998). Community resiliency: A research roadmap. Chapel Hill, NC: University of North Carolina at Chapel Hill, School of Social Work.
35. BRACED (2015). M&E Guidance note, Knowledge Manager, 79 p 36. Brooks, N., Aure, E., Whiteside, M. (2014). Assessing the impact of ICF
programmes on household and community resilience to climate variability and climate change, DFID, 57p
37. Brossier, J. (1989). Risque et incertitude dans la gestion de l’exploitation agricole, quelques principes méthodologiques, http://horizon,documentation,ird,fr/exl-doc/pleins_textes/divers07/27224,pdf
38. Brouwer, R., Akter, S., Brander, L., Haque E. (2007). « Socioeconomic vulnerability and adaptation to environmental risk: a case study of climate change and flooding in Bangladesh », Risk Analysis, 27(2), pp,313–326,
39. Carpenter, S., Walker, B., Anderies, J. M., & Abel, N. (2001). From metaphor to measurement: resilience of what to what?. Ecosystems, 4(8), 765-781.
40. Carpenter, S., Walker, B., Anderies J.M., Abel, N. (2000). From Metaphor to Measurement: Resilience of What to What? Consulté le 16/11/2018. https://groups.nceas.ucsb.edu/sustainability-science/2010%20weekly-sessions/session-102013-11.01.2010-emergent-properties-of-coupled-human-environment-systems/supplemental-readings-from-moderator-discussant-jim-heffernan/Carpenter%20et%20al%202001%20Metaphor%20to%20Measurement.pdf
41. Carter, M. R., Little, P. D., Mogues, T., Negatu, W. (2004). Shocks, sensitivity and resilience: Tracking the economic impacts of environmental disaster on assets in Ethiopia and Honduras,
42. Catte, P., Girouard, N., Price, R., & André, C. (2005). The contribution of housing markets to cyclical resilience. OECD economic studies, 2004(1), 125-156.
43. CILSS (2016). Lutte contre le changement climatique : les réalisations du CILSS, 44. Cobb, S. (1982). Social support and health through the life course. Family stress,
coping and social support/edited by Hamilton McCubbin, A. Elizabeth Cauble, Joan M. Patterson.
45. Connor, K. M., & Davidson, J. R. (2003). Development of a new resilience scale: The Connor‐Davidson resilience scale (CD‐RISC). Depression and anxiety, 18(2), 76-82.
46. Constas, M., Frankenberger, T., Hoddinott J. (2014). Principes de la mesure de la résilience : vers un programme pour la conception de la mesure. Groupe de travail technique sur la mesure de la résilience, Série technique No, 1, Rome : Réseau d’information sur la sécurité alimentaire (FSIN).
47. Constas, M., & Barrett, C. (2013). Principles of Resilience Measurement for Food Security:Metrics, Mechanisms, and Implementation Issues. Paper for the Expert Consultation on Resilience Measurement Related to Food Security. Rome: Food and Agricultural Organisation and World Food Program (FAO).
48. Coutu, D. L. (2002). How resilience works. Harvard business review, 80(5), 46-56.
49. Cutter, S. L., Barnes, L., Berry, M., Burton, C., Evans, E., Tate, E., Webb, J. (2008). A place-based model for understanding community resilience to natural disasters. Department of Geography and Hazards & Vulnerability Research Institute, University of South Carolina, Columbia, SC 29223, USA Global environmental change [0959-3780] Vol. :18 iss :4 pg :598 -606.
50. Cyrulnik, B., Manciaux, M., & Vanistendael, R. (2001). La résilience aujourd’hui. La résilience «résister et se construire». Genève: Médecine et Hygiène, 17.
88
51. Dankelman, I. (Éd.). (2010). Gender and climate change: An introduction. Routledge.
52. Dauphiné, A., Provitolo D. (2007). La résilience : un concept pour la gestion des risques. Annales de géographie 2007/2 (n° 654), p, 115-125, DOI 10,3917/ag,654,0115,
53. Debailleul, G., Tamini, L. D., Doyon, M., Clerson-Guicherd, F., Jacques, L.S., Hernandez, M., Olar, M., Louvel, J., (2013). Analyse prospective de la position concurrentielle du Québec en matière de production agricole dans un contexte de changements climatiques, Université Laval et EcoRessource Consultants, p, 31-55.
54. Devereux, S. (2001). « Livelihood insecurity and social protection: a reemerging issue in rural development », Development Policy Review, 19(4), pp,507–519,
55. DFID (2014). KPI4 Guidance, U,K, : Department for International Development, 56. DFID (2011). Defining disaster resilience. A DFID approach paper. 57. DGPER/DPSAA (2012). Analyse de l’économie des ménages de la zone de
moyens d’existence « Plateau central céréales et maraichage » : ZOME 5. p 15. Consulté le 14/11/2018 sur https://www.heacod.org/fr-fr/Published%20Reports/_Zome%205%202012.pdf
58. DGPER/DPSAA (2010). Profil de Moyens d’Existence : Burkina Faso. Zone Agricole de la région du Centre Nord. Consulté le 14/11/2018 sur https://www.heacod.org/fr-fr/Published%20Reports/_Zome%205%202012.pdf
59. Diallo, S., Diallo, M. D., Nacro, H. B., Traoré, S. A., & N'Diaye, A. (2017). Facteurs édaphiques et dynamique des terres agricoles dans le bassin arachidier de la région de thiès (Sénégal): efficacité des stratégies d'adaptation des populations. International Journal of Innovation and Applied Studies, 22(1), 12-28.
60. Diener, E. (2009). Beyond the Hedonic Treadmill: Revising the Adaptation Theory of Well-Being. The Science of Well-Being [90-481-2349-6; 90-481-2350-X] pg :103 -118
61. Djament-Tran, G., Le Blanc, A., Lhomme, S., Rufat, S., & Reghezza-Zitt, M. (2011). Ce que la résilience n'est pas, ce qu'on veut lui faire dire.
62. Doocy, S., Teferra, S., Norell, D., Burnham, G. (2005). « Credit program outcomes: coping capacity and nutritional status in the food insecure context of Ethiopia », Social Science & Medicine, 60(10), pp,2371–2382,
63. FAO (2016a). Resilience Index Measurement II (RIMA II). Disponible sur http://www.fao.org/3/a-i5665e.pdf
64. FAO (2016b). Analyse de la résilience au Sénégal. Disponible sur http://www.fao.org/3/a-i6159f.pdf
65. FAO (2014). Resilience Index Measurement and Analysis model RIMA II, [online] URL: www,fao,org/3/a-i4102e,pdf
66. FSIN (2014a). A Common Model for Resilience Measurement, Causal framework and methodological options, Food Security Information Network, pp 45 http://www,fsincop,net/resource-centre/detail/en/c/267086/
67. FSIN (2014b). Principes de la mesure de la résilience, vers un programme pour la conception de la mesure, Food Security Information Network,
68. Fankhauser, S., Smith, J. B., & Tol, R. S. (1999). Weathering climate change: some simple rules to guide adaptation decisions. Ecological economics, 30(1), 67-78.
69. Ferret, S. (2011). Deepwater horizon. Éthique de la nature et philosophie de la crise écologique. Le Seuil.
70. Folke, C. (2006). "Resilience: The emergence of a perspective for social–ecological systems analyses." Global Environmental Change 16: 235-267.
71. Folke, C. (2016). Resilience (republished). Ecology and Society, 21(4). 72. Folke, C., Carpenter, S., Elmqvist, T., Gunderson, L., Holling, CS., Walker B.
(2002). Resilience and Sustainable Development: Building Adaptive Capacity in a
89
World of Transformations. A Journal of the Human Environment [0044-7447] Vol. :31 iss :5 pg :437 -440.
73. Frankenberger, T., Nelson, S. (2013). Background paper for the Expert Consultation on Resilience Measurement for Food Security, https://www,popline
74. Frantzeskaki, N., Tidball, K., & Elmqvist, T. (2014). Tips or traps? Advancing understanding to steer clear of impoverishment traps and tipping points.
75. Gallopín, G. C. (2006). Linkages between vulnerability, resilience, and adaptive capacity. Global environnemental change, 16(3), 293-303.
76. Gaffiot, F. (1934). Dictionnaire latin-français, ed, Hachette, p, 1719, Paris 77. GIEC (2007). Bilan 2007 des changements climatiques : Les bases scientifiques
physiques. In Quatrième rapport d’évaluation de GIEC. 2 février 2007, France. 78. Garmezy, N., & Masten, A. S. (1986). Stress, competence, and resilience:
Common frontiers for therapist and psychopathologist. Behavior Therapy, 17(5), 500-521.
79. Gnanglè, P. C., Yabi, J. A., Yegbemey, N. R., Kakaï, R. G., & Sopkon, N. (2012). Rentabilité économique des systèmes de production des parcs à Karité dans le contexte de l’adaptation au changement climatique du Nord-Bénin. African Crop Science Journal, 20(2), 589-602.
80. Gnanglè, C. P., Glèlè Kakaï, R., Assogbadjo, A. E., Vodounnon, S., Afouda Yabi, J., & Sokpon, N. (2011). Tendances climatiques passées, modélisation, perceptions et adaptations locales au Bénin. Climatologie, (Volume 8), 27-40.
81. Hardaker, J. B. (Éd.). (2004). Coping with risk in agriculture. Cabi. 82. Hamilton, B. A. (2004). Redefining the Corporate Governance Agenda. From
Risk Management to Enterprise Resilience. URL: http://www. boozallen. com/media/file/138022. pdf (20.09. 2014).
83. Harwood, J., Heifner, R. H., Coble, K., Perry, J., & Somwaru, A. (March 1999).Managing risk in farming:concepts, research and analysis. Agr. Econ. Rep. No. 774, Economic Research Service, U.S. Department ofAgriculture, Washington, D.C.
84. Hawley, D. R., & De Haan, L. (1996). Toward a definition of family resilience: Integrating life-span and family perspectives. Family Process, 35(3), 283-298.
85. Hoddinott J., (2014). understanding resilience for food and nutrition security, IFPRI, 2020,
86. Holling, C. S., & Gunderson, L. H. (Eds.). (2002). Panarchy: understanding transformations in human and natural systems. Island Press.
87. Holling, C. S. (1996). Engineering resilience versus ecological resilience. Engineering within ecological constraints, 31(1996), 32.
88. Holling, C. S., Gunderson, L. H., & Light, S. (1995). Barriers and Bridges to the Renewal of Ecosystems. New York: Columbia University Press.
89. Holling, C.S., (1973). Resilience and stability of ecological systems, Annual Review of Ecology and Systematics,4, 2-23,
90. Hollnagel, E., Woods, D. D., & Leveson, N. (2007). Resilience engineering: Concepts and precepts. Ashgate Publishing, Ltd.
91. Horne III, J. F. et Orr, J. E. (1997). "Assessing behaviors that create resilient organizations." Employment Relations Today 24(4): 29-39.
92. Hudner et Kurtz, (2002). « Health disaster management: Guidelines for evaluation and research in the Utsein style », Chapter 3: Overview and Concepts, Prehosp Disast Med 17, (Suppl 3), pp,31–55,
93. Hurlin, C, (2003). Économétrie des Variables Qualitatives, Chapitre 2, Modèles Multinomiaux, Modèles Logit Multinomiaux Ordonnées et non Ordonnés, Polycopié de Cours, Université d’Orléans. Disponibles sur https://www,univ-orleans,fr/deg/masters/ESA/CH/Qualitatif_Chapitre2,pdf, consulté le 30 /10/2018
94. IPCC (2014) Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change
90
[Core Writing Team, R.K. Pachauri and L.A. Meyer (eds.)]. IPCC, Geneva, Switzerland, 151 pp.
95. ISDR (2005). Hyogo Framework for 2005-2015: Building the Resilience of Nations and Communities to Disasters. Extract from the final report of the World Conference on Disaster Reduction (A/CONF.206/6). Geneva, United Nations, International Strategy for Disaster Risk Reduction..
96. Jakobowicz, E. (2007). Contributions aux modèles d'équations structurelles à variables latentes (Doctoral dissertation, Conservatoire national des arts et métiers-CNAM).
97. Jalloh, A., (2016). Rapport 2016 sur la nutrition mondiale : des promesses aux impacts, éliminer la malnutrition d’ici 2030, International Food Policy Institue IFPRI, Washington, DC, 182 p, https://www,ifpri,org/node/16519
98. Jalloh, A., Gerald, C, Nelson ; Tomothy S, Thomas ; Robert Zougmoré ; Harold Roy-Macauley (2013). L’Agriculture ouest-africaine et changement climatique, une analyse exhaustive, International Food Policy Institue (IFPRI), Disponible sur https://books,google,fr/books?hl=fr&lr=&id=E4YpDwAAQBAJ&oi=fnd&pg=PA11&dq=impact+des+changements+climatique+sur+l%27agriculture&ots=yxDkWVnNC1&sig=IG3F0ojD3YbxnetSOJsv4gYnIKM#v=onepage&q&f=false,
99. Janssen, M. A. (2007). An update on the scholarly networks on resilience, vulnerability, and adaptation within the human dimensions of global environmental change. Ecology and Society 12(2): 9. [online] URL: http://www.ecologyandsociety.org/vol12/iss2/art9/ (consulté le 08/12/2018).
100. Jones, L., Samman, E., & Vinck, P. (2018). Subjective measures of household resilience to climate variability and change: insights from a nationally representative survey of Tanzania. Ecology and Society, 23(1): 9).
101. Jones, L., & Tanner, T. (2015). Measuring'Subjective Resilience': Using Peoples' Perceptions to Quantify Household Resilience.
102. Jöreskog, K. G. (1970). A general method for estimating a linear structural equation system. ETS Research Bulletin Series, 1970(2), i-41.
103. Keating ,A., Campbell, K., Mechler, R., Magnuszewski, P., Mochizuki, J., Liu, W., Szoenyi, M., McQuistan, C. (2016). Disaster resilience: what it is and how it can engender a meaningful change in development policy,
104. Kellett, J., Peters, K. (2014). Dare to prepare: taking risk seriously, Londres : Overseas Development Institute,
105. Khan, F. (2014). « Adaptation vs, développement: basic services for building resilience », Development in Practice, 24(4), pp,559–578,
106. Lachaud, J. P. (2003). Les déterminants de l’inégalité du bien-être au Burkina Faso: une décomposition de régression, Université Montesquieu-Bordeaux IV – France. Consulté le 30 /10/2018 sur http://armspark,msem,univ-montp2,fr/bfpvolta/admin/biblio/ceddt85,pdf
107. Lallau, B. (2014). La résilience contre la faim, Nouvelle donne ou nouvel artifice ? Université Lille1, France, Communication à la journée des recherches en sciences sociales,
108. Lallau, B. (2011). La résilience, moyen et fin d’un développement durable ? 109. Lallau, B., & Thibaut, E. (2009). La résilience en débat: quel devenir pour les
agriculteurs en difficulté?. Revues d’Études en Agriculture et Environnement, 90(1), 79-102.
110. Laurent, É., & Le Cacheux, J. (2015). Économie de l'environnement et économie écologique-2e d.: Les nouveaux chemins de la prospérité. Armand Colin.
111. Lebel, L., Anderies, J. M., Campbell, B., Folke, C., Hatfield-Dodds, S., Hughes, T. P., James, W. (2006). Governance and the capacity to manage resilience in regional social-ecological systems, Marine Sciences Faculty Scholarship, Paper 52. Retrieved from: http://digitalcommons.library.umain.edu/sms_facpub/52.
112. Ledesma, J., (2014). Conceptual Frameworks and Research Models on Resilience in Leadership, Andrews University, Berrien Springs, MI, USA,
91
113. Levine, S., Ludi, E., Jones, L. (2011). Rethinking Support for Adaptive Capacity to Climate Change, Londres : ODI,
114. Le Masson, v., Norton, a., & Wilkinson, e. (2015). Genre et résilience.
115. Lepetit B, Pumain D., 1993, Temporalités urbaines, Paris, Économica
116. London, UK, [online] URL: http://www,odi,org/sites/odi,org,uk/files/odi-assets/publications-opinion-files/9812,pdf
117. Lopez-Marrero, T., Yarnal, B. (2010). « Putting adaptive capacity into the context of people’s lives: a case study of two flood-prone communities in Puerto Rico », Natural hazards, 52(2), pp, 277–297,
118. Luthar, S. S., & Cicchetti, D. (2000). The construct of resilience: Implications for interventions and social policies. Development and psychopathology, 12(4), 857-8
119. Magdalou, B. (2014). Évaluation du bien-être et de la pauvreté en économie: théorie normative et expérimentation. Études caribéennes, (24-25).
120. Magdalou, B. (2013). Economic Assessment of Welfare and Poverty: Normative Theory and Experimentation, Consulté le 30 juin 2018 sur http://journals,openedition,org/etudescaribeennes/6484
121. Malone, E. (2009). Vulnerability and Resilience in the Face of Climate Change: Current Resarch and Needs for Population Information, Washington, D,C,: Population Action International, (Consulté le 20 juillet 2015), Disponible sur : www,globalchange,umd,edu/data/publications/Resilience_and_ Climate_Change,pdf,
122. Mancini, J. A., & Bowen, G. L. (2009). Community resilience: A social organization theory of action and change. Pathways of human development: Explorations of change, 245-265.
123. Mathevet, R., & Bousquet, F. (2014). Résilience & environnement: penser les changements socioécologiques. Paris, French: Buchet Chastel.
124. Maru, Y. T., Smith, S.M., Sparrow, A., Pinho, P. F., and Dube, O. P. (2014). A linked vulnerability and resilience framework for adaptation pathways in remote disadvantaged communities. Global Environmental Change 28, 337–350.
125. Masten, A. S., & Obradović, J. (2006). Competence and resilience in development. Annals of the New York Academy of Sciences, 1094(1), 13-27.
126. Masterson, J. H., Peacock, W. G., Van Zandt, S. S., Grover, H., Schwarz, L. F., & Cooper, J. T. (2014). Planning for community resilience: A handbook for reducing vulnerability to disasters. Washington, DC: Island Press.
127. McCubbin, H. I., & McCubbin, M. A. (1988). Typologies of resilient families: Emerging roles of social class and ethnicity. Family relations, 247-254.
128. McGillivray, M., & Noorbakhsh, F. (2004). Composite indices of human well-being: Past, present, and future, WIDER Research Paper, No. 2004/63, ISBN 9291906603, The United Nations University World Institute for Development Economics Research (UNU-WIDER), Helsinki.
129. McGlade, J. (1995). Archaeology and the ecodynamics of human-modified landscapes. Antiquity, 69(262), 113-132.Michallet, B. (2009). Résilience : Perspective historique, défis théoriques et enjeux cliniques, » Frontières 221-2, 10–18, DOI : 10,720 2/045021ar,
130. McPhearson, T., Andersson, E., Elmqvist, T., & Frantzeskaki, N. (2015). Resilience of and through urban ecosystem services. Ecosystem Services, 12, 152-156.
131. Mileti, D. (1999). Disasters by design: A reassessment of natural hazards in the United States. Joseph Henry Press.
132. Miller, F., Osbahr, H., Boyd, E., Thomalla, F., Bharwani, S., Ziervogel, G., Hinkel, J. (2010). Resilience and vulnerability: complementary or conflicting concepts?. Ecology and Society, 15(3).
92
133. Nana, T, J, et Thiombiano, T. (2018). Adoption of Adaptation Strategies for Climate Change: Case of Burkina Faso Farmers, Journal of Agriculture and Environmental Sciences, Vol, 7, No, 1, pp, 53-65. Consulté le 30 /10/2018 sur http://jaesnet,com/journals/jaes/Vol_7_No_1_June_2018/6,pdf
134. Nelson, V., Stathers, T. (2009). Resilience, power, culture, and climate: A case study from semi-arid Tanzania, and new research directions. Gender and Development, 17(1), 81–94. https://doi.org/10.1080/135520708026696946.
135. Ndegue, F. M. K. (2011). Efficience technique et efficience environnementale en agriculture, Mémoire de maîtrise, Département d’économique faculté des sciences sociales, Université Laval, Québec.
136. O’Brien, K., Leichenko, R., Kelkar, U., Venema, H., Aandahl, G., Tompkins, H., ... & West, J. (2004). Mapping vulnerability to multiple stressors: climate change and globalization in India. Global environnemental change, 14(4), 303-313.
137. O’Leary, V. E. (1998). Strength in the face of adversity: Individual and social thriving. Journal of social Issues, 54(2), 425-446. Disponible sur https://doi.org/10.1111/j.1540-4560.1998.tb01228.x
138. Olsson, C. A., Bond, L., Burns, J. M., Vella-Brodrick, D. A., & Sawyer, S. M. (2003). Adolescent resilience: À concept analysis. Journal of adolescence, 26(1), 1-11.
139. Ostrom, E. (2009). A general framework for analyzing sustainability of social-ecological systems. Science, 325(5939), 419-422.
140. Ouedraogo, M. (2012). Impact des changements climatiques sur les revenus agricoles au Burkina Faso. Journal of Agriculture and Environment for International Development (JAEID), 106(1), 3-21.
141. Ouedraogo, M., Dembélé, Y, Somé, L. (2010). Perceptions et stratégies d’adaptation aux changements des précipitations : cas des paysans du Burkina Faso.
142. PANA (2015). Programme national d’adaptation aux changements climatiques au Burkina Faso, Ministère de l’Environnement et des Ressources halieutiques, 155 p
143. Paton, D., Smith, L., & Johnston, D. M. (2000). Volcanic hazards: risk perception and preparedness. New Zealand Journal of Psychology, 29(2), 86.
144. Pike, A., Dawley, S., Tomaney, J. (2010). Resilience, adaptation and adaptability. Cambridge journal of regions, economy and society, 3(1), 59-70.
145. Pigou, A. C. (1922). Empty economic boxes: a reply. The Economic Journal, 32(128), 458-465.
146. Phelan, L., Henderson-Sellers, A., & Taplin, R. (2013). The political economy of addressing the climate crisis in the Earth system: undermining perverse resilience. New Political Economy, 18(2), 198-226.
147. Prior, T.; Hagmann, J.(2013). Measuring resilience: methodological and political challenges of a trend security concept, Center for Security Studies, ETH Zürich, Zürich, Switzerland, pp 18.
148. Pumain D., Sanders L., Saint-Julien T., 1989, Villes et auto-organisation, Économica, Paris
149. Quandt, A. (2018). Measuring livelihood resilience: The Household Livelihood Resilience Approach (HLRA). World Development. Volume 107, July 2018, Pages 253-263. https://doi.org/10.1016/j.worlddev.2018.02.024
150. Rak, C. F., & Patterson, L. E. (1996). Promoting resilience in at‐risk children. Journal of Counseling & Development, 74(4), 368-373.
151. Rakotomalala, R., (2015). Pratique de la Régression Linéaire Multiple. Diagnostic et sélection de variables. Version 2.1. pp 53-54 consulté le 07/11/2018 sur http://eric.univ-lyon2.fr/~ricco/cours/cours/La_regression_dans_la_pratique.pdf
152. Reghezza-Zitt, M., Rufat, S., Djament-Tran, G., Le Blanc, A., & Lhomme, S. (2012). What resilience is not: uses and abuses. Cybergeo: European Journal of Geography.
93
153. Renaudin, B., & Raillon, C. (2011). La résilience des pasteurs aux sècheresses, entre traditions et bouleversements. Les ONG au défi des transhumances Tchad, région de bahr el gazal. Rapport final, 12-34. https://scholar.google.fr/scholar?cluster=15334419483982405283&hl=fr&as_sdt=2005&sciot=0,5.
154. Resilience Alliance, (2009). Adaptive capacity. Consulté le 03/02/2018 sur http://www. resalliance. org …
155. Resilience Alliance. (2002). "Key concepts." Retrieved 29 juillet, 2011, from http://www.resalliance.org/index.php/key_concepts.
156. Sanders, A. E., Lim, S., & Sohn, W. (2008). Resilience to urban poverty: theoretical and empirical considerations for population health. American Journal of Public Health, 98(6), 1101-1106.
157. Sawadogo, H , Book, L., D., Zombré, N. P. (2008). Restauration des potentialités de sols dégradés à l’aide du zée et du compost dans le Yatenga (Burkina Faso). http://www,pressesagro,be/ojs/index,php/base/article/view/364
158. Sen, A. (1992). Inequality reexamined. Clarendon Press. 159. Simonet, G. (2009). « Le concept d’adaptation : polysémie interdisciplinaire et
implication pour les changements climatiques », Natures Sciences Sociétés 2009/4 (Vol, 17), p, 392-401,
160. South, J., Jones, R., Stansfield, J., & Bagnali, A. M. (2018). What quantitative and qualitative methods have been developed to measure health-related community resilience at a national and local level?.
161. Strümpfer, D. J. W. (1990). Salutogenesis: A new paradigm. South African Journal of Psychology, 20(4), 265-276.
162. Speranza, C. I., Wiesmann, U., & Rist, S. (2014). An indicator framework for assessing livelihood resilience in the context of social–ecological dynamics. Global Environmental Change, 28, 109-119.
163. Swanstrom, T. (2008). Regional resilience: a critical examination of the ecological framework (No. 2008, 07). Working Paper, Institute of Urban and Regional Development. Internet: http://escholarship.org/uc/item/9g27m5zg (7. 2. 2014).
164. Sylla, M. B., Nikiema, P. M., Gibba, P., Kebe, I., & Klutse, N. A. B. (2016). Climate change over West Africa: Recent trends and future projections. In Adaptation to climate change and variability in rural West Africa (pp. 25-40). Springer, Cham.
165. Tefera, n., Demeke, m., & Kayitakire, f. (2017). Building sustainable resilience for food security and livelihood dynamics: the case of rural farming households in Ethiopia.
166. Tinbergen, J. (1991). On the measurement of welfare. Journal of Econometrics, 50(1-2), 7-13.
167. Tisseron, S.,. (2009) La Résilience, Paris, Presses universitaires de France, 128p Titmuss, R. M., & Seldon, A. (1968). Commitment to welfare. Social Policy & Administration, 2(3), 196-200.
168. URD (014). La mesure de la résilience (outils, standards, indicateurs, etc.) août-septembre 2014, pour la FICR. https://www.urd.org/Etude-sur-la-mesure-de-la
169. UNISDR. (2005). Building the resilience of nations and communities to disaster: An introduction to the Hyogo Framework for Action. 2005–2015. UNISDR [Online]. Available from www.unisdr.org/wcdr/intergover/official-doc/L-docs/Hyogo-framework-for-action-english.pdf. Consulté le 03 février 2018.
170. URD (2013), Humanitaire en mouvement, Éditorial, 28 p 171. Van Breda, A. D. (2001). Resilience theory: A literature review. Pretoria, South
Africa: South African Military Health Service. 172. Van der Leeuw, S. & Aschan-Leygonie, C. 2000. A long-term perspective on
resilience in socio-natural systems. Paper presented at the workshop ‘System shocks – system resilience’ May 22-26. Abisko, Sweden.
94
ttp://www.santafe.edu/sfi/publications/Working-Papers/01-08-042.pdf (accessed 04-Feb-2003).
173. Van Praag, B. M., & Frijters, P. (1999). 21 The Measurement of Welfare and Well-Being: The Leyden Approach (pp. 413-433). New York: Russell Sage Foundation.
174. Vonthron, S., Dury, S., Fallot, A., & Bousquet, F. (2016). L'intégration des concepts de résilience dans le domaine de la sécurité alimentaire: regards croisés. Cahiers Agricultures, 25(6).
175. Walker, B., & Salt, D. (2006). Resilience thinking: Sustaining ecosystems and people in a changing world. USA: Island Press.
176. Walsh, F. (1996). The concept of family resilience: Crisis and challenge. Family process, 35(3), 261-281.
177. Weick, A., & Chamberlain, R. (1997). Putting problems in their place: Further explorations in the strengths perspective. In D. Saleebey (Ed.), The strengths perspective in social work practice (2nd ed., pp. 37-48). New York City, NY: Longman.
178. Weick, A., Rapp, C., Sullivan, W. P., & Kisthardt, W. (1989). A strengths perspective for social work practice. Social Work, 34(4), 350-54.
179. West, S., Haider, J., Sinare, H., & Karpouzoglou, T. (2014). Beyond divides: prospects for synergy between resilience and pathways approaches to sustainability.
180. Werner, E. E., & Smith, R. S. (1992). Overcoming the odds: High risk children from birth to adulthood. Cornell University Press.
181. Wildavsky, A. (1988). A cultural theory of budgeting. International Journal of Public Administration, 11(6), 651-677.
182. William, R. (1976). Welfare State and Welfare Society: Illusion and Reality. 183. Wold, H. (1973). Nonlinear iterative partial least squares (NIPALS) modelling:
some current developments. In Multivariate Analysis–III (pp. 383-407). 184. Wold, H., (1982). Soft modeling: the basic design and some extensions. In :
Jöreskog, K.G., Wold, H. (Eds.), Systems under Indirect Observation. Vol. 2. North-Holland, Amsterdam, pp. 1–54. 14, 20, 25, 26, 27, 99
185. Wolter, K., Avritzer, A., Vieira, M., & Van Moorsel, A. (Eds.). (2012). Resilience assessment and evaluation of computing systems. Berlin, London: Springer.
186. Yaméogo, J.T., Hien, M., Lykke, A.M., Some, A.N., Thiombiano, A. (2011). Effet des techniques de conservation des eaux et des sols, zée forestier et cordons pierreux, sur la réhabilitation de la végétation herbacée à l’ouest du Burkina Faso, Université Polytechnique de Bobo-Dioulasso, International Journal of Biological and Chemical Sciences, https://www,ajol,info/index,php/ijbcs/article/view/68085/56175
187. Zhu, Q., Jiang, H., Peng, C., Liu, J., Wei, X., Fang, X., & Yu, S. (2011). Evaluating the effects of future climate change and elevated CO2 on the water use efficiency in terrestrial ecosystems of China. Ecological Modelling, 222(14), 2414-2429.
95
ANNEXES
Annexe 1. Statistiques des variables âge et taille des ménages
Variable Moyenne Écart type Mode Minimum Maximum
Âge 53 14 45 (5,3%) 19 99
Taille du ménage 11 5
2 24
Annexe 2. Adoption des techniques de gestion des ressources naturelles (GRN)
GRN Freq, Percent Cum,
0 tech 12 1,42 1,42
1 tech 37 4,39 5,81
2 tech 97 11,51 17,32
3 tech 146 17,32 34,64
4 tech 173 20,52 55,16
5 tech 139 16,49 71,65
6 tech 78 9,25 80,90
7 tech 57 6,76 87,66
8 tech 104 12,34 100,00
Total 843 100,00
Annexe 3. Diversification des sources de revenu agricole (DRA)
DRA Freq, Percent Cum,
0 prod 45 5,34 5,34
1 prod 24 2,85 8,19
2 prod 106 12,57 20,76
3 prod 267 31,67 52,43
4 prod 268 31,79 84,22
5 prod 105 12,46 96,68
6 prod 26 3,08 99,76
7 prod 2 0,24 100,00
Total 843 100,00
96
Annexe 4. Accès et utilisation des systèmes d’alerte précoce (en anglais Early
Warning System=EWS)
b canaux d'info utilisés Freq, Percent Cum,
0 498 59,07 59,07
1 106 12,57 71,65
2 118 14,00 85,65
3 53 6,29 91,93
4 32 3,80 95,73
5 18 2,14 97,86
6 10 1,19 99,05
7 8 0,95 100,00
Total 843 100,00
Annexe 5. Fréquentation des plantes cliniques
INN Freq, Percent Cum,
0 729 86,48 86,48
1 62 7,35 93,83
2 6 0,71 94,54
3 6 0,71 95,26
4 40 4,74 100,00
Total 843 100,00
97
Annexe 6, Test de multi colinéarité sur les variables manifestes et les variables
latentes
Outer VIF Values
VIF
ACM 1,070
ASS 1,093
CRE 1,025
DRA 1,121
EEG_VOIXCOM 1,744
EGG_CHOIXMEN 2,339
EGG_CONTROLEMEN 1,764
EP 1,070
GRN 1,142
HYDTS 1,005
INN 1,044
USE_EWS 1,023
Inner VIF Values
VIF
Latent Variable 1 1,030
Latent Variable 2 1,030
Latent Variable 3
Annexe 7. Corrélation entre les variables manifestes
ASS CRE EP EGG_VOIXMEN
EGG_CHOIXMEN
EGG_CONTRO~N
USE_EWS INN HYDTS ACM DRA
ASS 1,0000
CRE 0,1541 1,0000
EP 0,2551 0,0552 1,0000
EGG_VOIXMEN -0,0085
0,0700 0,0226 1,0000
EGG_CHOIXMEN
-0,0278
0,1142
-0,0309 0,6915 1,0000
EGG_CONTRO~N
-0,0092
0,0926
-0,0122 0,5635 0,6532 1,0000
USE_EWS -0,0113
0,1905
-0,0217 0,0759 0,1331 0,1191 1,0000
INN 0,0657 0,1257
-0,0047 0,0667 0,0686 0,0282 0,2072
1,0000
HYDTS 0,1598 0,1420 0,0935 -0,0712 -0,1083 -0,0567 0,1133
0,0666
1,0000
ACM 0,2662 0,6250 0,1043 0,0274 0,0569 0,0111 0,2622
0,1571
0,1994
1,0000
DRA 0,1644 0,2096 0,0616 -0,0465 -0,0429 0,0425 -0,0227
0,1275
0,1571
0,1546
1,0000
98
Annexe 8. Valeurs propres de composantes de l’ACP
Annexe 9. Test KMO
Annexe 10. Les coefficients vectoriels des variables
Comp3 .316686 . 0.1056 1.0000
Comp2 .874665 .557979 0.2916 0.8944
Comp1 1.80865 .933984 0.6029 0.6029
Component Eigenvalue Difference Proportion Cumulative
Rotation: (unrotated = principal) Rho = 1.0000
Trace = 3
Number of comp. = 3
Principal components/correlation Number of obs = 843
. pca Anticipation Adaptation Absorption
Overall 0.5322
Absorption 0.5236
Adaptation 0.5199
Anticipation 0.6413
Variable kmo
Kaiser-Meyer-Olkin measure of sampling adequacy
. estat kmo
Absorption 0.6354 -0.3808 0.6717 0
Adaptation 0.6695 -0.1618 -0.7250 0
Anticipation 0.3847 0.9104 0.1521 0
Variable Comp1 Comp2 Comp3 Unexplained
Principal components (eigenvectors)
99
Annexe 11. Corrélation entre les indices avec 1, 2 ou 3 composantes
Indice avec la
comp1 Indice avec Comp1 & 2
Indice avec les comp1, 2 & 3
Indice avec la comp1 1 Indice avec Comp1 & 2 0,9797 1
Indice avec les comp1, 2 & 3 0,9884 0,9988 1
Annexe 12 : path coefficients (coefficients structurels) PLS
100
Annexe 13 : Comparaison des moyennes des indicateurs (variables manifestes) selon les
régions
Indicateurs Région Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] P value
Utilisation des informations des EWS
PC 426 0,7300 0,0539 1,1124 0,6241 0,8360 0,000
CN 417 1,2566 0,0885 1,8065 1,0827 1,4305
Utilisation des semences adaptées
PC 426 0,3369 0,0387 0,7985 0,2608 0,4129 0,000
CN 417 0,8639 0,0514 1,0503 0,7628 0,9650
Accès au marché
PC 426 6,4718 0,1757 3,6255 6,1266 6,8171 0,000
CN 417 8,4436 0,2289 4,6753 7,9936 8,8937
PC=plateau central, CN= centre nord
Annexe 14. Description des piliers de la résilience (FAO, 2016b)
101
Annexe 15. L’accès au crédit
4) Accès aux crédits oui non
a: Il est plus facile aux petits producteurs d’obtenir un crédit
b: Il est plus facile aux organisations de petits producteurs d’obtenir un
crédit
c: Pour les petits producteurs organisés, il est plus facile d'obtenir des
crédits par rapport aux petits exploitants non organisés
d: les systèmes de production contractuelle ou de coopératives agricoles
sont très accessibles
e: il est très facile de recevoir un prêt grâce à un système de micro finance
f: Je me sens plus en confiance pour demander un prêt auprès des
microfinances
G : Grâce au projet j’ai pu obtenir un prêt auprès des microfinances
Annexe 16. L’algorithme du PLS
Calcul des poids
externes
wh = (X ‘hXh) −1X’ hzh
Poids externes
initiaux wjh
Estimation des paramètres par
régression OLS
δ kj coefficient de régression
dans la régression de yk sur yj
si ξj → ξk
Calcul des poids
internes (schéma
structurel)
102
Source : Jakobowicz E. (2007)
Algorithme d’estimation des poids :
(1) Fixer arbitrairement les poids externes ωjh
(2) Estimation externe des variables latentes standardisées yj avec l’équation Yj = ∑ ω
jhXjh+ εj
Où Yj est la capacité, Xjh la hième variable observée de la jième variable latente, et εj le terme d’erreur
(3) Estimation interne des variables latentes standardisées zj avec l’équation zj = ∑ e jiyi
Où eji est le coefficient de régression dans la régression de yj sur yi si ξi → ξj (avec ξ
=variable latente)
(4) Recalcule des poids externes en appliquant l’équation wh = (X ‘hXh) −1X’ hzh
(5) Calcule du score de la variable latente avec l’équation en 2
(6) Procédé par itération jusqu’à convergence
(7) Calcule les coefficients structurels (δ21 et δ21 reliant respectivement Can et Cab à Cad) par une régression des moindres carrés ordinaires (MCO)
103
Annexe 16. Analyse critique des approches de mesure de la résilience dans le développement durable
N Cadre de mesure Structure Mesure Dimensions Méthode d’analyse Critiques
1 Local Adaptive Capacity Framework (LAC)
ACCRA : Africa Climate Change Resilience Alliance Overseas Development Institute (ODI) et OXFAM (test en Éthiopie, Ouganda, Mozambique)
Protection sociale, DRR, filets sociaux
Actifs de base,
Institutions & droit,
Connaissance & information
Innovation,
Prise de décision flexible et
gouvernance
Non définie Prend en compte une seule capacité (adaptive capacity) Besoin de clarification entre les dimensions (en termes de causalité)
2 Livelihoods Strategies and Household Resilience to Food Insecurity (Alinovi et al, 2009),
FAO (test au Kenya)
Résilience des ménages à l’insécurité alimentaire
Accès au revenu et à
l’alimentation
Filets sociaux
Capacité adaptative
Services de base
Actifs du ménage
Stabilité
Analyse multifactorielle (ACP), Détermination d’un indice de résilience Régression semi-log de la sécurité alimentaire sur la résilience
L’insécurité alimentaire est le choc auquel les ménages font face, Besoin de contextualisation des indicateurs Pas usuel pour la mesure d’impact, donc ne peut attribuer les impacts à l’intervention Nécessité de statistiques robustes
3 Multidimensional Livelihood Vulnerability Index (MLVI) (Gerlitz et al, 2014; Gerlitz et al, forthcoming)
ICIMOD (test en Asie du sud)
Résilience des ménages
Trois dimensions de la vulnérabilité, décomposées en 12 sous dimensions et 25 indicateurs
Statut sociodémographique
Ressources & énergie
Stratégies de subsistance
réseaux sociaux
Accessibilité physique
Bien-être
Santé, Assainissement et sécurité
Pondération des indicateurs (Akire and Foster (2012),
Absence de chaine de résultat entre les dimensions et indicateurs (logique output, outcome, impact) Pondération subjective des indicateurs, Sélection subjective des indicateurs
104
alimentaire
Sécurité en eau
Durabilité de l’environnement
Chocs environnementaux
Caractéristiques
socioéconomiques
4 Tracking Adaptation and Measuring Development (TAMD) (Brooks et al, 2011, 2013)
IIED (test en Éthiopie, au Cambodge, Kenya, Népal et Pakistan)
Lien entre Gestion des risques climatiques (climat risk management : CRM) et Adaptation & Développement Vulnérabilité Résilience Bien-être
Un ensemble d’indicateurs de gestion des risques climatiques
En conception : utilisation d’indicateurs de bien-être parallèlement avec des indicateurs proxy de la résilience,
Phase conceptuelle, dimension de la résilience non définie, mais il y a une flexibilité de contextualisation, NB, Utilisation de la théorie de changement (Output, outcome, impact) Permet l’évaluation d’impact
5 A Multidimensional Approach for Measuring Resilience (Hughes 2013)
Oxfam GB (test en Éthiopie, Somalie)
Pauvreté des ménages Résilience des ménages
Capacités d’adaptation, d’absorption et de transformation
Capacité sociale &
institutionnelle
Gestion des ressources & appuis
viabilité des moyens de
subsistance
Le potentiel d’innovation
Durabilité de l’environnement
Indice de Akire et Foster (2012),
Axé sur le gap de richesse plutôt que sur un objectif, Identification arbitraire des indicateurs, des seuils et des pondérations Basé sur le cadre logique du projet Permet l’évaluation d’impact ,
6 Haiti Humanitarian Assistance Evaluation from a Resilience Perspective (Tulane University and State University of Haiti 2012),
Tulane University (test en Haïti)
Résilience des populations après le tremblement de terre,
Richesse
Dettes & crédits
Réseaux communautaires
Stratégies de subsistance
Protection/sécurité
Capital humain
Statut psychosocial
Utilisation de données secondaires et primaires Analyse en composantes principales (ACP)
Permet la mesure d’impact Modèle spécifique au tremblement de terre,
7 A resilience-based University of Liens entre Les caractéristiques du ménage Analyse des facteurs Mesure les relations entre la
105
approach to food insecurity: The impact of Mitch Hurricane on Rural Households in Nicaragua (Ciani, no date),
Florence (test au Nicaragua)
Résilience des ménages ruraux et la sécurité alimentaire
(basés sur les moyens d’existence)
Actifs non agricoles
Actifs agricoles
Revenu est accès à l’alimentation
Accès aux services
Filets institutionnels de sécurité
sociale
Filets communautaires de
sécurité sociale
Capacité adaptative
Connexions /accessibilité
physique
Accessibilité économique
Structure du ménage
Niveau de technologie du
ménage
multiples résilience et la sécurité alimentaire, mais ne mesure pas la résilience
8 World Food Programme (WFP): (Frankenberger and Nelson 2013))
WFP (test au Niger)
Résilience des ménages (à travers le taux et la vitesse de recouvrement après la sècheresse de 2009)
Indicateurs de sécurité alimentaire :
stratégie de subsistance,
Score de consommation
alimentaire,
Duré de disponibilité de céréales
Consommation intertemporelle
Ne permet pas de faire l’attribution des impacts
9 Resilience and Livelihoods Change in Tigray, Ethiopia (Vaitla et al, 2012),
World Vision/Tufts University (test en Éthiopie)
Trajectoires de la résilience des
Intégration des chocs (climatiques, sanitaires, ou dus aux prix)
Données primaires de panel
Ne suit pas la théorie de changement, Ne permet pas l’attribution des impacts
Source : notre adaptation (2018)
