Evaluation de l'impact potentiel de la technologie de pulvérisation sur le rendement du riz en Afrique sub-saharienne: cas du Nigéria et du Bénin

II. Analyse de l'adoption de la technologie

L'analyse de l'adoption se fera comme dit précédemment dans le cadre d'un modèle de ménage agricole en s'appuyant sur la théorie du consommateur de Lancaster pour avoir une idée sur l'influence des caractéristiques de la technologie sur la décision d'adoption des riziculteurs. Nous postulons ainsi à la spécification :

Adopt = â +è_i*X_i +ñ_i*Z_i

Ou Xi représente l'ensemble des variables socio-économique qui regroupe dans notre cas présent l'écologie de Basfonds, le sexe du chef de ménage, le nombre d'enfants dans le ménage, apprentissage de la méthode, le niveau secondaire et l'ethnie Idatcha.

Et Z_ireprésente l'ensemble des caractéristiques agronomiques qui regroupe ici la satisfaction par rapport à la rapidité du travail effectué avec la technologie, aux besoins en liquidité avec la méthode, la qualité du travail avec la méthode, le temps nécessaire pour apprendre la méthode et si la méthode était contraire aux moeurs du village.

Comme fait précédemment, nous allons procéder à la vérification des hypothèses permettant la validation du modèle.

- Test de significativité globale du modèle

Il s'agit ici de tester l'hypothèse selon laquelle tous les coefficients des variables explicatives sont nuls. L'examen du tableau C6 (en ANNEXE C) nous donne des bonnes raisons de rejeter cette hypothèse. Donc il existe au moins une variable pour laquelle le coefficient estimé est statistiquement différent de zéro.

- Test d'ajustement du modèle

Le test utilisé pour juger de l'ajustement de notre modèle, nous utiliserons le test de Hosme-Lemshow. Il s'agit ici de tester l'hypothèse nulle selon laquelle le modèle s'ajuste bien aux données.

L'évidence apportée par l'échantillon au seuil de 1%, nous donne de bonnes raisons de croire que le modèle s'ajuste bien au données, car p>chi2=0,5985 (tableau C7 en ANNEXE C)

- Pouvoir prédictif du modèle.

Le tableau ci-dessous montre que le pouvoir prédictif du modèle est de 81,94%. En outre le pouvoir prédictif des adoptants est de 64.52%% et celui des non adoptants est de 85,69%.

Tableau17: Récapitulatif du pouvoir prédictif du modèle d'adoption.

Source : Enquête Africarice/SNRA.

- Pouvoir discriminant du modèle d'adoption.

L'analyse du pouvoir discriminant du modèle est faite à partir de la courbe de Roc. Ainsi l'examen du graphique C9 (en ANNEXE C) montre que l'aire en dessous de la courbe de roc est de 85,11%. Cette valeur nous donne de bonnes raisons de croire que notre modèle à un bon pouvoir discriminant. Somme toute, nous pouvons conclure que notre modèle est bon et qu'il serait judicieux de passer à l'interprétation des coefficients de la régression

- Interprétation des coefficients des variables introduites dans le modèle.

Comme fait précédemment l'interprétation des coefficients de la régression se fera par le biais des effets marginaux. Ainsi le tableau C6 (en ANNEXE C) nous montre d'abord que plus de la moitié des variables introduites dans le modèle sont significatives au seuil de 10%. Ils s'agissent de l'apprentissage de la technologie, le nombre d'enfants, le niveau secondaire,l'ethnie Idatcha, le temps nécessaire pour apprendre la technologie et le fait que la technologie soit contraire aux moeurs. Ainsi le tableau C10 présentant les effets marginaux des variables introduites dans le modèle montre que le fait d'apprendre la technologie augmente la probabilité d'adoption de la technologie de 44,66 point de pourcentage. Outre le fait que l'apprentissage de la technologie le fait d'avoir un niveau secondaire et aussi appartenir à l'ethnie Idatcha augmente la probabilité d'adoption de la technologie respectivement de 11,19 et 24,77 point de pourcentage. Mais le nombre d'enfant diminuent la probabilité d'adopter la technologie de 1,73 point de pourcentage. De même, le temps nécessaire pour apprendre la technologie et le fait que la technologie soit contraire aux moeurs du village diminuent respectivement la probabilité d'adoption de la technologie de 15,05 et 37,77 point de pourcentage.

Dans un premier temps, les résultats relatifs à l'apprentissage de la technologie et le niveau secondaire ne semblent pas être surprenants. En effet les chercheurs offrent aux riziculteurs pendant la formation une série d'avantage non seulement en terme de productivité, mais aussi dans les domaines socioéconomiques et environnemental tels que une production et une rentabilité à la fois stables et élevées; une capacité d'adaptation liée à une vulnérabilité réduite aux changements climatiques; un meilleur fonctionnement de l'écosystème et des services qui y sont associés; enfin, une réduction des émissions de gaz à effet de serre par le secteur agricole et, partant, de son empreinte écologique^12(*). Quant au niveau instruction, il joue plus dans la capacité à pouvoir suivre une formation.

Ensuite les résultats relatifs aux temps nécessaires pour apprendre la technologie et le fait que la technologie soit contraire aux moeurs du village pourraient avoir des explications. Mais cela peut aussi s'expliquer par le fait les paysans (riziculteurs) dans la chaine de production du riz et que ces derniers sont beaucoup attachés aux méthodes traditionnels et ont du mal à s'adapter aux méthodes modernes. Parmi les problèmes qui les empêchent à s'adapter aux méthodes traditionnels, figure le temps nécessaire pour l'apprendre.

* ¹² FAO. Produire plus avec moins, chapitre2 : Les systèmes d'exploitation agricoles.