Memoire Online - Effets du changement climatique sur la dynamique des prix des produits agricoles en République du Congo

Effets du Changement Climatique sur la Dynamique des prix des produits agricoles en République du Congo.

Professeur Willy Rufin MANTSIE, Maître de Conférences CAMES, Université Marien NGOUABI

Dr Franck Mondesir TSASSA MBOUAYILA, Maître-Assistant CAMES, Université Marien NGOUABI

DÉDICACE

Ø Mes parents, Jean MIFOUNDOU et Martine KOUBINGUILA, pour m'avoir donné la vie. Pas facile de trouver les mots qu'il faut pour exprimer mon affection envers vous. Je vous témoigne ma gratitude car, vous n'avez ménagé aucun effort pour assurer mon inscription et mon éducation orthodoxe m'encourageant à l'effort sans récriminer mes peines.

Ø Ma femme Raphaèline NDOMBI, ton affection indéfectible et ton soutien m'ont permis de finaliser ce document. Malgré les périodes difficiles, de doute tu m'as aidé à traverser jusqu'à l'aboutissement de ce travail. Trouves dans ce document, l'expression de ma profonde considération.

Ø Tous mes enfants, que ce travail soit un exemple dans la suite de vos études.

Ø Mes fréres et soeurs , amis et connaissances qui, de prés ou de loin m'ont apporté du soutien sous quelques forme que ce soit. Trouvez ici l'expression de ma gratitude.

REMERCIEMENTS

Je tiens tout d'abod à remercier profondement mon Directeur de mémoire, le Docteur Franck Mondesir MBOUAYILA TSASSA, Maitre assistant CAMES à la faculté des sciences économiques (FSE) de l'université Marien Ngouabi (UMNG), qui en depit de ses multiples préocupations, a bien accepté de diriger ce mémoire, en me faisant bénéficier de ses conseils dans la perfection de ce travail. En effet, ses orientations et ses encouragements ont été mes armes dans l'exécution de ma tâche. J'avoue avoir tant appris à ses côtés. C'est à ce titre que je lui dis, une fois de plus Merci.

J'adresse également un grand remerciement aux professeurs Rufin Willy MANTSIE pour la supervision de ce travail, et Mathias Marie Adrien NDINGA, Doyen de la FSE-UMNG. J'adresse aussi mes vives reconnaissances et remerciements à l'ensemble de tout le corps professoral de la FSE-UMNG qui ont fortement contribué à mon cursus universitaire à travers leurs conseils et orientations.

Je tiens également à remercier Monsieur Anny France BANSIMBA pour ses critiques et observations combien enrichissantes.

Je tiens à remercier fort sincèrement tous les membres de ma famille, mes amis et connaissances de la FSE-UMNG, de laboratoire de recherche "LEFI" pour leur apport tout au long de mes études et à tous ceux qui de près ou de loin ont contribué à la réalisation de ce document.

SOMMAIRE

TABLE DES MATIERES......................................................................................43

SIGLES ET ACRONYMES

ANAC	: Agence Nationale de l'Aviation Civile
CH4	: Gaz méthane
CO₂	: Dioxyde de carbone
CCNUCC	: Convention Cadre des Nations Unies sur les Changements Climatiques
COMIFAC	: Commission des Forêts d'Afrique Centrale
DSA	: Direction des Statistiques Agricoles
DMN	: Direction de la Météorologie Nationale
FAO	: Fonds des Nations Unies pour l'Agriculture et l'Alimentation
FSE	: Faculté des sciences économiques
GIEC	: Groupe d'Expert Intergouvernemental sur l'Evolution du Climat
IDH	: Indice de Développement Humain
INS	: Institut National de la Statistique
MCO	: moindres carrées ordinaires
OMM	: Organisation météorologique mondiale.
ONU	: Organisation des Nations Unies.
PCC	: Periode de croissance de culture
PIB	: Produit Intérieur Brut
PNUD	: Programme des Nations Unies pour le Développement
UMNG	: Université Marien NGOUABI
UNFPA	: Fonds des Nations Unies pour la Population
RC	: République du Congo
VA	: Valeur Ajoutée
VAR	: vector auto Régression
VECM	: Modèle vectoriel à correction d'erreur
WDI	: Indicateur du développement dans le monde
ADF	:Dickey-Fuller Augmented
PP	:Phillips-Perron
KPSS	:Kwiatkowski-Phillips-Schmidt-Shin

LISTE DES TABLEAUX

Tableau1: Récapitulatif des variables du modèle..................................................	25
Tableau 2: Statistique descriptive...................................................................	26
Tableau 3: Test de stationnarité de toutes les variables..........................................	28
Tableau 4: Retard optimal.....................................................................................	29
Tableau 5: Test de cointégration.....................................................................	30
Tableau 6: Modèleà long-terme.....................................................................	31
Tableau 7: Modèle à court-terme....................................................................	31
Tableau 8: vitessed'ajustement.....................................................................	31
Tableau 9: R-carré.....................................................................................	32
Tableau 10: Test d'autocorrélation des résidus....................................................	a
Tableau11 : Estimation du modèle..................................................................	b

LISTE DES GRAPHIQUES

RESUME

L'objectif de ce mémoire est d'analyser l'impact de la variabilité climatique sur la dynamique des prix des produits agricoles en République du Congo sur la période de 1986 à 2020. Pour ce faire, nous optons pour l'approche d'analyse ricardienne et pour le modèle VECM.

Il ressort de ces résultats, qu'à long terme, les variables climatiques sont un obstacle pour l'amélioration des prix des produits agricoles en République du Congo.

En effet, les résultats relèvent l'existence d'une relation non linéaire entre le changement climatique et les prix des produits agricoles.

Mots-clés : variabilité climatique, production agricole, variation des prix, Approche ricardienne.

The objective of this thesis is to analyze the impact of climate variability on the dynamics of agricultural product prices in the Republic of Congo over the period from 1986 to 2020. To do this, we opt for the analytical approach Ricardian and for the VECM model.

These results show that in the long term, climatic variables are an obstacle to improving the prices of agricultural products in the Republic of Congo.

Indeed, the results show the existence of a non- linear relation ship between climate change and the prices of agricultural products via agriculture.

Keywords: climate variability, agricultural production, price variation, Ricardian approach.

INTRODUCTION

Les changements climatiques désignent de lentes variations des caractéristiques climatiques, en un endroit donné au cours de temps. Ces changements observés de nos jours constituent des défis auxquels l'humanité a et aura à faire face (GIEC, 2001 et Wood, 2008). C'est dans ce contexte que, pour corroborer les conclusions des différents groupes de travail du GIEC, Villeneuve et Richard (2005), cités par Bryant et al.(2008), ont écrit : « Il ne s'agit plus de savoir si le climat se modifie, mais à quelle vitesse il se modifie et comment l'Homme va s'y adapter». Ce point de vue a été au centre des analyses qui ont conduit à la réalisation de ce travail.

1- Contexte et justification

Le Groupe d'Experts Intergouvernemental sur l'Evolution du Climat (GIEC, 2007) martèle la détection d'une tendance au réchauffement planétaire et son attribution aux activités anthropiques caractérisées principalement par une utilisation exceptionnelle des combustibles fossiles, une déforestation sans précèdent et un changement dans l'utilisation des sols. Ce phénomène de réchauffement lié au problème des couches d'ozone dus à l'énorme production mondiale de gaz à effet de serre (CO2, CH4) de la terre influe sur les différents facteurs climatiques (température, vent, etc.) et sur les différents termes du bilan hydrique, Précipitation, Ruissèlement, Infiltration. On peut citer, à titre d'exemple les variations de la teneur en aérosols, la pollution de l'air due à la circulation automobile, les industries, les feux de chauffe, les déchets (Delecolle et al, 1999).

Ce phénomène climatique extrême qui, menace l'homme, ses moyens de subsistances et son milieu de vie constitue une préoccupation de toute la communauté internationale. Il n'est pas possible de stopper ou d'inverser en un laps de temps les changements climatiques leurs conséquences étant planétaires et perverses. Les sociétés peuvent réagir en s'adaptant à leurs effets et en réduisant les émissions de gaz à effet de serre. Les mesures envisageables dépendent des décisions prises à l'échelle internationale voir nationale. Dans ce contexte, il a été élaboré lors de la Convention Cadre des Nations Unies sur le Changement Climatique (CCNUCC) tenue en 1992 à Rio, la réponse de la communauté internationale à cette menace d'envergure mondiale. En effet, les études montrent que les changements climatiques auront d'impact sur tous les secteurs de la vie économique. Cependant, ces impacts diffèrent selon les zones géographiques et selon les pays tant par leurs effets que par leur ampleur. C'est cet état de fait que la FAO souligne en ces termes : « les impacts potentiels des changements climatiques pourraient bien sûr être catastrophiques dans certains cas mais bénéfiques dans d'autres. L'agriculture est considérée comme le secteur le plus vulnérable à cause de sa dépendance naturelle au climat car ce sont dans une grande mesure les conditions météorologiques : température, lumière et eau qui déterminent la capacité des populations à cultiver suffisamment d'aliment pour eux-mêmes et leurs animaux (FAO, 2007).

De ce point de vue l'influence des changements climatiques sur l'agriculture des pays en développement sera non négligeable car elle est en grande partie une agriculture pluviale dans ces pays. Certaines études montrent également que l'impact du changement climatique sur le rendement agricole diffère selon la culture considérée.

Ainsi donc, ces dernières années, les prix de la plupart des produits agricoles ont connu une hausse spectaculaire. L'un des facteurs explicatifs de cette flambée des prix est le changement climatique (Moss et Coll, 2010). En effet, l'instabilité pluviométrique et les températures extrêmes affectent négativement les récoltes agricoles et entraînent une baisse de l'offre alimentaire sur les marchés, qui contribue à la hausse des prix agricoles. La flambée des prix des produits agricoles ainsi que le changement climatique soulèvent de sérieuses préoccupations, en ce qui concerne l'inflation et le bien-être des populations dans le monde et surtout dans les pays en développement dépendant de l'agriculture. Le réchauffement climatique global croissant sur la planète terre est une menace grave pour l'humanité et constitue un défi auquel l'humanité a et aura à faire face.

Les pays en voie de développement sont plus vulnérables au variation des prix agricoles que les pays développés à cause de la prédominance de l'agriculture à faible capital et des activités économiques affectées par le climat et de leurs climats de base relativement chauds (Balbus et al. 1989).

Globalement, au cours de ces dernières années, le début et la fin des saisons pluvieuses sont devenus de moins en moins prévisibles pour les paysans, ce qui rend aléatoire la planification agricole et, par conséquent l'augmentation des prix des produits agricoles. Il en est de même pour la période de la croissance des cultures (PCC) qui caractérise la période favorable au développement et à la productivité des cultures (Diop et al. 1996).

En Afrique, les populations rurales sont particulièrement concernées par la flambée des prix des produits agricoles, causée par les changements climatiques, dans la mesure où les performances de leurs systèmes de production sont étroitement tributaires du climat (Boko, 1988). Comme la plupart des pauvres du monde sont ruraux et dépendent de l'agriculture pour leur subsistance, le lien entre pauvreté rurale (insécurité alimentaire) et agriculture est donc nécessairement étroit. En Afrique subsaharienne, plus de 65% de la population sont rurales, dont 56% dépendent de l'agriculture pour vivre. En outre, l'agriculture dans la région est essentiellement de subsistance et la production est concentrée dans les cultures vivrières de faible valeur représentant plus de 70% de la production agricole de la région (Ogundipe et al. 2017).

Les estimations indiquent qu'environ le tiers des Africains vivent dans des milieux propices à la sècheresse. Pour le PNUD (1991), la sècheresse correspond à un déficit de 50% des précipitations du niveau de sévérité. Elle peut se développer lentement et durer plusieurs années.

D'où l'enjeu d'une maîtrise de la problématique climatique et sa prise en compte dans l'analyse des questions agricoles (Cline, 2017).

Dans le cas du Congo, la question du climat semble n'avoir pas encore été intégrée dans l'analyse de l'offre agricole. Or, l'agriculture congolaise est considérée comme une agriculture paysanne, peu productive et tributaire du climat. Pour la COMIFAC (2013), l'incidence de la variabilité du climat sur la croissance du produit intérieur brut agricole est plus prononcée pendant les années sèches que les années où les pluviométries sont supérieures à la moyenne. On considère que les bonnes conditions climatiques jouent un rôle important dans l'accroissement de la production agricole. Ainsi, l'augmentation de la productivité agricole est l'une des conditions préalables pour l'amélioration des prix des produits agricoles et ainsi que le progrès économique. L'augmentation de la productivité agricole affecte les revenus de la famille et la nutrition; ce qui favorise la productivité du travail, entraînant une amélioration de la santé et du bien-être de la population. Des mauvaises conditions climatiques occasionnées par les changements climatiques entrainent une baisse de la production ainsi qu'une augmentation des prix des produits agricoles.

2- Intérêt du sujet

La pertinence de ce travail portant sur l'effet du changement climatique sur la dynamique des prix des produits agricoles est d'un intérêt de premier choix et d'actualité. L'appel se propose de rassembler des réflexions conceptuelles, théoriques et empiriques pouvant faire avancer les débats sur les liens dynamiques entre les fluctuations des paramètres climatiques et les impératifs de stabilité des prix des produits agricoles en République du Congo.

3- Problématique

Le réchauffement global croissant de la planète Terre est une menace grave pour l'humanité (GIEC, 2007). Parmi les problèmes les plus préoccupants de notre époque, la variabilité et les changements climatiques, la croissance démographique rapide et les mutations environnementales (empreinte écologique, déforestation, dégradation des sols, etc.) occupent les positions les plus en vue. Les questions de vulnérabilité et d'adaptation de l'agriculture vivrière se posent avec une extrême acuité. C'est dans ce contexte que la FAO (1996), lors du sommet mondial sur la production agricole et la sécurité alimentaire, s'est fixé les ambitieux objectifs de lutter contre les effets de la variabilité climatique et de réduire la faim de moitié dans le monde. Aujourd'hui, la situation reste préoccupante et les risques d'exacerbation demeurent fortement remarquables face à la récurrence des extrêmes climatiques (sécheresses et inondations) et leurs conséquences dévastatrices, particulièrement en Afrique tropicale.

La problématique de l'incidence des changements climatiques sur la variabilité des prix des produits agricoles a fait déjà l'objet de nombreux travaux scientifiques à l'échelle mondiale, sur plusieurs régions et pays (FAO, 1997). Une étude sur les scénarios climatiques et les rendements agricoles futurs a montré qu'à l'horizon 2025, les changements climatiques vont entraîner une baisse considérable de l'offre de productivité agricole, ainsi qu'augmentation des prix des produits agricoles en Afrique subsaharienne (Zhao, 2005), notamment le manioc (-26 %), l'arachide (-15 %) et le maïs (-11 %), alors que les populations de la plupart de ces pays africains doubleront (UNFPA, 2011). Cette situation serait due à une variabilité des indices agro climatiques qui influencent directement les rendements agricoles, notamment l'indice d'humidité dont la baisse signifie une diminution de l'apport climatique en eau en raison de la péjoration de l'évapotranspiration potentielle et de la baisse des cumuls pluviométriques (Berger, 1992).

Ces crises climatiques persistantes, conjuguées à d'autres facteurs (perte de productivité des sols, conflits armés récurrents et déplacements des populations) constituent les causes primaires de la hausse des prix des produits agricoles enregistrées ces dernières décennies. Cette situation préoccupante remet en cause les politiques agricoles en matière de productivité et oblige à revoir les stratégies d'adaptation.

Dans ce contexte, il apparait utile d'analyser les effets du changement climatique sur les prix des produits agricoles. Cette préoccupation trouve sa justification par le fait qu'au-delà des différents diagnostics relatifs à la situation du secteur agricole au Congo, la question du climat semble n'avoir pas encore été intégrée dans l'analyse de l'offre agricole. Or, l'agriculture congolaise est considérée comme une agriculture paysanne, peu productive et tributaire du climat. Pour la COMIFAC (2013), l'incidence de la variabilité du climat sur la croissance du produit intérieur brut agricole est plus prononcée pendant les années sèches que les années où les pluviométries sont supérieures à la moyenne.

Ainsi a-t-on observé que le niveau de pluviométrie est passé de 742 mm en 1986 à 732 mm en 2020 et celui de la température de 24,60 C° en 1985 à 26,10 C° en 2020. Dans la même période, la valeur ajoutée du secteur agricole (en % du PIB) a régressé de 11,32 % en 1986 à 2,50 % en 2020 et l'indice de prix des produits agricoles augmenté de 97,83 en 1986 à 138,4 en 2020.

A cet effet, il est important de voir, par rapport aux résultats de cette étude, les effets du changement climatique sur la dynamique des prix des produits agricoles au Congo. D'où il est nécessaire de rechercher à répondre à l'interrogation suivante: Quel est donc l'effet du changement climatique sur la dynamique des prix des produits agricoles au Congo?

4- Objectif

Au regard de notre problématique, l'objectif de ce travail vise à analyser les effets du changement climatique sur la variabilité des prix des produits agricoles en République du Congo.

5- Hypothèse

Le changement climatique influence négativement sur les prix des produits en République du Congo.

6- Délitation du Plan d'étude

Ce travail est délimité dans le temps et dans l'espace. La portée temporelle de ce mémoire est de 35 observations sur le Congo, partant sur la période de 1986 à 2020. Le choix de cette étude est d'une grande importance pour analyser l'effet du changement climatique sur la dynamique des prix des produits agricoles au Congo.

7- Organisation du Travail

Ce travail est organisé de la manière suivante: le premier point est consacré à l'introduction (I), le deuxième à la présentation des faits stylisés (II), le troisième expose la revue de la littérature (III), le quatrième présente la méthodologie économique adoptée (IV), le cinquième présente les sources et les traitements des données (V), le sixième concerne la présentation des résultats (VI). Enfin, la présentation de la conclusion avec les recommandations est faite dans le septième point (VII).

II- ANALYSE DES FAITS STYLISES

Le secteur agricole au Congo occupe une place primordiale, non seulement du point de vue de la population active qu'il emploie, mais aussi par la part de sa VA dans le PIB. Son amélioration entrainera une diminution des prix des produits agricoles. Cependant, ce secteur est sujet aux aléas climatiques que nous cherchons à saisir par le biais d'une analyse descriptive, et cela après avoir souligné l'importance du secteur agricole pour ce pays.

Le secteur agricole demeure un élément central dans le développement économique de la république du Congo. Cette analyse semble plausible au vu des trois graphiques ci-dessous qui reflètent une corrélation assez forte entre d'une part la pluviométrie et la valeur ajoutée agricole en pourcentage du PIB, la température et la valeur ajoutée agricole en pourcentage du PIB et d'autre part, entre la valeur ajoutée agricole en pourcentage du PIB et l'indice des prix des produits agricoles.

La contribution du secteur agricole au PIB en République du Congo est passée de 11,32 % à 10,45 %, 4,54 %, 3,71 % puis 2,5% respectivement, en 1986, 1995, 2005, 2016 et 2020. En revanche, les plus faibles températures ont été observées en 1986, 1992 et 1996 (soit 24,6 C°), pour connaitre un pic historique en 2016 (soit 27,70 C°), et depuis 2017 elles n'ont plus été en dessous des 25 C°. S'agissant des pluies, le record en termes de hausse a été observé en 2006 avec 941,52 mm d'eau recueillis, et depuis cette date, on observe une tendance à la baisse du niveau de la pluviométrie qui s'est établie à 732 mm en 2020.

Graphique 1: Évolution des précipitations et de la valeur ajoutée agricole (en % du PIB) au Congo de 1986 à 2020

Le graphique 1 montre une tendance à la baisse de la valeur ajoutée agricole et de la pluie sur la période 1986-2020. La confrontation des observations de l'évolution de la pluie et de la valeur ajoutée agricole fait ressortir la remarque suivante : de 1986 à 2020, on observe une irrégularité de la pluie, avant d'amorcer une baisse à partir de 2010, pendant que la valeur ajoutée agricole ne cesse de décroître, après un pic entre 1986 et 1987. Une situation tend à confirmer une relation de causalité entre l'évolution de la pluie et celle de la valeur ajoutée agricole, confirmant ainsi la dépendance de cette dernière à la pluviométrie.

Graphique 2 : Évolution de la température et de la valeur ajoutée agricole (en % du PIB) au Congo de 1986 à 2020

Source : auteur à partir des données de l'ANAC et de la Banque Mondiale

Le graphique 2 montre une tendance à la hausse des températures et une baisse de la valeur ajoutée agricole. La confrontation observée sur l'évolution des températures et sur la valeur ajoutée agricole tend à confirmer une relation de causalité entre ces deux variables. Ainsi, les plus faibles températures ont été observées en 1986, 1992 et 1996 (soit 24,6), pour connaitre un pic historique en 2016 (soit 27,70 C°), et depuis 2017 elles n'ont plus été en dessous des 25 C°. Tandis que la valeur ajoutée agricole, après un pic en 1988, a fortement baissé jusqu'à atteindre le niveau de 2,5 % en 2020.

Graphique 3: Évolution de l'indice de prix et la valeur ajoutée agricole (en % du PIB) au Congo de 1986 à 2020.

Source : auteur à partir des données de l'Institut National de la Statistique (Congo) et la Banque Mondiale

Le graphique 3 retrace les évolutions de l'indice des prix des produits agricoles et de la valeur ajoutée agricole sur la période 1986-2020. Ces deux variables évoluent en sens opposé. En effet, Dans les années 1990, la baisse de la production agricole s'est accompagnée d'une baisse des prix alimentaires.

On constate également, sur la période 2000-2020, une flambée des prix des produits agricoles, causée par la baisse de la production agricole. Ces mouvements opposés de la valeur ajoutée agricole et des prix alimentaires sont observés sur toute la période (voir graphique 3). Le graphique3 montre la flambée des prix alimentaires sur la période 2014-2020, laquelle a coïncidé avec une baisse de la production agricole. Ces évolutions révèlent que le faible niveau de production agricole soit un facteur explicatif de la hausse des prix produits agricoles , au cours de ces dernières années.

La baisse du niveau global de production est liée aux effets des variabilités climatiques et particulièrement pluviométriques avec comme conséquences, les inondations ou les déficits pluviométriques et les perturbations du calendrier agricole. Il existe une corrélation moyenne entre la pluie et les prix des produits agricoles. Ce qui suppose que la variation de la pluie joue un rôle très déterminant dans la variation du prix des produits agricoles. Une mauvaise pluviométrie engendre une hausse des prix, car la production globale et le rendement sont faibles. Cette même situation est observée en cas d'excédent pluviométrique occasionnant des inondations catastrophiques. Acacha et Vissin (2015) sont arrivés à la conclusion selon laquelle le changement climatique joue pour beaucoup dans la variation des prix des produit agricoles. En se basant sur le maïs, ils ont conclu que les perturbations pluviométriques (excédent et baisse de pluie) agissent négativement sur les cultures et entraine la hausse des prix. C'est ce même constat qui est fait en République du Congo.

I- REVUE DE LA LITTÉRATURE ET CADRE CONCEPTUEL

Les changements climatiques sont une modification des précipitations et une augmentation prononcée des températures au cours du temps. Cette dernière définition ne prend en compte que deux paramètres du climat : les précipitations et la température.

L'expression « variabilité climatique » a été définie par plusieurs auteurs dont Boko (1988), cité par Beltrando (1995) et Brou (2005). Elle fait pressentir la mobilité ou la variation du schéma climatique moyen et d'autres statistiques (écarts standards, normales, phénomènes extrêmes, etc.) du climat à toutes les échelles temporelles et spatiales au-delà des phénomènes climatiques individuels.

Dupriez (2007), cité par Issa (2012), a clarifié synthétiquement la terminologie des types d'agriculture suivants :

o l'agriculture de subsistance est celle qui vise à satisfaire exclusivement les besoins familiaux ;

o l'agriculture de rente ou commerciale est celle qui fournit les produits commerciaux sur les marchés ;

o l'agriculture d'exportation est une agriculture de rente dont les produits sont vendus principalement à l'étranger ;

o l'agriculture traditionnelle est celle qui se fonde sur les coutumes ancestrales et les pratiques endogènes ;

o l'agriculture moderne est celle qui, dégagée des traditions agricoles, utilise toute une gamme de facteurs de production issus de la recherche scientifique, de l'industrie et du commerce ;

o l'agriculture pluviale est l'ensemble des pratiques agricoles nécessitant des précipitations. Ses performances dépendent, en grande partie, de la régularité et de la bonne répartition des précipitations dans le temps et dans l'espace.

o l'agriculture de décrue est particulièrement pratiquée dans les bassins versants, des vallées alluvionnaires, les bas-fonds, le long des berges.

L'impact est défini comme, « toute modification quantitative, qualitative et fonctionnelle, positive ou négative, subie par tout ou partie d'un système (cible) à la suite d'un choc ou stress externe (d'origine anthropique, artificielle ou naturelle), et dont la magnitude dépend de la valeur et de la vulnérabilité du système cible » (GIEC, 2001).

Barrere (2002), les prix peuvent être définis comme des modes d'ajustement de grandeurs économiques telles que l'offre et la demande, la production et la consommation.

L'évaluation de l'effet du changement climatique sur la dynamique des prix des produits agricoles a fait l'objet de plusieurs études dans la littérature économique. Les travaux effectués dans ce sens nous permettent de présenter, dans un premier temps, une revue théorique et dans un second temps, la revue empirique.

1- Revues théoriques

Dans le cadre théorique, l'emphase sera mise sur l'effet du changement climatique sur la production agricole, qui est l'un des éléments majeurs qui contribue, entre autre, à la définition du concept des prix des produits agricoles. Le spectre des théories sur la corrélation entre changements climatiques et production agricole d'une part et la dynamique des prix des produits agricoles d'autre part a ressurgi récemment après une décennie de léthargie. Les effets des changements climatiques apparaissent comme une menace réelle pour le développement économique et social. En effet, le phénomène de changement climatique semble être un fait avéré et validé par de nombreux scientifiques (Mendelson et al, 1994; Mendelsohn et Dinar, 2003; Parry et al, 1999). Sa modification peut induire une variabilité de sa production, et dans la même logique une variabilité des prix au niveau du marché.

Plusieurs approches ont été mobilisées afin d'analyser l'effet de la variation des paramètres climatiques sur la variabilité des prix desproduits agricoles via l'agriculture. Elles diffèrent l'une de l'autre par leur point de vue qui se focalise, d'un côté, vers l'agronomie et de l'autre, vers l'économie. A cet effet, on distingue généralement l'approche par fonction de production (Adams et al. 1995), l'approche ricardienne (Mendelsohn et al. 1994) etl'approche qualifiée de « structurelle ou agro-économique » (Darwin et al. 1994).

L'approche par fonction de production ou agronomique est Fondée sur l'existence d'une fonction de production pour toute culture qui met directement en relation le rendement de la culture à son environnement biophysique.

Les études menées par Warrick (1984) sont parmi les premières à utiliser cette approche pour analyser l'effet du climat sur la production agricole. Warrick pense que l'effet du changement climatique sur l'agriculture repose sur des modèles de croissance des cultures. En effet, ces modèles analysent les effets du changement climatique sur les rendements des cultures, car ils incorporent des données quotidiennes sur la température, les précipitations, le rayonnement solaire et (souvent) le dioxyde de carbone atmosphérique, ainsi que des données sur les sols, ce qui entraine la variation des prix des principaux produits agricoles. Une pensée confirmée plus tard par Robertson et al. (1987). Seulement, ces derniers ont constaté que de nombreuses diminutions du rendement seraient en grande partie compensées par des effets positifs sur la croissance du dioxyde de carbone atmosphérique.

Ainsi, Adams et al. (1995) pensent que les modifications des rendements des cultures, de la demande en eau des cultures et de l'eau d'irrigation résultant du changement climatique entraînent des modifications du bien-être économique. En effet, les effets d'amélioration du rendement du dioxyde de carbonesont un déterminant important des conséquences économiques potentielles. L'inclusion des changements dans la production alimentaire mondiale et les changements d'exportation associés ont généralement un effet positif sur l'agriculture américaine et, par conséquent, l'amélioration des prix des produits agricoles.

Dans cette même perspective, Carter et al. (1991) affirment que l'effet du changement climatique sur l'agriculture repose sur les changements potentiels dans les zones climatiques favorables à des cultures particulières (approche de région comparable). Il s'agit d'observer si les régions qui sont préalablement propices à des cultures ne le seront plus après un changement climatique ou si certaines qui n'étaient pas favorables le seront plus tard.

Toujours dans la même veine, Rosenzweig et Parry (1994) pensent, à leur tour, qu'il faut prendre en compte des adaptations pour évaluer l'impact potentiel des changements climatiques sur la production céréalière mondiale et la répartition de ces impacts entre pays développés et en développement à l'horizon 2060. En effet, quatre types de scénario sont possibles. Le premier consiste à avoir les changements de température et de précipitations uniquement, c'est-à dire un scénario initial sans changement climatique qui suppose une croissance de la population, une croissance économique, des progrès techniques et une libéralisation du commerce international. Le second comprend un changement climatique (changement de la température et la pluie) en plus d'une croissance accrue des cultures, en raison des concentrations élevées de CO2. Le troisième inclut un premier niveau d'adaptation qui comprend la modification des dates de semis d'au plus un mois, l'utilisation des variétés de plantes facilement disponibles plus adaptées au climat espéré et l'irrigation. Le dernier inclut un second niveau d'adaptation qui implique plus de changements dans les systèmes agricoles, qui peuvent même requérir des ressources au-delà de celles du fermier, de l'investissement dans les infrastructures agricoles régionales ou nationales et les changements de politiques.

Par conséquent, Darwin et al. (1995) affirment que la méthode de prise en compte de l'adaptation par Rosenzweig et Parry (1994) n'est pas appropriée car elle utilise la variation des rendements pour capter l'éventuelle adaptation des fermiers. Or, il existe une large gamme de réactions d'adaptation potentielles avec les modèles de croissance des cultures par exemple. Il s'agit d'intégrer les ressources en terres et en eau, ce qui leur permet de simuler la façon dont le changement climatique affecte la disponibilité de terres agricoles appropriées, et, en conséquence, de permettre aux facteurs économiques de déterminer la nature et l'étendue des réponses adaptées aux changements climatiques par les agriculteurs. Le problème relevé par Darwin et al. (1995) sur ces études est qu'elles ne tiennent pas compte de l'adaptation au niveau des agriculteurs. Ainsi, d'autres études, au niveau régional ou d'un pays et au niveau mondial vont essayer d'en tenir compte, en se basant principalement sur les modèles de croissance des cultures qui vont devenir importants dans la modélisation économique.

A l'opposé de Darwin et al. (1995), Mendelsohn et al. (1994) vont faire une nouvelle proposition de l'évaluation de l'impact des changements climatiques sur l'agriculture qui tient aussi compte de l'adaptation mais en rompant totalement avec l'évaluation des rendements agricoles. Ces derniers, tout en reconnaissant l'originalité des modèles « fonction de production » leur reproche fondamentalement de ne pas prendre en compte de façon claire l'adaptation des fermiers et suggèrent donc leur nouvelle approche.

L'approche ricardienne trouve son fondement dans la théorie de la rente, élaborée par David Ricardo (1772-1823) en se basant sur les principes de la raréfaction des biens et des rendements décroissants : d'où l'appellation « approche ricardienne ».

Plusieurs auteurs ont également utilisé cette approche afin de déterminer les effets du climat sur la variabilité des prix via la production agricole.

Mendelsohn et al. (1994) affirment que le climat est un déterminant important de la valeur des exploitations agricoles. L'utilisation de la valeur agricole totale fournit une description plus satisfaisante de la sensibilité au climat. En effet, l'agriculture tempérée a plus de valeur que l'agriculture tropicale et polaire, ce qui est cohérent avec les observations connues.

S'inscrivant dans la même optique, Mendelsohn et Dinar (2003), à leur tour, pensent que la rente foncière reflète la productivité nette des terres agricoles. En effet, la valeur des terres agricoles conduit à la valeur actualisée des productivités nettes futures. L'effet du climat sur la valeur des terres et le rendement agricole ainsi que les mesures d'adaptation des agriculteurs, face au climat, reflètent à la valeur actualisée des revenus futurs issus de l'exploitation la plus productive de la terre. En d'autres termes, ils arrivent à la conclusion telle que des modifications climatiques sur la rente foncière,laquelle est théoriquement un élément d'appréciation de la valeur ajoutée dégagée par l'activité agricole.

Aussi, Da Silva (2009) présente l'avantage d'intégrer implicitement les mesures d'adaptations aux conditions climatiques locales. Car, un producteur dit rationnel doit être proactif dans la gestion de sa terre, minimisant ses pertes en s'adaptant face aux impacts négatifs et maximisant ses profits en capitalisant sur les effets positifs des changements climatiques sur ses activités.

De même, Schlenker et al. (2006) affirment que le réchauffement climatique provoque des pertes de profit.En effet, La baisse de la production agricole liée à la variabilité climatique entraîne une diminution de la disponibilité alimentaire. Étant donné que la demande alimentaire est très inélastique, une diminution de l'offre commercialisée peut entraîner une augmentation importante des prix des produits agricoles, réduisant ainsi l'accessibilité des aliments. La proposition de Schlenker et al. (2006) se base aussi sur le rôle de l'irrigation et pensent que l'une des hypothèses de l'approche hédonique de Mendelsohn et al. (1994) selon laquelle les précipitations mesurent l'approvisionnement en eau des cultures n'est pas adaptée aux zones irriguées. Ainsi donc, pour des raisons tant hydrologiques qu'économiques, les effets économiques du changement climatique sur l'agriculture doivent être évalués différemment dans les zones arides et irriguées.

Ainsi, Ouédraogo (2012) pense que la pratique de l'irrigation et l'accès à la vulgarisation peuvent servir d'options viables pour l'adaptation au changement climatique en agriculture. En effet, les performances des économies, pour la plupart, sont étroitement liées à celles du secteur agricole, qui sont tributaires du climat caractérisé par un important déficit pluviométrique, une rigueur de la nature et un environnement naturel fragile à risque. C'est ainsi qu'il est évident que la pratique de l'irrigation soit une option viable pour les adaptations dans l'agriculture.

Le modèle ricardien permet également d'effectuer des comparaisons entre les effets potentiels sur les pays développées et en développement.

Mendelsohn et al. (2001) affirment que les pays en développement sont beaucoup plus sensibles aux effets de la variation des paramètres climatiquesque les pays développés. En effet, le secteur agricole des pays en développement sont susceptibles de souffrir des effets négatifs du réchauffement planétaire que les pays développés. Ce qui explique que le niveau de développement a un effet significatif sur la sensibilité au changement climatique. Ce qui fait que l'effet négatif de réchauffement climatique sur l'augmentation des prix des produits alimentaires soit plus important dans les pays en développement que dans les pays développés dans la mesure où les effets négatifs de réchauffement climatique sont plus élevés dans les pays en conflit et dans les pays vulnérables aux chocs de prix alimentaires.

c- La troisième approche qualifiée de « structurelle ou agro-économique » concilie les deux précédentes. Elle mesure les effets directs de la variabilité climatique sur diverses cultures et sur leurs besoins en intrants à travers des simulations agro-économiques. Dans cette approche, les pratiques telles que le choix des cultures, l'irrigation et le calendrier agricole sont incluses dans les modèles structurels. Deux modèles économiques sous-tendent cette approche à savoir:

Le modèle d'équilibre général calculable qui simule l'impact économique global, soutenue par:Yates et Strzepek, 1996 et 1998 ; Darwin et al. 1994 ; Rosenzweig and Parry, 1994 ; Parry et al. 1999.

Le modèle d'équilibre partiel proposé parChang (2002) ainsi que Kumar et Parikh (2001). La principale limite de cette approche est que dans l'ensemble des études les conclusions faites sur de vastes zones et sur les systèmes de production divers sont fondés sur les résultats des expérimentations. De plus, les modèles structurels sont généralement associés aux coûts extrêmement élevés. Ce qui rend difficile leur implémentation dans les pays pauvres et en développement.

En somme, le débat sur le changement climatique et la dynamique des prix des denrées alimentaires reste très controversé, mais il existe certaines zones d'accord. La section suivante contribue à enrichir le débat en l'évaluant empiriquement à partir d'une analyse économétrique.

2- Revues empiriques

Nombreux sont les travaux empiriques qui ont abordé la relation entre les changements climatiques et la variabilité des prix des produits alimentaires. Cependant, ceux qui nous semblent les plus pertinents, pour la conduite de ce travail, seront tour à tour développés dans cette section.

Tout d'abord, Bisimwa et al. (2020) étudient le Changement Climatique et Production Agricole au Sud-Kivu, en République Démocratique du Congo dans la période de 2010-2015. En utilisant la méthode de la régression linéaire multiple, ils démontrent que le changement climatique a des impacts négatifs et significatifs sur la production agricole ainsi que l'augmentation des prix des produits agricoles au Sud-Kivu. En effet, la température, les précipitations et la lumière influencent les rendements des cultures par leurs effets sur la croissance du plant et sur le processus physiologique liés à la formation du grain. Il existe un lien très étroit entre la température et les précipitations, car l'augmentation de la température accroit l'évaporation.

S'inscrivant dans la même optique, Da Silva (2009) réalise une étude sur l'impact économique des changements climatiques sur l'agriculture canadienne dans la période de 1971-2000. A partir du modèle à effets fixes élaboré par Deschênes et Greenstone (2007), en adaptant une formulation économétrique en données de panel, il parvient à estimer l'impact des changements climatiques sur l'agriculture canadienne. Les variables étudiées sont: Les précipitations, la température et la production agricole. Les résultats de l'estimation du modèle présentent un impact fortement négatif pour l'agriculture canadienne entre 51,2% et 29,5%.

Pour sa part, Mimose (2015) se propose d'analyser l'impact du changement climatique sur la sécurité alimentaire dans 43 pays d'Afrique subsaharienne de la période de 1960-2012. En utilisant les données issues des bases BADC, FAO stat et WDI pour l'estimation d'un modèle VAR sur données de panels, l'échantillon est reparti suivant 3 zones agro-climatiques, plus explicitement la zone équatoriale, la zone sahélienne et la zone semi-aride. Les variables utilisées sont : les précipitations, la température, PIB par habitant ($ US) et la Production Alimentaire Moyenne (tonnes). Les résultats montrent que les fortes variations du volume des précipitations affectent négativement la production agricole ainsi que les prix des produits agricoles et la sécurité alimentaire des pays de la zone équatoriale, à fortes précipitations mais aussi ceux de la zone sahélienne à températures élevées.

Aussi, Gouataine (2017) étudie l'influence des variabilités pluviométriques sur la variation des prix des produits agricoles dans le mayo-kebbi, dans la période de 1997 à 2010. La méthodologie a essentiellement consisté d'une part à analyser le comportement de la pluie par les anomalies centrées-réduites interannuelles, les rendements et les prix, et d'autre part, la corrélation entre la pluie et les prix de certaines denrées. Il ressort de ces analyses que la pluie varie effectivement dans le temps et que cette situation contribue pour beaucoup dans la variation des prix. Les prix des produits agricoles ont augmenté de 1997 à 2010 de 20% et 16% essentiellement pour le maïs et le riz.

Ainsi queZouabi (2012) analyse, dans le cas de la Tunisie, l'impact de la précipitation et de la température sur la croissance économique via l'agriculture. Partant d'une modélisation VAR appliquée à une fonction de production de type Cobb-Douglas, cet auteur est parvenu aux résultats qui attestent que, dans le court terme, les variables précipitation et température sont statistiquement non significatives, contrairement à long terme où ces variables sont statistiquement significatives. Plus précisément, l'auteur montre qu'en Tunisie et à long terme, la précipitation a un effet positif sur le PIB via l'agriculture, ce qui signifie que la hausse de la précipitation est de nature à favoriser la croissance économique. Au contraire, la température a un effet direct négatif, car toute hausse de la température est de nature à freiner la croissance agricole et la croissance économique en Tunisie.

Adams et al. (1998) analysant les effets économiques du changement climatique sur l'agriculture américaine, à l'aide des modèles climatiques GISS et UKMO, montrent qu'une augmentation des températures de 5°C, jumelée à une invariation des précipitations et à un niveau de CO2 égale à 530 ppm, entraine une hausse des prix des produits agricoles de 15% aux USA. En revanche, pour un même niveau de CO2, Ces auteurs trouvent qu'un accroissement des températures de 2,5°C, couplé à une élévation des précipitations de 7% jumelée induit une contraction des prix de 19%.

Chang (2002) met en évidence l'impact potentiel du changement climatique sur l'agriculture du Taiwan. Il analyse l'effet du climat sur l'agriculture, en s'appuyant sur le modèle climatique GISS, il montre que, dans le cas d'une étude portant sur 60 produits du règne végétal à Taiwan, les variations des températures et des précipitations impactent significativement les rendements agricoles.

Aussi, Sultan et al. (2013) évaluent des impacts du changement climatique sur les rendements de sorgho et de mil dans les savanes soudaniennes et sahéliennes d'Afrique de l'Ouest.

Les auteurs réalisent un ensemble de simulations du modèle SARRA-H pour plusieurs variétés de mil et de sorgho sur un jeu de 35 stations météorologiques couvrant 9 pays en Afrique de l'Ouest sur la période 1971-1990. Des résultats auxquels ils sont parvenus montrent que les précipitations et les températures ont un effet significatif sur les prix des produits alimentaires ainsi qu'au rendement des cultures.

Bedoum et al. (2013), dans leur article, étudient l'existence de variabilité climatique et ruptures dans les séries des précipitations en république du Tchad, dans la période de 1994-2008. En utilisant plusieurs méthodes (indices centrés réduits SPI, test de Pettit, méthode bayésienne de Lee et Heghinian), ils démontrent qu'il y a une baisse très significative des précipitations annuelles comprises entre 2 et 37%. Ce qui est relativement très élevé par rapport aux études du même type menées en Afrique de l'Ouest et en Afrique Centrale (environ 7%).

Badolo (2013) analyse les causes de la flambée des prix agricoles, au cours de ces dernières années, et tente d'évaluer l'influence en termes d'élasticités des facteurs à l'origine de cette hausse à partir d'un modèle économétrique sur séries temporelles dans les pays en développement. Et en utilisant les données trimestrielles couvrant la période 2006-2008, il montre que la variabilité climatique réduit les disponibilités alimentaires pour la consommation humaine et augmente la proportion des sous-alimentés dans les pays en développement. L'effet négatif de la variabilité climatique sur la sécurité alimentaire est plus élevé dans les pays en conflit et les pays vulnérables aux chocs de prix alimentaires. Il est aussi plus élevé dans les pays africains.

Tingem et al. (2003) étudient les effets du changement climatique sur la production agricole au Cameroun, ils évaluent les effets potentiels du changement climatique des gaz à effet de serre, ainsi que de l'effet direct de fertilisation du CO2 sur les rendements des cultures au Cameroun. A l'aide de modèle climatique GISS, Hadley Centre's HadCM3, au modèle de culture CropSyst pour simuler les rendements actuels et futurs (2020, 2080) des cultures (noix de bambara, arachide, maïs, sorgho et soja) dans 8 régions agricoles du Cameroun, ils trouvent qu'en 2080, les rendements du maïs et du sorgho, du fait du changement climatique, diminueront de 14,6% et 39,9% respectivement dans 8 régions du Cameroun. En revanche, ils montrent que cet effet n'est pas uniforme, dans la mesure où l'arachide, bambara et le soja augmenteront respectivement de 17,9%, 12,9% et 54,6%.

Mendelsohn et al. (1994) réalisent une étude sur L'impact du réchauffement climatique sur l'agriculture aux États-Unis, les données comprennent les précipitations et les températures moyennes pour les mois de janvier, avril, juillet et octobre de 1951 à 1980, ainsi que les variations interannuelles. En appliquant la technique ricardienne et un modèle de régression quadratique, ontinterpolé les données climatiques du comté à partir des données observées de la station, ils constatent que des températures plus élevées au cours de l'année (sauf dans la saison d'automne) ont un effet négatif sur les valeurs moyennes des terres. Le fait que le terrain soit ou non une zone humide.

Acacha et Vissin (2015) analysent l'effet du changement climatique sur les fluctuations des prix des cultures vivrières dont le maïs dans la ville de Cotonou au Bénin. La méthodologie adoptée s'appuie sur les données climatologiques extraites de la base des fichiers de la Direction de la Météorologie Nationale (DMN) sur la période 1971-2010. Les outils d'analyse utilisés sont, d'une part le coefficient de corrélation pour analyser la dynamique climatique et son influence sur l'inflation des prix et d'autre part, le calcul des moyennes arithmétiques et des indices ont permis de calculer les variabilités. Il ressort des résultats obtenus une très forte variabilité des hauteurs de pluie marquée par une séquence sèche de 1971-1990 et une séquence humide de 1990-2010.

D'une part, cette dynamique climatique influence le rendement et le prix des produits agricoles et, d'autre part, son influence sur la variation des prix des denrées vivrières est significative à 5 %.

Maddison (2007) étudient lessociétés humaines et le changement climatique à la fin du troisième millénaire. Ils construisent le modèle ricardien en utilisant des données provenant de 11 pays africains, ils ont constaté que d'ici 2050, avec l'effet du changement climatique qui agit à travers les précipitations et la température, certains pays africains vont connaître des pertes considérables dans la production agricole ainsi que l'augmentation des prix des produits agricoles.

Cette évaluation empirique s'est enrichie par les travaux de Ouédraogo (2012)qui évalue l'impact des changements climatiques sur les revenus agricoles des agriculteurs au Burkina Faso, dans la période de la campagne agricole 2002-2003, en utilisant l'approche ricardienne, les paramètres des modèles ont été estimés par la méthode des moindres carrées ordinaires (MCO). Les résultats de l'étude ont montré que la relation entre le revenu et le climat est non linéaire. L'impact marginal de la température sur le revenu agricole est de -19,9 dollars US par hectare tandis que celui de la précipitation est de +2,7 dollars US par hectare. L'analyse des élasticités montre que l'agriculture est très sensible à la précipitation au Burkina. L'augmentation des précipitations de 1% entraine une hausse des revenus agricoles de 14,7%. Cependant, une augmentation des températures de 1% entraine une baisse des revenus agricoles de 3,6%.

Ainsi queKurukulasuriya et Mendelsonh (2008) fondent une étude portant sur 11 pays africains où 9064 agriculteurs étaient choisis aléatoirement, suivant les régions, et s'appuyant sur l'approche ricardienne des rendements de culture, sont parvenus aux résultats ci-après : il y a une influence négative de la température sur le revenu net des terres tributaires des précipitations, tandis que cette influence est positive pour le revenu net issu des terres irriguées.

Dans la même veine,Mariara et Karanja (2006) analysent l'impact du changement climatique sur le revenu net agricole au Kenya, par superficie des 816 ménages en s'appuyant également sur l'approche ricardienne de rendements des cultures. Les résultats de leurs analyses attestent que le changement climatique, capté à travers la variabilité de la température et des précipitations, a des effets négatifs sur la production et les revenus agricoles.

Ainsi,Dandonougbo (2014) analyse les effets de la variation des températures et précipitations sur la production céréalière au Togo sur la période de 2012 et 2013, en suivant une méthodologie économétrique s'appuyant sur l'approche ricardienne. Les résultats montrent l'existence d'une relation non linéaire entre le rendement de la culture du maïs et du riz et les variables climatiques. En outre, le changement climatique aura des effets significatifs sur la production agricole et ses effets amplifieront la vulnérabilité de la population rurale vers la fin du siècle.

Konte et Soumaoro (2021) analysent l'impact du changement climatique sur la production du maïs au Mali. Ils ont choisi l'approche ricardienne pour évaluer l'impact du changement climatique sur l'agriculture malienne. En utilisant les données de panel sur une période de 20 ans (1990-2019) et sur cinq régions administratives du Mali. Les paramètres des modèles ont été estimés par la méthode des moindres carrées ordinaires (MCO). Les résultats montrent que la température et les précipitations ont des effets directs, indirects et totaux sur le rendement du maïs. En outre, les résultats de l'étude suggèrent que les événements climatiques extrêmes pourraient également avoir un impact sur la productivité agricole causant ainsi une variabilité des prix des produits agricoles au Mali.

A l'issue de ces débats portant sur les effets du changement climatique sur la dynamique des prix des produits agricoles, nous constatons de nombreuses controverses théoriques et empiriques. A cet effet, sur le plan théorique, plusieurs travaux ont été développés, mais, dans le cadre de ce travail, nous nous appuyons sur l'approche ricardienne comme soubassement théorique. Deux raisons motivent ce choix. La première raison est que cette approche présente l'avantage d'intégrer implicitement les mesures d'adaptation aux conditions climatiques locales. La seconde raison est que celle-ci repose sur l'hypothèse d'efficience des marchés puisque la valeur des terres agricoles reflète la valeur actualisée des revenus futurs issus de l'exploitation la plus productive de la terre. Ainsi, elle permet d'évaluer l'ampleur du changement climatique sur l'agriculture par la prise en compte des adaptations des agriculteurs individuellement avec le changement climatique.

D'un point de vue empirique, bon nombre d'études ont été menées, avec des méthodes très variées pour vérifier l'impact du changement climatique sur la variabilité des prix des produits agricoles, et les résultats sont d'une très grande portée et varient selon les études. Ainsi, dans le cadre de notre travail, nous allons nous appuyer sur l'approche empirique deDandonougbo (2014) et estimons que cette approche soutient l'objectif de ce travail.

IV- METHODOLOGIE DE L'ETUDE

Dans le cadre du présent travail, ce point aborde le cadre théorique et la spécification empirique du modèle.

1- Modèle théorique

Pour évaluerl'effet du changement climatique sur la dynamique des prix via l'agriculture, on distingue fondamentalement deux grandes approches qui se différencient par leurs méthodologies respectives dont l'une s'oriente vers l'agronomie et l'autre vers l'économie. L'objectif visé dans ce travail est d'analyser l'effet du changement climatique sur la dynamique des prix des denrées alimentaires. A cet effet, nous allons nous appuyer sur l'approche ricardienne qui utilise la valeur de la terre comme variable dépendante (Mendelsohn et al. 1994), développé par Mendelsohn et Dinar (2003) dont se sont inspirés Dinar et al. (1998), Ouédraogo (2012) ainsi que Dandonougbo (2014), pour évaluer, respectivement, l'impact du changement climatique sur: a) l'agriculture indienne ; b) les revenus des agriculteurs burkinabè; c) la production céréalière au Togo. L'approche Ricardienne est basée sur la rente foncière qui est considérée comme le revenu ou produit net de la meilleure utilisation de la terre. La rente foncière représente la production nette de la terre. Le revenu net agricole (V) représente la valeur actuelle de la productivité future de la terre. Le principe est traduit par l'équation suivante (Mendelsohn et Dinar, 2003) :

Les agriculteurs sont supposés maximiser leurs revenus nets en utilisant les facteurs de production (X) en fonction des caractéristiques de leur exploitation et en faisant face aux conditions climatiques (F), aux conditions des sols (Z), aux caractéristiques socio-économiques (G), et aux prix des facteurs (R). Le modèle ricardien examine comment l'ensemble des variables endogènes F, Z, et G, affectent la valeur de la ferme. Le modèle est basé sur les réponses observées des cultures et des fermiers aux conditions climatiques. Il utilise les observations actuelles des performances des exploitations agricoles selon les différentes zones climatiques (Mendelsohn et al. 1994 ; Mendelsohn et Dinar, 1998). Il mesure comment la rentabilité agricole varie avec le climat local en contrôlant les autres facteurs. Le modèle ricardien standard est un modèle quadratique sur le climat:

?? = ??₀ +??₁?? +??₂??² + ??₃??+ ??₄?? + ??, avec ?? le terme d'erreur (2)

?? et ??² capturent les termes linéaires et quadratiques pour les températures et les précipitations. L'introduction des termes quadratiques pour les variables climatiques permet d'analyser la non linéarité de la relation entre le rendement agricole et le climat.

De l'équation (2), nous pouvons dériver l'impact marginal des variables climatiques sur le rendement agricole comme suit:

Le changement du bien-être U, résultant du changement du climat de ??₀ à ??₁peut être mesuré comme suit : ??? = (??₁)-??(??₀)(4)

En considérant le modèle standard développé par Mendelsohn et Dinar (2003), le modèle ricardien que nous allons appliquer, dans notre cas, se présente comme suit :

Les variables sur les sols ne sont pas présentées dans cette équation du fait de la non disponibilité des données.

Où ?? est le terme d'erreur, ?? et ??² capturent les termes linéaires et quadratiques pour les températures et les précipitations.

G est une variable muette qui détermine le sol dominant dans une zone climatique,?? le terme de l'erreur, ??₀est la constante et ??_{i,i= 1...3}, les différents coefficients à estimer.

2- Modèle empirique

En se référant aux équations développées parMendelsohn et Dinar en 2003 et en tenant compte de spécificité du climat dans le pays, nous adoptons la spécification empirique suivante :

?? = ??₀ + ??₁???????????? + ??₂precip²+ ??₃temp +??₄temp² + ???????_??????=1+ ?? (6)

Par l'équation (6) découle un modèle empirique qui nous permet d'atteindre notre objectif :

Iprix = ??₀ + ??₁Precip + ??₂precip²+ ??₃???????? + ??₄temp² + ??₅VAAg + u(7)

Avec ?? le terme d'erreur, ??₀est la constante et ??_{i,i= 1...5}, les différents coefficients à estimer.

Au regard de la revue de la littérature et de la disponibilité des données, les variables que nous avons choisies dans le cadre de ce travail sont :

Ø Precip: Elle représente les précipitations et constitue la première variable explicative (exogène). Elle a été utilisée parMendelson et Dinar (2003) et est exprimée en millimètre;

Ø Precip² : La pluviométrie au carré permet de capter les effets à long terme du changement climatique.

Ø ????????: Elle désigne la variable température, elle est exprimée en degré Celsius et constitue la deuxième variable exogène (Cline, 2016) ;

Ø temp²: La variable température au carré, permet de capter les effets marginaux du changement climatique et les prix des produits agricoles;

Ø VAAg: Elle désigne la valeur ajoutée du secteur agricole calculée à partir de la production totale du secteur agricole divisée par le nombre de travailleurs du secteur agricole. Elle a été utilisée par Ouédraogo (2012) ;

Ø Iprix: Représente l'indice de prix des produits agricoles et constitue l'unique variable à expliquer (endogéne).

Les variables explicatives retenues dans le modèle sont d'abord des variables climatiques (précipitations, températures). Elles ont été choisies puisque l'objectif de l'étude est justement de voir l'effet qu'ont les variables climatiques sur la dynamique des prix des produits agricoles. En outre, la variable de contrôle a été introduite dans le modèle à l'image de la valeur ajoutée agricole. Celle-ci, en relation directe avec les précipitations et les températures, est supposée avoir un effet sur la variabilité des prix des produits agricoles au Congo.

V- SOURCE ET DESCRIPTION DES DONNEES

1- Source des données

Les données exploitées dans le cadre de ce travail proviennent essentiellement de trois sources. Les séries climatiques ont été extraites du fichier de l'ANAC (Agence Nationale de l'Aviation Civile), de l'Institut National de la Statistique (Congo) et de la Banque Mondiale sur la période de 1986 à 2020, soit 35 observations. Le choix de cette période est essentiellement dicté par la disponibilité de données.

2- Description des données

Le Tableau 1, présente un récapitulatif de l'ensemble des variables introduites dans le modèle et signes attendus.

Variables	Intitulé	Nature de la variable	Source de données	signes
Indice de prix des produits Agricoles	Iprix	Quantitative	l'Institut National de la Statistique (Congo)	+/-
Valeur Ajoutée Agricole	VAAg	Quantitative	La Banque Mondiale	-
Les précipitations	Precip	Quantitative	Direction de la Météorologie Nationale (DMN) de l'ANAC (Agence Nationale de l'Aviation Civile).	-
La température	Temp	Quantitative

Le tableau ci-dessousdonne les résultats des statistiques descriptives des variables de l'étude, pour une période de 1986 à 2020. Ces résultats retracent ce qu'ont été la moyenne, le maximum et le minimum de chacune des variables, compte tenu de la période d'observation. Ils renseignent également sur la situation de la distribution (normalité) de chaque variable. S'agissant des moyennes des différentes variables, elles ont été de 111,3971 FCFA, 6,994545%, 781,5453 mm et 25,52970 C°, respectivement pour l'indice de prix, la valeur ajoutée agricole, les précipitations et la température. Dans ce même ordre, les maximas représentaient 138,4 FCFA, 13%, 941,5249 mm, 26,70 C°, respectivement pour l'indice de prix, la valeur ajoutée, les précipitations et la température.

Tableau 2 : Statistiques descriptives

	Iprix	Vaag	Precip	Temp
Moyenne	111,3971	6,994545	781,5453	25,52970
Maximum	138,4000	13,00000	941,5200	26,70000
Minimum	85,80000	2,464525	553,5000	24,60000
Ecart-type	13,61189	3,448466	83,53725	0,508447
Jarque-Bera	0,724724	4,200233	0,607599	0,109725
Probabilité	0,696031	0,122442	0,738009	0,946615
Observations	35	35	35	35

Pour déterminer les paramètres de notre modèle, nous utilisons le modèle VAR (vector autoRegression). L'utilisation d'un modèle VAR est méthodiquement justifiée, car les modèles VAR autorisent les simulations qui permettent de saisir les modifications des variables objectives, suite à un choc sur les variables instruments.

Avant tout traitement en économétrie, il convient de s'assurer de la stationnarité des variables retenues, car la stationnarité représente une condition nécessaire pour éviter les relations artificielles. Les tests de racine unitaire permettent de mettre en évidence le caractère stationnaire ou non d'une chronique par la détermination d'une tendance déterministe ou stochastique (ou aléatoire). Un processus

est dit stationnaire si tous ces moments sont invariants pour tout changement de l'origine du temps. Il existe deux types de processus non stationnaires. Les processusTS (trend stationnary process) qui constituent une non stationnarité de type déterministe et le processus DS (difference stationnary process) pour lesquels la stationnarité est de type stochastique ou aléatoire. Les processus sont respectivement stationnarisés par écart à la tendance et par un filtre à la différence première permettant de déterminer l'ordre d'intégration de la variable. Pour établir entre les deux types de processus et d'appliquer la méthode de stationnarité adéquate, nous utilisons les tests de Dickey-Fuller Augmented (ADF) et de Phillips-Perron (PP). Ces tests permettent de déterminer l'ordre de différenciation d'une série macroéconomique suivant son évolution au cours du temps. Ces tests sont menés sous hypothèses suivantes :

Nous débuterons par déterminer le nombre de retards optimal pour chacun des trois modèles suivants :

Il s'agit de l'hypothèse nulle de non stationnarité

. Si cette dernière est acceptée, le processus admet une racine unitaire. Sinon, le processus est stationnaire. Nous allons déterminer respectivement la présence d'une constante, d'une tendance et d'une racine unitaire. Pour chaque variable, nous commençons par le test d'ADF en niveau, nous déterminons le nombre de retards, nous étudions la significativité de la tendance et si la variable est non stationnaire, nous passons au test d'ADF en première différence.

VI- ANALYSE ET DISCUSSION DES RESULTATS

1- L'estimation du modèle

D'après l'allure des courbes de la valeur ajoutée agricole, l'indice des prix, de la température et des précipitations, nous remarquons qu'ils ont une tendance générale, soit à la baisse ou à la hausse, soit que leurs évaluations au cours du temps présentent une tendance ascendante et unique, ce qui met leur stationnarité en niveaux, ceux-ci nous conduisent à tester la stationnarité pour s'assurer ou non de l'existence d'une racine unité, et ceux-ci en utilisant le test de Dickey-fuller augmenté et de Philips-Perron.

VARIABLES	TYPE DE TEST	Avec constante sans trend	Avec constante et trend	Sans constante sans trend	VALEUR CRITICALE à 5%	Statistique de test	Décisions
Précip	ADF	Oui	Oui	Oui	-3,552973	-6,993443	I(1)
	PP	Oui	Oui	Oui	-3,552973	-14,88426	I(1)
	KPSS	Oui	Non		0,463000	0,198357	I(1)
Temp	ADF	Oui	Oui	Oui	-3,562882	-6,467815	I(1)
	PP	Oui	Oui	Oui	-3,552973	-13,04803	I(1)
	KPSS	Oui	Non		0,463000	0,197857	I(1)
VAAg	ADF	Oui	Oui	Oui	-3,552973	-4,921820	I(1)
VAAg	PP	Oui	Oui	Oui	-3,552973	-6,995098	I(1)
	KPSS	Oui	Non		0,463000	0,115838	I(1)
Iprix	ADF	Oui	Oui	Oui	-3,562882	-7,068836	I(1)
	PP	Oui	Oui	Oui	-3,552973	-18,84101	I(1)
	KPSS	Oui	Non		0,463000	0,198357	I(1)

Le tableau 3 présente les résultats issus des différents tests de stationnarités effectuées (Les tests de stationnarité d'ADF et de Phillips-Perron et de Kwiatkowski-Phillips-Schmidt-Shin).

On constate que, pour toutes les variables (Précip, Temp, VAAg, Iprix), les statistiques ADF, PP et KPSS sont inférieures aux statistiques critiques des différents seuils, qu'après une différentiation première, elles sont donc intégrées d'ordre un (I(1)). Alors, on peut conclure qu'il se peut qu'il existe une relation de cointégration. Pour vérifier la cointégration entre ces variables, il faut passer par deux étapes. D'abord, il faut déterminer le nombre de retard optimal qui convient à notre modèle. Ensuite, nous allons utiliser le test de Johnson pour détecter le nombre des relations de cointégration entre les variables.

Pour choisir la taille d'un modèle VAR(p) pour un ordre p allant de 0 à un ordre h fixé de façon arbitraire, on se servira usuellement d'un critère d'information. Pour notre modèle, on calcule les fonctions AIC(p). Le choix du nombre de retard a un rôle très important dans l'estimation d'un modèle VAR. On choisit le nombre de retard qui minimise l'un de ces deux critères d'information.

Lag	Logl	LR	FPE	AIC	SC	HQ
0	-356,4785	NA	321415,5	24,03190	24,21873*	24,09167
1	-345,1479	18,88427	444294,4	24,34320	25,27733	24,64203
2	-323,0360	30,95674	315016,4	23,93573	25,61717	24,47364
3	-289,9072	37,54599*	119083,8*	22,79381	25,22255	23,57079
4	-269,8220	17,40709	130277,4	22,52147*	25,69752	23,53751*
Source : Auteur à partir des résultats extraits d'Eviews * indicates lag order selected by the criterion
LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion

Les résultats du tableau ci-dessus nous montrent que le nombre de retard est égal à quatre, puisque le critère d'Akaike (AIC) sélectionne que le nombre de retard est égal à quatre.

Cette méthode est intéressante car elle permet de donner le nombre de relations de cointégration qui existent entre nos variables à long terme. La séquence du test de Johanson (il s'agit du test de la trace et test de la valeur propre) consiste à trouver le nombre de relations de cointégration (r). Pour cela, on utilise la méthode de maximum de vraisemblance dont les résultats figurent dans le tableau 5.

	Statistique de la trace	Statistique de la valeur propre maximale	Valeur critique au seuil de 5%	Prob.**
None *	76,70837	0,729350	47,85613	0,0000
At most 1 *	36,19359	0,541586	29,79707	0,0080
At most 2	12,01413	0,319900	15,49471	0,1563
At most 3	0,063145	0,002035	3,841466	0,8016

Comme le montrent les résultats du tableau 5, le test de Cointégration de Johannsen révèle qu'il y a deux relations de Cointégration. A cet effet, nous utilisons le modèle vectoriel à correction d'erreurs (VECM) pour estimer nos variables (Engle R.E. et Granger C.W.J. 1987).

1- Résultats de l'estimation

La méthode de Cointégration en système VECM « Modèle vectoriel à correction d'erreur » permet l'estimation des modèles à correction d'erreur avec plusieurs vecteurs de Cointégration. Ceci diffère de la méthode à deux étapes d'Engel et Granger qui estime seulement une relation de Cointégration à la fois. Le VECM présente un avantage dans la capacité de capturer une structure et les interactions dynamiques riches. Il permet de corriger la Cointégration des variables à l'infini afin de faire une régression. En effet, l'utilisation de cette méthode est justifiée dans la mesure où il existe plusieurs relations de Cointégrations. Ce modèle est le mieux adapté parce qu'il permet une meilleure interprétation économétrique des variables.

Les résultats issus de l'estimation du modèle se répartissent comme suit: Les résultats relatifs à l'estimation du modèle à long terme, les résultats de la vitesse d'ajustement vers la cible à long terme (la force de rappelle) et enfin, les résultats de l'estimation du modèle à court terme.

Les résultats de l'estimation du VECM sont présentés dans les tableaux ci-dessous:

Le tableau 6, présente les estimations du modèle à long terme des différentes variables de l'étude.

Iprix	Precip	Precip²	Temp	Temp²	Vaag	Constante
1,000000	-2,679668	0,002048	-2727,179	0,278175	-2.780704	128.6034
	(0,004103)	(0,00052)	(1033,13)	(0,10789)	(0,004705)
	[ -3,21263]	[3,92154]	[ -2,63972]	[2,57842]	[-0.60257]

Le tableau 7, présente les estimations du modèle à court terme des différentes variables de l'étude.

Le tableau 8 nous présente, après estimation du modèle les résultats de la vitesse d'ajustement des différentes variables.

R-squared	0,654411	0,654273	0,668273	0,868402	0,692011	0,766803
Adj. R-squared	0,390136	0,389893	0,414599	0,767768	0,456490	0,588476
Sum sq. resids	9000,648	206253,4	4,53E+11	2,829526	7409,303	5,898515
S.E. equation	23,00978	110,1479	163328,5	0,407974	20,87681	0,589043
F-statistic	2,476256	2,474749	2,634379	8,629331	2,938213	4,299981
Log likelihood	-131,8886	-180,4316	-406,7842	-6,881985	-128,8729	-18,26815
Akaike AIC	9,412167	12.54398	27,14737	1,347225	9,217607	2,081816
Schwarz SC	10,05977	13,19158	27,79497	1,994832	9,865214	2,729423
Mean dependent	0,220968	-0,684096	-1145,891	0,007502	1,315857	0,022414
S.D. dependent	29,46429	141,0176	213469,2	0,846587	28,31786	0,918225

Determinant resid covariance (dof adj.)		9,11E+10
Déterminant resid covariance		2,48E+09
Log likelihood		-599,2039
Akaike information criterion		44,46477
Schwarz criterion		48,62796
Number of coefficients		90

Après estimation du modèle, la lecture du tableau 8 présente une force de rappel de -0,130587et une valeur absolue de la statistique de Student de 1,42122. Cela nous permet de confirmer l'existence d'une relation d'ajustement vers la cible à long terme.

De plus, le tableau 9 montre que le coefficient de détermination R² s'élève à hauteur de 65,44%. Cela montre que les variables explicatives retenues dans le cadre de ce travail, expliquent bien le prix des produits agricoles. Ce résultat nous autorise à valider le modèle vectoriel à correction d'erreur.

Enfin, la lecture du tableau 10 (voir annexe) montre que les résultats du test d'auto corrélation des résidus par le corrélogramme des résidus, et les statistiques de Box-Pierce confirment l'absence d'auto corrélation des résidus. Car tous les termes de fonctions d'auto corrélation (simple et partielle) sont tous situés à l'intervalle de confiance matérialisé par les traits verticaux et ne sont pas significativement différent de zéro.

Aussi, la probabilité du test pour h=16 (0,173)est supérieure à 5%. Par conséquent, le résidu est un bruit blanc. Ce qui justifie et confirme la validation de l'application du modèle vectoriel à correction d'erreur (VECM). Ainsi, nous pouvons donc procédé à l'analyse et interprétation des résultats.

2- Discussion des résultats

Au regard des résultats (cf. tableau d'estimation en annexe), une principale leçon peut être tirée: les précipitations sont un obstacle pour l'amélioration des prix des produits agricoles à travers l'agriculture au Congo. Cet enseignement tient du fait que le coefficient associé aux precipitations est négatif et significatif au seuil de 5%. On peut dire qu'il existe une relation indirecte des precipitations sur le prix des produits agricoles à travers l'agriculture. Ainsi, une augmentation de 1% des precipitations entraine, toutes choses égales par ailleurs, une diminution de la production agricole de 2, 679668 points et par conséquent une augmentation des prix des produits agricoles, ce qu'est conforme à la théorie et à nos attentes.

Les résultats à long terme (Tableau 6) montrent que les signes des coefficients des termes linéaires et quadratiques des variables climatiques sont opposés. La relation entre le prix des produits agricoles et la température ou les précipitations est donc non linéaire. Cette relation non linéaire est vérifiée dans la plupart des études et particulièrement au Burkina Faso (Ouedraogo, 2012) et au Togo (Dandonougbo, 2014).

En effet, ces résultats trouvent leur justification dans le cadre du Congo, du fait que le pays a un climat tropical et humide. Dans les climats tropicaux humides, il pleut abondamment le long de l'année. Ce qui occasionne une humidité élevée qui est un frein pour la productivité agricole à cause du lessivage des nutriments, de la prolifération des champignons, l'augmentation des insectes ravageurs, des bactéries et adventices (Etat des forêts du bassin du Congo, 2013). Aussi, selon les études de la COMIFAC (2013) qui stipule que les pluviométries modérées sont favorables à une bonne croissance des cultures et par conséquent, la stabilité des prix des produits agricoles, et corrobore les conclusions de ACTED-Congo (2006), selon lesquelles l'agriculture en République du Congo est particulièrement affectée par le changement climatique, faisant face à une saisonnalité instable et plus difficilement maîtrisable, ce qui contribue aux problèmes de variabilité des prix des produits agricoles, suite à la faible productivité agricole à laquelle le pays fait face.

Ce qui nous permet de conclure que l'effet indirect des précipitationsa un effet négatif sur le prix des produits agricoles, mais toutes les variables ne sont pas statistiquement significatives, alors, à court terme, la température n'a aucun effet sur le prix via l'agriculture au Congo.

VII- CONCLUSION ET IMPLICATIONS DE POLITIQUE ECOMIQUE

L'objectif de ce travail est d'analyser l'effet du changement climatique sur la dynamique des prix des produits agricoles au Congo. Pour atteindre celui-ci, l'usage d'une approche méthodologique au moyen de l'estimation du modèle VECM a été adoptée, pour une période de 1986 à 2020. Les résultats obtenus, montrent qu'à long terme, les variables climatiques sont un obstacle pour l'amélioration des prix des produits agricoles en République du Congo.

En effet, les résultats relèvent l'existence d'une relation non linéaire entre le changement climatique et les prix des produits agricoles. Dans le contexte congolais, ces résultats montrent que l'agriculture au Congo, comme dans d'autres pays d'Afrique subsaharienne, est très sensible au changement climatique à long terme, car, le phénomène du changement climatique est plus capté à long terme qu'à court terme.

Au regard de ce qui précède, quelques implications de politique économique ci-après peuvent être formulées :

- La mise en placedes politiques de résilience face au changement climatique (l'irrigation, introduction des semences améliorées, diversification des cultures, d'une banque ou d'un fonds d'appui à l'agriculture, création des banques de semences, etc.) ;

- La poursuite des initiatives de lutte contre le réchauffement climatique ou de réduction des émissions des gaz à effet de serre et de la réorganisation des radios rurales capables d'apporter des informations pertinentes sur les changements climatiques afin de sensibiliser les paysans à mieux planifier leurs activités de production.

- Il est important, pour les décideurs, de mettre en place des dispositifs face au changement climatique afin de pallier la hausse des prix des produits agricoles et aider les producteurs agricoles à mieux supporter cette situation.

- La pratique de l'irrigation et l'accès à la vulgarisation ont un effet positif sur le revenu agricole et peuvent servir d'options viables pour l'adaptation au changement climatique en agriculture au Congo.

BIBLIOGRAPHIE

1- Abdoulaye B. Clobite B. B. Mbanghoguinan A. Issak A. et Baohoutou L. (2013), « Variabilités climatiques et ruptures dans les séries de précipitations en République du Tchad », Revue Ivoirienne des Sciences et Technologies, N°21, pp. 187-208.

2- Adams, R.Hurd B. Lenhart S.et Leary N.(1995), « A Reassessment of the economiceffects of Climate Change on U.S. Agriculture ». Climatic Change, vol.30, N°2, pp.147-67.

3- Adams R.M. McCarl B.A. Segerson K. Rosenzweig C. Bryant K.J. Dixon B.L. Conner R. Evenson R.E. et Ojima D. (1998),«The economic effects of climate change on U.S. agriculture». The Impact of Climate Change on the United States Economy, vol.11, N°1, pp. 18-54.

4- Acacha H. et Vissin E. W. (2015), «Influence du changement climatique sur la variation des prix des récoltes vivrières dans la commune de Cotonou au Benin (Afrique de l'ouest) », pp. 295-300.

5- Ahmadou LY. (2014), « l'impact du changement climatique sur la sécurité alimentaire au Sénégal», Version Provisoire. 47p.

6- Badolo Felix. (2013), « Chocs de prix, vulnérabilité climatique et sécurité alimentaire dans les pays en développement. Economies et finances. Université d'Auvergne - Clermont-Ferrand I, 2013. Français». 205p

7- Baffes J. et Gardner B. (2003), « The Transmission of World Commodity Prices to Domestic Markets under Policy Reforms in Developing Countries », Journal of Policy Reform, vol 6, N°3, pp. 159-180.

8- Balbus J. Cohen S. Brody M.et Oude G.H.P. (1998), «Handbook on Methods for Climate Change Impact Assessment and Adaptation Strategies», Amsterdam, 92p.edition?

9- Barrère (2002), « Comprendre la formation des prix contemporains : les limites de l'analyse marxienne », Recherches économiques François Perroux, Le Harmattan, pp.1-24.

10- Baohoutou L. (2007), « Les précipitations en zone soudanienne tchadienne durant les quatre dernières décennies (60-99):variabilités et impacts », Thèse de doctorat, Université de Nice, 245 p.

11- Berger (1992), « La théorie astronomique au réchauffement global et au développement durable ». Propos recueillis par Jacques-Louis de Beaulieu et Claude Millier dans Natures Sciences Sociétés, Vol. 20, N°3, pp. 343 - 352

12- Bisimwa, N. A. Muhanya N. L. Koko M. Y. Kafirongo M. J. Apendeza M. C. (2020), «Changement Climatique et Production Agricole au Sud-Kivu, République Démocratique du Congo». Université catholique de Bukavu, Sud-Kivu, R. D. Congo, vol 8, N°1,pp. 53-62.

13- Bryant C. S. Thomassin B. Baker P. Desroches L. and Savoie S. (2008). «Evaluation of Agricultural Adaptation Processes and Adaptive Capacity to Climate Change and Variability», vol.14, N°2, pp.81-97.

14- CarterT.R. J.H. Porter et M.L. Parry. (1991). «Climatic Warming and Crop Potential in Europe»,Global Environmental Change,vol. 29, N°1, pp.3-12

15- Chang C.-C. (2002),«The potential impact of climate change on Taiwan's agriculture», Agricultural Economics, vol 27, pp. 51-64

16- Cline, W. R. (1996),«The impact of global warming on agriculture: Comment, The American Economic Association», vol. 86, N°5, pp.1309-1311

17- COMIFAC (2013), « Changement climatique dans le Bassin du Congo: Informations et connaissances échangées entre les acteurs ». Document de Travail 185. Bogor, Indonesia: CIFOR.

18- Dandonougbo Yevesse (2013), « Analyse économique des effets de la variation des températures et précipitations sur la production céréalière au Togo ». Faculté des Sciences Economiques et de Gestion (FASEG) de l'Université de Lomé. pp. 1-15

19- Darwin R. Tsigas. M. E. Lewandrowski. J. etA. Raneses (1995),«World agriculture and climate change: Economic adaptations (No. 33933). United States Department of Agriculture», Economic Research Service.

20- DA SilvaL. (2009), «L'impact économique des changements climatiques sur l'agriculture Canadienne», mémoire de MSc. en économie appliquée, HEC -Montréal (Canada). 84p

21- Deschênes O. et Greenstone. M. (2007). «The Economic Impacts of Climate Change»,Evidence from Agricultural Profits and Random Fluctuations in Weather. American Economic Review, vol 97,N°1, pp.354-385.

22- Delecolle R. Soussana J.F.J.P.Legros (1999), «Impacts attendus des changements climatiques sur l'agriculture française ». C.R. Acad. Agric. Fr. vol. 85, pp. 45-51.

23- Diop M. Houndenou C. Y. Richard (1996),«Variabilité des dates de début et de fin de l'hivernage au Sénégal». Publication de l'AIC,vol 15,pp.430-436.

24- Dieng A. (2006),«impacts des politiques agricoles sur l'offre Céréalière au sénégal, de 1960 à 2003 : Évaluation à partir d'un modèle d'analyse Statistique par zones agro-écologiques», Thése de doctorat dirigée par Kroll, J.C. Université de Bourgogne, 229p

25- EasterlingW.E. Crosson P.R. Rosenberg, N.J. McKenney M.S.(1993),«Impacts agricoles et réponses au changement climatique dans la région Missouri-Iowa-Nebraska-Kansas (Mink)», vol 24, N°2, pp.23-61

26- Engle R.E. et Granger C.W.J. (1987), «Cointegration and error-correction : representation, estimation and testing»,Econometrica, vol.55, N°2, pp.251-276.

27- État des Forêts du Congo (2013),Éds: de Wasseige C. Flynn J. Louppe D. HiolHiol F.Mayaux Ph. - 2014. Weyrich. Belgique. 328 p.

28- Gouataine S. R. Moctar S. F. (2015), « Impact de la variailité pluviométrique sur la saison agricole à l'ouest du Tchad », Afrique Science, vol.11, N°15, pp. 159-171.

29- Gouataine S. R. (2017) «Influence des variabilités pluviométriques sur la variation des prix des produits agricoles dans le mayo-kebbi», Département de Géographie, Ecole Normale Supérieure de Bongor,vol.14, N°2, pp.107-117.

30- Gbetibouo. G. et R. Hassan (2005),« Mesure de l'impact économique du changement climatique sur les principales cultures d'Afrique du Sud: une approche Ricardienne», Global and Planetary Change,vol. 47, N°4,pp.143-52.

31- GIEC (2007),«Contribution of working group into the fourth assessment report of the intergovernmental panel on climate change (Solomon, S, D, Qin, M. Marques K. B, Averyt, M. Tignor and HL. Miller, Cambridge) », vol.87, N°5, pp.49, 55.

32- Harmignie. O. Polomé. P. Henry de Frahan. B. et F.Gaspart (2005), «Analyse d'outils de gestion des risques agricoles en Région wallonne ». Unité d'économie rurale, Faculté d'ingénierie biologique, agronomique et environnementale, Université catholique de Louvain, décembre 2005.

33- Harrison. M. Troccoli. A. Williams JB et Coughlan M. (2008),«Seasonal Forecasts in Decision Making», in: Seasonal Climate: Forecasting and Managing Risk, Troccoli A, Harrison M, Anderson DLT and Mason SJ, eds, NATO Science Series, Springer Academic Publishers, vol.82, N°2, pp.13-41.

34- Harrison M. et Boulahya M.(2010), «Analyse des Risques Climatiques de la République Centrafricaine, en Gestion Environnementale pour une Croissance Durable». Vol.2, N°74, pp. 251-268.

35- Hunt L. A. Kuchar L. et Swanton C. J.(1998),«Estimation of solar radiation for use in crop modelling». Agricultural and Forest Meteorology, vol.91, N°4, pp.293-300.

36- forêts du bassin du Congo - État des Forêts (2013), «Éditeurs: de Wasseige C. Flynn J., Louppe D. HiolHiol F.Mayaux Ph». 328 pages

37- Konte M. et Soumaoro T.(2021), «Changement climatique sur la production du maïs au mali UFR des Sciences économiques et de gestion », Université Gaston Berger (UGB) de Saint-Louis du Sénégal République du Sénégal, vol.21, N°2,pp.132-155

38- Kurukulasuriya. P. etMendelsohn.R. (2008), «A Ricardian Analysis of The Impact of Climate Change on African Cropland»,African Journal Agriculture and Resource Economics,vol.1, N°1, pp.5-19.

39- Maddison D.(2007),«The perception and adaptation to climate change in Africa. Policy Research Working Paper WPS4308. Washington (DC) », The World Bank, Development Research Group, Sustainable Rural and Urban Development Team, N°4308, pp.4-144.

40- Mariara, J. K. etKaranja, F. K. (2006), «The Economic Impact of Climate Change on Kenyan Crop Agriculture: A Ricardian Approach». Third World Congress of Environnemental and Ressource Economics, No 4334, PP.3-26

41- MendelsohnR. Nordhaus W. et D. Shaw.(1994), «The Impact of Global Warming on Agriculture: A Ricardian Analysi», American Economic Review, vol 84, N° 4, pp 753-71

42- Mendelsohn R. et Dinar A.(1999),«Climate Change, Agriculture, and Developing Countries»: Does Adaptation Matter? .The World Bank Research Observer, vol.14,pp277-293.

43- Mendelsohn R. et Dinar A. (2003), « Climate, Water and Agriculture », Land Economics, Vol.79, pp. 328-341.

44- Mendelsohn. R. Dinar. A. et Sanghi.A. (2001),«the effect of development on the climate sensitivity of agriculture», Environment and Development Economics, vol.6, pp. 85-101

45- Mimose Fikeu Linda Y.(2015), «Changements climatiques, sécurité alimentaire en Afrique subsaharienne : quels effets et quelles réponses»?7ème Conférence Africaine sur la Population Johannesburg-Afrique du sud, 30 Nov- 4 Dec. 2015. 23

46- Mouton J. Sillons R. (1954), «Les cultures indigènes dans les régions forestières de l'Oubagui-Chari »cahier ORSTOM, vol.8, N°4, pp. 97-114.

47- Moron V.(1993), «Variabilité des précipitations en Afrique tropicale au nord de l'équateur (1933-1990) et relations avec les températures de surface océanique et la dynamique de l'atmosphère». Thèse de doctorat. Centre de recherches de Climatologie, Université de Bourgogne, Dijon, 219P.

48- Moss et Coll.(2010), «Identification des options d'adaptation aux changements climatiques». 219P.

49- Ricardo D. (1817), «On the Principles of Political Economy and Taxation », John Murray, London, vol.1, pp. 122-430

50- Robertson T. V.W. Benson.J.R. Williams C.A. Jones, et J.R. Kiniry. (1987), «Impacts of Climate Change in the Southern United States Proceedings of the Symposium on Climate Change in the Southern U.S.», N°703, pp.5-43

51- Rosenzweig. C. et ML Parry.(1994), «Impact potentiel du changement climatique sur l'approvisionnement alimentaire mondial», vol.367, pp.133-138

52- Salack. S. Traoré. B. S. Sarr B.(2006),«Synthèse sur la collecte, la mise en forme et le stockage des données climatologiques des pays du CILSS, et Etude d'impacts des changements climatiques sur la production agricole au Sahel», Rapport de stage, Centre Régional AGRHYMET, 95 p.

53- Sarr. B.(2006), «Les changements climatiques et la vulnérabilité des ressources en eau et de l'agriculture, Centre Régional AGRHYMET, DFR, Niamey», Communication scientifique, 22 p.

54- Sarr B. Lona I.(2009),«Les fortes pluies et les inondations enregistrées au Sahel au cours de l'hivernage 2007 : variabilité et / ou changement climatique», 14ème Colloque International, SIFEE, Changement climatique et évaluation Environnementale, Outils et enjeux pour l'évaluation des impacts et l'élaboration des plans d'adaptation, Niamey 26-29 mai. 29 p.

55- Schlenker, W. M. Hanemann, et A. Fischer. (2006), «The Impact of Global Warming on U.S. Agriculture: An Econometric Analysis of Optimal Growing Conditions», Review of Economics and Statistics, vol.88, N°1, pp. 113-125.

56- Singh. B. et Cohen. M. J. (2014), «Adaptation aux changements climatiques: Le cas d'Haïti», Rapport de recherché OXFAM, 40p (disponible à www.oxfam.org)

57- Smadhi D. Zella L. (2012), «Variabilité de la pluviométrie et son impact sur la production céréalière au nord de l'Algérie, période (1970-2009) »,Sciences et Technologie, N°35, pp. 55-63.

58- Sultan B. RoudierP. Baron C. Quirion P. Muller B. Alhassane A. CIAIS P. Guimberteau M. Traoré S. B. Dingkuhn M.(2013), «Assessing climate change impacts on sorghum and millet yields in WestAfrica»,Environmental Research Letter, vol.8, N°1, pp.2- 9 p.

59- Thornton. P.K. Jones. P.G. Alagarswamy. A. et Andresen. J. (2009), «Spatial Variation of Crop Yield Responses to Climate Change in East Africa»,Global Environmental Change vol.19, N°1, pp.54-65.

60- PNUD (1991). Rapport final du projet TUN/88/04, Étude de l'impact des actions de développement et de la lutte contre la désertification, Tunis, document n° 13 Direction des Sols, P.37. République Démocratique du Congo (2006).

«Agricultural productivity, Poverty Reduction and inclusive growth in Africa: linkages and pathways. Asian Journal of Agricultural Extension», Economics etSociology, vol.18, N°1, pp.1-15.

62- Ouedraogo M. (2012), «Impacts des changements climatiques sur les revenus agricoles au Burkina Faso», Journal of Agriculture and Environnement Development- JAEID, vol.106, N°1, pp.3-21.

63- Tingem M. Rivington M. Bellocchi G. Azam-Ali, S. Colls, J.(2008),« Effects of climate change on crop production in Cameroon. Climate Research»,vol.36, pp.65-77. https://doi.org/10.3354/cr00733

64- Zhao.Y, 2005 «Le changement climatique contemporain: développement d'un champ d'étude à l'interface Climat et Societé»,vol.16, N°2, pp.97-106.

65- Vautrin Alizee, (2020), «Les impacts économiques des changements climatiques sur l'agriculture québécoise à l'horizon 2050», Mémoire présenté en vue de l'obtention du grade de maîtrise ès sciences en gestion (M. Sc.). 77p

66- Warrick, (1984)«The possible impacts on wheat production of a recurrence of the 1930s drought in the U.S. Great Plains», vol.6, pp.5-26

67- Oussama Z. (2012), «Changement climatique, agriculture et croissance économique : Une modélisation VAR»,vol.30, N°2, pp.67-147.

ANNEXE

Tableau 10: Test d'autocorrélation des résidus

Tableau 11 : Estimations du modèle

TABLE DES MATIERES.................................................................................................43

RESUME

L'objectif de ce memoire est d'analyser l'impact de la variabilité climatique sur la dynamique des prix des produits agricoles en République du Congo sur la période de 1986 à 2020.Pour ce faire, nous optons pour l'approche d'analyse ricardienne et d'un modèle VECM.

Il ressort de ces résultats, qu'à long terme, les variables climatiques sont un obstacle pour l'amélioration des prix des produits agricoles en République du Congo. En effet, les résultats relèvent l'existence d'une relation non linéaire entre le changement climatique et les prix des produits agricoles via l'agriculture.

Mots-clés : variabilité climatique, production agricole, variation des prix, Approche ricardienne.

These results show that in the long term, climatic variables are an obstacle to improving the prices of agricultural products in the Republic of Congo.

Indeed, the results show the existence of a non- linear relationship between climate change and the prices of agricultural products via agriculture.

Keywords: climate variability, agricultural production, price variation, Ricardian approach.