Memoire Online - Proposition d'une méthode d'évaluation du capital humain : cas de la filière riz pour le district de Mandoto et de Betafo

« Proposition d'une méthode d'évaluation du capital humain : cas de la filière riz pour le district de Mandoto et de Betafo

Table des matières

Liste des tableaux

Liste des figures

Liste des encadrés

Liste des équations

Liste des annexes

Introduction

Si le capital humain est assimilé à des notions de compétence, de savoir, de qualification ou à d'autres capacités qu'un individu possède à des fins productives^1(*), il est habituellement mesuré par le nombre d'années d'instruction. Etant donné que l'instruction sous entend une éducation formelle, cette mesure tend à négliger les autres formes d'acquisition du capital humain dont l'individu dispose, notamment dans les pays sous développés où l'éducation est très hétérogène en terme de qualité, de quantité et de forme. Il est alors évident que la mesure du capital humain par le niveau d'instruction d'une façon exclusive risque de comporter un terme d'erreur, en partie à cause de cette hétérogénéité.

La question est alors de savoir si effectivement le nombre d'années d'instruction peut refléter fidèlement le niveau de capital humain et s'il n'en est pas le cas, quelle mesure alternative peut-on proposer ?

En orientant l'étude vers un cadre plus théorique, nous pouvons nous apercevoir que cette mesure du capital humain par le niveau d'instruction a une base théorique : la théorie du capital humain. Dans le cadre de cette théorie, la principale hypothèse que nous devons vérifier est la prééminence de l'éducation dans l'investissement en capital humain.

Tout en reconnaissant que le capital humain concerne l'éducation, la santé et la nutrition des enfants, nous allons limiter notre travail au champ de l'éducation. En effet, les deux autres champs relèvent plus du domaine de l'économie de la santé. Le concept de capital humain est intimement lié à la productivité et l'intensité de ce lien diffère probablement d'un type d'emploi à l'autre. Par conséquent, nous allons adopter une approche filière et dans ce travail, nous allons traiter la filière riz.

L'intérêt de notre étude réside dans son utilité pratique pour les projets de développement intégrant dans leurs activités l'amélioration du capital humain. En effet, nous sommes conscients que nombreux sont les acteurs dans ce domaine pour qui l'évaluation du capital humain reste soit intuitive, soit limitée à l'éducation formelle, ou encore pour qui le concept de capital humain est trop vague pour qu'une mesure puisse être envisageable.

De plus, dans la lutte contre la pauvreté, l'amélioration du capital humain constitue l'un des piliers de l'amélioration de revenu des plus pauvres. En effet, l'amélioration du capital humain en milieu rural et dans le secteur informel urbain a un potentiel important en matière d'impact sur la pauvreté. La plupart des pauvres travaillent pour leur propre compte en utilisant une quantité faible de capital sans avoir la qualification requise et réalisent des investissements risqués^2(*).

Dans une optique plus positive, une mesure adéquate du capital humain est nécessaire pour poursuivre les recherches sur le capital humain. En effet, une mauvaise mesure peut induire à une conclusion erronée quant au rendement du capital humain et à une mauvaise spécification de la fonction de gain salarial.

Notre travail est organisé en cinq chapitres regroupés en deux parties. Dans la première partie, nous entamons une approche théorique afin de mieux répondre à notre problématique. En effet, dans cette première partie, nous allons essayer de mettre en relief le soubassement théorique de la mesure du capital humain par des mesures relatives au niveau d'instruction. Ce sera à travers l'analyse des limites théoriques et des littératures empiriques que nous pourrons estimer dans quelle mesure l'éducation peut être utilisée pour mesurer le capital humain et comment peut-on améliorer cette mesure. A cet effet, le chapitre premier montre le fondement de cette mesure classique du capital humain. Le deuxième chapitre met en exergue les limites de cette mesure, ce qui nous ramène en chapitre trois à une proposition d'une méthode pour évaluer le capital humain afin de concevoir une mesure alternative qui pourrait être plus appropriée pour refléter le capital humain.

Quant à la seconde partie, elle sera consacrée à une mise en application de cette méthode. Dans un souci de clarté et dans le but de capitaliser au mieux les données de terrains, cette partie sera nettement plus longue que la première. Elle sera composée de deux chapitres. Le premier chapitre (Chapitre IV) aura pour objectif de contextualiser cette mise en application et en même temps de décrire notre méthodologie afin que dans le dernier chapitre, nous puissions nous focaliser sur l'analyse des résultats de l'application de ladite méthode. Ce dernier chapitre s'achèvera par une illustration via des simulations du gain de fiabilité de mesure du capital humain et de la portée de cette méthode du point de vue pratique.

La mesure du capital humain par des indicateurs de niveau d'instruction a un fond théorique. Dans le premier chapitre, cette partie met en exergue le contexte dans lequel le concept de capital humain a pris naissance et présente brièvement la thèse de la théorie du capital humain ainsi que les méthodes et les hypothèses qui la soutiennent. Le second chapitre montre d'une part que cette théorie comporte quelques faiblesses et d'autre part, que les résultats des études empiriques sur la robustesse de cette mesure nous renseignent sur la nécessité d'une mesure alternative, ce qui nous conduit dans le dernier chapitre de cette partie à proposer une méthode pour mesurer le capital humain en se basant sur un fond théorique plus souple, tout en adoptant une démarche pragmatique.

Chapitre 1: Fondement de la mesure du capital humain par le niveau d'instruction

L'objet de ce chapitre est de mettre en évidence les raisons qui font que l'on mesure le capital humain par des mesures relatives au niveau d'instruction. Les raisons profondes de cette mesure traditionnelle du capital humain est palpable par un diagnostic chronologique des recherches aboutissant à la théorie du capital humain. Avant de parvenir à ce fond théorique, la genèse du concept sera abordée.

1.1 Importance accordée à l'éducation aux Etats-Unis dans les années 60

1.1.1 Eléments de définition du capital humain

Au préalable, commençons par définir ce que nous allons considérer comme capital humain. Pour essayer d'avoir rapidement une vue globale, citons d'emblée une définition complète et explicite de Véronique Simonet^3(*) dans un article où elle passe en revue quelques auteurs de référence sur le capital humain : « Le capital humain est l'ensemble des compétences, qualifications et autres capacités possédées par un individu à des fins productives. Il peut être inné ou s'acquérir durant le cursus scolaire, universitaire ou au cours d'expériences professionnelles, par la transmission de savoirs et qualifications. Le capital humain initial revêt des formes comme l'intelligence, la force physique ou les connaissances transmises par la famille. Il répond plus à des facteurs génétiques ou familiaux qu'économiques et est supposé peu modulable au cours du temps. Ses coûts d'acquisition sont faibles, attribuables en partie à l'attention portée à l'enfant par les parents et les bénéfices, en termes monétaires, sont supposés fixes dans le temps. Les compétences acquises sont considérées, dans la théorie du capital humain (Becker, 1964), à la fois comme un bien de consommation durable (on peut acquérir des connaissances à tout âge), un bien spécifique (les compétences de chacun leur sont propres, limitées par leurs capacités physiques et intellectuelles et non exploitables sans leur volonté) et un bien de production (ces compétences déterminent la productivité de l'individu et doivent à ce titre être considérées comme un facteur de production au même titre que la terre et les machines) ». Dans un document d'études portant sur les indicateurs de capital humain, le Centre d'étude du niveau de vie en Ottawa^4(*) a défini le capital humain comme « (...) l'ensemble des investissements tels que l'éducation, la santé, la formation sur le tas et la migration qui améliorent la productivité d'une personne sur le marché du travail, ainsi que dans ses autres activités ». Considérant ces deux définitions, nous pouvons déjà constater qu'il s'agit d'un capital immatériel résultant d'investissements de la part des individus et qui accroît leur productivité. La definition suivante qui est celle de Woodhall^5(*) en 1997 confirme ce constat;« The concept of human capital refers to the fact that human beings invest in themselves, by means of education, training, or other activities, (...) ».

Dans ce travail, nous allons nous inspirer également de Schultz^6(*) pour adopter une définition plus large et plus souple vis-à-vis de la théorie : «I propose to treat education as an investment in man and to treat its consequences as a form of capital. Since education becomes a part of the person receiving it, I shall refer to it as human capital (...) Nevertheless, it is a form of capital if it renders a productive service of value to the economy ». Accordons-nous alors à dire que le capital humain est « l'ensemble des connaissances et aptitudes acquises par les individus par voie d'investissements au cours de leur vie et qui va leur permettre de mieux gagner leur vie en augmentant leur productivité économique.^7(*) »

Ceci étant fait, entrons dans le vif du sujet en commençant par un bref survol historique nous permettant de comprendre le contexte dans lequel les économistes ont porté intérêt au champ du capital humain.

1.1.2 Genèse du concept de capital humain

Le point de départ des recherches sur l'apport de l'éducation sur la croissance économique a été l'incapacité d'expliquer celle-ci par les fonctions de production traditionnelles (Y=F (K, L)). Cette méthode laissait comme principale cause de la croissance économique un troisième facteur (résidu) qui en expliquait, à lui tout seul, une part considérable. A ce stade, la théorie ne permettait de fonder aucune politique de croissance, puisque celle-ci résultait pour l'essentiel d'un facteur insaisissable.

C'est en 1962, aux Etats-Unis, que Edward Denison^8(*) a expliqué pour la première fois une bonne part de ce résidu à partir d'une fonction de production agrégée de type Cobb-Douglas^9(*) (Y=F (K, L, H)). Il a introduit l'éducation dans la fonction de production de manière à refléter l'amélioration du facteur travail (donc la hausse de sa productivité) dans le temps. Pour l'essentiel, l'idée était que l'éducation constitue le principal investissement en capital humain (H) et de ce fait, l'introduire dans la fonction de production permettait de prendre en compte la variation de la qualité du facteur travail (L).

Cependant, il faut noter que cette idée est en fait le résultat de la convergence de plusieurs études, notamment des études effectuées entre 1956 et 1961. En effet, dès 1956 aux Etats-Unis, Abramovitz^10(*) a révélé l'incapacité de l'accumulation des facteurs traditionnels (capital, travail, terre) à expliquer la croissance économique et a appelé « measure of our ignorance » cette part inexpliquée.

Deux ans plus tard, Jacob Mincer (1958) a développé un modèle pour expliquer l'inégalité de revenu aux Etats-Unis. Il a soutenu que la formation (« training ») et la compétence (« skills ») en étaient les facteurs déterminants. Il a ensuite fait remarquer que comme pour le capital physique, le degré d'utilisation du capital humain varie selon le secteur d'activité^11(*) : « as with non-human capital, some industries have high capital ratios » ^12(*). Pour mesurer les deux sortes de formation, formelle et informelle, le modèle de Mincer contient les années d'instructions et les années d'expériences. Par cette analyse, Mincer a trouvé que renoncer à travailler pour s'éduquer est un acte rationnel car le salaire renoncé est compensé par un salaire ultérieur supérieur.

En 1959, Solomon Fabricant, en étudiant la productivité aux Etat-unis entre 1889 et 1957 a pris conscience de l'importance du capital intangible et a écrit :

In an important sense, society's intangible capital includes all the improvements in basic science, technology, business administration, and education and training, that aid in production-whether these result from deliberate individual or collective investments for economic gain or are incidental by- products of efforts to reach other goals. (Solomon Fabricant, p. 22 in : Scott R. Sweetland, Autumn 1996, p.346)

L'auteur a ensuite soutenu que le capital intangible pouvait être comptabilisé par un système de pondération du travail pour refléter sa qualité.

En 1960, Gary Becker a étudié l'écart de revenu qui s'est accru chez les diplômés du supérieur aux Etats-Unis. Marqué par le contexte de panique, pendant la guerre froide, suscitée par l'avancement considérable du côté de la croissance économique ainsi qu'en matière de technologie d'armement de l'ex-URSS, il a essayé de démontrer que la dépense des Etats-Unis dans l'éducation supérieure n'était pas adéquate et que la qualité des étudiants pouvait être améliorée. Comparant les salaires des diplômés de l'enseignement supérieur (college graduate) avec ceux des diplômés du secondaire (high school graduate) et associant cette différence au coût associé à la poursuite des études, Becker a calculé le rendement des études supérieures. En effet, aux USA, on ne parle pas de classe mais de grade. La scolarisation va du grade K (pour Kindergartens, l'équivalent de l'école maternelle), jusqu'au grade 12 qui s'achève par le High School Diploma. Loin d'être figé, ce parcours propose diverses voies de relais (middle schools, junior high schools, combined junior-senior high schools...). Pour faire simple, on assimile les elementary (ou grammar) schools aux écoles primaires, les junior high schools aux collèges et les senior high schools aux lycées.

Selon lui, il y aurait preuve de sous investissement en éducation supérieure si le rendement associé à cet investissement était supérieur à celui d'un investissement en capital physique. Il a trouvé que le rendement de l'éducation supérieure était entre 7% et 9% tandis que le rendement d'un investissement en capital physique était de 8%. Pour supporter son argument, il a conclu que le rendement de l'enseignement supérieur était sous-estimé car ne prenait pas en compte des importants effets indirects : « direct returns alone do not seem to justify increased college expenditures »^13(*).

En 1961, Schultz a décrit le concept de capital humain et a développé le concept d'investissement en capital humain. Son article commence par:

Although it is obvious that people acquire useful skills and knowledge, it is not obvious that these skills and knowledge are a form of capital, that this capital is in substantial part a product of deliberate investment, that it has grown in Western societies at a much faster rate than conventional (nonhuman) capital, and that its growth may well be the most distinctive feature of the economic system. (Schultz T. , 1961, p. 1)

Pour appuyer cette idée, il a expliqué que la croissance du revenu national entre 1900 et 1956 aux Etats-Unis était associée à une hausse du stock d'éducation (donc de capital humain) contenu dans la force de travail. Plus précisément, ce stock d'éducation s'est accru deux fois plus vite que le stock de capital physique pendant la période considérée. Malgré qu'il ait défendu que ce soit l'éducation qui contribue principalement à la formation du capital humain, il a noté l'existence d'autres moyens d'investissement en capital humain. Ainsi, il a brièvement cité cinq groupes d'investissement dont :

Le concept de capital humain est ainsi né et la contribution de l'éducation à la croissance économique fut démontrée. Le capital humain est un capital intangible que l'on mesure par l'investissement en capital humain, sa principale composante : l'éducation. Ces résultats, surtout ceux de Denison, incitèrent dans les années 60, à privilégier l'éducation dans les politiques de croissance de tous les pays, et en particulier des pays sous-développés. C'est ainsi que les organisations internationales conseillaient aux pays en voie de développement de consacrer 5% de leur revenu national à l'enseignement^14(*).

Ce que nous pouvons retenir de cette brève historique, c'est que la mesure du capital humain par l'éducation est en partie liée au contexte de l'émergence du concept de capital humain car c'est à travers elle que le concept de capital humain fut appréhendé. Quoi qu'il en soit, la naissance du concept a suscité la préoccupation des économistes sur la question et par là, aboutit à la naissance d'une nouvelle branche de l'économie, l'économie du capital humain. Nous présentons sommairement dans la section qui suit la théorie du capital humain. La compréhension de cette théorie est en effet utile car comme nous le verrons, elle constitue le soubassement théorique de la mesure du capital humain par le niveau d'instruction.

1.2 La théorie du capital humain

1.2.1 Présentation

L'idée de base de la théorie du capital humain^15(*) est de considérer que du point de vue de l'individu, l'éducation est un investissement. La valeur de celui-ci dépend directement du coût monétaire de l'éducation et des gains futurs anticipés procurés par l'information. Celle-ci représente un investissement avantageux si la valeur actualisée nette des coûts et des avantages est positive. En effet, l'éducation augmente la productivité de l'individu et par conséquent son revenu via le salaire. L'investissement en capital humain est aussi un investissement profitable du point de vue de la société. Autrement dit, l'éducation procure aussi des gains sociaux, supérieurs aux gains privés. Cette externalité positive justifie pour certains l'intervention de l'État sinon dans l'économie du moins dans la prise en charge du système éducatif. Ce dernier peut par conséquent récupérer le fruit de l'investissement qu'elle constitue.

La thèse de la théorie du capital humain se base sur l'hypothèse selon laquelle : «(...) les individus peuvent améliorer leur productivité par des actes volontaires d'investissement dans l'éducation ou la santé, ou même encore en migrant. Les écarts de salaires traduisent alors le fait que les individus ne sont pas tous disposés à faire les mêmes investissements, en formation par exemple»^16(*), ce qui implique comme corollaire : « la hiérarchie des salaires s'explique par des différences dans les investissements des agents en capital humain »^17(*)

Bien que les investissements en capital humain comprennent les investissements en santé, en nutrition et en éducation, le dernier retient le plus l'intérêt des économistes pour deux raisons principales. La première est que l'éducation est censée avoir un effet de contrôle sur les composantes nutrition et santé. La seconde est que l'éducation semble être plus facilement évaluable en terme monétaire et que ses liens avec la croissance économique sont plus probables.

Ce que la théorie du capital humain tente de démontrer est que le fait d'investir (qu'il s'agisse d'un investissement public ou privé) dans le capital humain (par l'éducation) procure au-delà des bénéfices sociaux (ex : formation d'une personnalité citoyenne, une population cultivée,...) des bénéfices économiques que sont les gains de productivité individuelle et par conséquent, l'amélioration de revenu. C'est pourquoi cette théorie suggère de considérer l'éducation comme un investissement qui augmente le stock de capital humain car elle va permettre d'accumuler des connaissances et du savoir-faire, capital humain, qui va à son tour améliorer la productivité individuelle des personnes. C'est donc le niveau du stock de capital humain accumulé par l'éducation (et par l'expérience) qui détermine le niveau de productivité du travail.

1.2.2 Méthodologie

Pour démontrer cette contribution de l'éducation à l'économie, différents auteurs ont adopté différentes méthodologies que Blaug^18(*) a classées en trois grandes catégories :

L'approche fonction de production se caractérise par l'usage d'une formulation mathématique pour représenter comment une économie produit sa richesse par l'usage des ressources dont elle dispose. Dans la théorie du capital humain, il s'agit de considérer le capital humain parmi les facteurs de production. Comme nous l'avons vu, le premier qui a utilisé cette méthode est Denison (1962). Commençant par considérer les facteurs terre, travail et capital physique, il tentait d'expliquer le résidu de la croissance économique par l'éducation, défiant ainsi ce qu'Abramovitz (1956) a appelé « mesure de notre ignorance ». Pour ce faire, comme l'a indiqué Fabricant trois années auparavant, Denison a utilisé un système de pondération du travail de façon à considérer l'amélioration de sa qualité (productivité = salaire) :

He further adjusted labor inputs to reflect different wage rates by using index construction techniques...Denison's indexes uniquely detailed the effects that education levels had on wage rates, thereby explaining a significant portion of unexplained economic growth. (Sweetland, Op Cité, P.349)

Moyennant l'hypothèse d'une relation directe entre éducation et capital humain, Denison a conclu que 43% de l'accroissement du PIB était attribuable à l'investissement en capital humain, l'éducation.

L'approche formation du capital, quant à elle, tente d'estimer le stock de capital humain. L'auteur qui a utilisé cette méthode est Schultz. Le titre de sa publication de 1960 résume bien la démarche de cette approche^19(*) : « Capital formation by education ». En effet, par analogie au capital physique, Schultz a essayé d'évaluer en dollars ce stock de capital en l'estimant par son coût. Selon lui, il existe deux composantes à ce coût :

Le composant coût d'opportunité représente le salaire qu'aurait pu gagner les individus sur le marché du travail s'ils ne s'instruisaient pas (éducation post-obligatoire) :

If they were not in school, they would be employed producing (other) products and services of value to the economy, for which they would be "paid"; there is, then, an opportunity cost in going to school. (Schultz, P.573)

Le coût direct mesure les ressources utilisées par le système éducatif. Ces ressources constituent les inputs du système éducatif. Sur ce, Schultz a cité quelques exemples :

This flow consists of the services of teachers, librarians, and school administrators, of the annual factor costs of maintaining and operating the school... (Schultz, P.577)

L'auteur a ensuite fait remarquer que le composant coût d'opportunité est la plus importante.

Les deux premières méthodes sont complémentaires. En effet, si la deuxième permet d'évaluer le niveau du stock de capital humain, la première permet de démontrer sa significativité et d'en mesurer la contribution à la croissance économique.

Concernant la dernière méthode, elle tente de répondre à la question : est-ce qu'investir dans l'éducation est profitable comparé à d'autres alternatives d'investissement (investissement en acquisition de capital physique) ? Cette méthodologie est celle adoptée par Mincer et Becker. Elle débouche sur le calcul du rendement de l'éducation (TRI) comme nous pouvons constater en annexe^20(*).

1.2.3 Les principales hypothèses qui supportent la théorie du capital humain

La théorie du capital humain repose principalement sur cinq hypothèses^21(*) :

§ H3 :« la connaissance et l'aptitude des salariés accroissent leur productivité » ;

§ H5 :« les entreprises rémunèrent les salariés à leur productivité marginale »

En résumé, les investissements en capital humain comprennent l'éducation et l'expérience (H1 et H2). Le stock de capital humain n'étant pas directement évalué, c'est le flux de cet investissement qui sert de mesure intermédiaire du stock de capital humain. La troisième hypothèse renforce seulement les deux premières hypothèses car par définition, le capital humain a pour effet d'accroître la productivité individuelle. La quatrième hypothèse quant à elle est une hypothèse intermédiaire pour introduire la dernière hypothèse. En effet, s'il n'y a pas cette hypothèse, le salaire se fixerait indépendamment du niveau de productivité individuelle. La dernière hypothèse concerne la thèse de la théorie néoclassique de la répartition. En effet, sous cette hypothèse, le salaire reflète directement la productivité individuelle (du facteur travail). Schématiquement, ces hypothèses s'enchaînent comme suit :

C'est dans le cadre de ces hypothèses que l'importance de la contribution de l'éducation à la croissance économique peut être vérifiée par la relation éducation - salaire. Il peut être admis dans ce cadre que le niveau de capital humain puisse être mesuré par le niveau d'instruction. Nous pouvons en effet remarquer que ces mesures (nombre d'années de scolarité, niveau de diplôme le plus élevé, proportion de diplômés, années moyenne de scolarité, ...) constitue des mesures usuelles et communément admise du capital humain^22(*).

Au niveau macroéconomique, il est compréhensible que d'autres mesures ne puissent être concevables à cause des restrictions relatives aux données.

Conclusion Chapitre 1

Ainsi, l'insistance des chercheurs à expliquer la croissance américaine, où deux phénomènes ont coïncidé : les dépenses publiques élevées en matière d'éducation et la croissance économique soutenue, a abouti au concept de capital humain. Le prolongement de ce concept à la théorie du capital humain s'est surtout basé sur le modèle de Mincer. Sous certaines hypothèses, ce modèle constitue une mise en évidence de la contribution dudit capital à la création de richesse et que les principaux investissements pour l'acquérir sont : l'éducation pour la voie formelle et l'expérience pour l'informelle.

Chapitre 2: Nécessité d'une mesure alternative

Ce deuxième chapitre remet en cause la mesure traditionnelle du capital humain. Les faiblesses de cette mesure y seront analysées à travers une analyse théorique et par les résultats des recherches empiriques. Les limites théoriques seront exposées par les controverses de la part des principales théories alternatives du capital humain et par une analyse objective de ses hypothèses périphériques. Du côté empirique, les preuves de la fragilité de la mesure traditionnelle seront présentées.

2.1 Faiblesses de la théorie du capital humain

2.1.1 Les grands débats théoriques sur le rôle de l'éducation

Tout à l'opposé de la théorie du capital humain, celle du filtre ou du signal (Arrow, 1973^23(*) ; Spence, 1973^24(*)) conteste l'hypothèse que l'éducation est synonyme d'accroissement de la productivité des individus : l'éducation produit principalement un classement, lequel révèle les aptitudes héritées par les individus.

(1) La théorie du filtre (théorie de la sélection)

La théorie de la sélection met en doute le fait que l'éducation élève la productivité des salariés. Le rôle du niveau d'éducation serait de reconnaître plutôt que de produire, de sélectionner les salariés ayant a priori des aptitudes élevées, que ces aptitudes soient innées ou acquises par l'héritage culturel.

L'objection courante à la théorie de la sélection est que l'appareil scolaire constitue un mécanisme particulièrement coûteux ; que, si son seul rôle était bien de repérer les individus les plus aptes, le marché produirait des entreprises de « chasseurs de tête » à moindre coût.

(2) La théorie du signal

La théorie du signal est une première réponse à cette objection : la productivité supérieure des diplômés n'est pas absente mais incertaine. On est donc dans un cas classique d'incertitude avec asymétrie d'informations. Les entreprises comme les salariés utilisent l'éducation comme un signal d'une aptitude élevée, les entreprises en proposant des salaires plus élevés pour les diplômés, les salariés en recherchant de tels diplômes.

Face à cette incertitude sur la productivité des salariés, l'employeur se fonde sur des signaux et des indices^25(*). Après un temps donné d'embauche l'employeur prendra connaissance des capacités productives de l'individu. A un instant donné, l'employeur dispose donc d'un ensemble de croyances sur la base desquelles il assigne une valeur à un employé potentiel. Ces croyances sont traduites dans une grille de salaires qui sera fonction des caractéristiques observables. Les futurs employés vont, à leur tour, observer cette hiérarchie des salaires proposés, et acquérir (à un coût donné mais nécessairement fonction décroissante des habiletés) les signaux pertinents en fonction de leurs dotations et de leurs préférences. L'hypothèse fondamentale de cette approche est que la durée des études est un pur signal. Elle est sans effet causal sur la productivité.

Figure 2. Feed back informationnel sur le marché du travail (Spence [1973])

La théorie du signal rend ainsi compte des mêmes faits observés dans la théorie du capital humain (salaire en fonction de l'éducation, tendance à investir dans l'éducation), mais avec une explication radicalement différente.

A l'extrême, il existe des points de vue complètement différents du rôle de l'éducation comme la théorie de la reproduction sociale^26(*) où l'éducation sert à reproduire la domination de la « classe dominante ». Sous couvert de neutralité et d'égalité des chances, l'institution scolaire conduit à exclure les enfants des classes populaires, « classes dominées ». Le système exerce, en effet, un « arbitraire culturel » permettant cette sélection. L'école valorise et légitime une culture dite savante acquise en dehors de ses murs par la classe dominante. Cette « violence symbolique » exercée par le système éducatif serait à l'origine des écarts entre les taux de réussite des enfants.

2.1.2 Analyse critique sur quelques hypothèses de la théorie du capital humain

(1) La durée des études mesure correctement la connaissance (H1)

Cette hypothèse sous entend une homogénéité de l'éducation. Cette hypothèse n'est pas défendable car l'hypothèse de l'homogénéité de l'éducation dans le temps et dans l'espace ne l'est pas. En effet, le contenu et la qualité des études sont différents d'un pays à un autre et même à l'intérieur d'un pays, cette hétérogénéité n'est pas négligeable.

Bien que dans la théorie du capital humain, le terme éducation concerne surtout l'éducation formelle, l'éducation reste un concept flou. Pour Mincer (1958), le terme éducation s'apparente à une éducation formelle. Becker (1960) s'est surtout intéressé à l'éducation supérieure. Schultz (1961), quant à lui, considère l'éducation post obligatoire tout en accordant dans son évaluation, plus d'importance à l'éducation supérieure (car le coût d'opportunité est fonction positive du niveau d'éducation).

Enfin, la transmission des connaissances est le résultat d'efforts de deux parties : effort du côté de l'offre (les professeurs, le système d'enseignement, ...) et effort du côté de la demande (les élèves, leurs familles). L'accroissement de l'effort d'une partie peut être annulé par la réduction de l'effort de l'autre^27(*). Justement, selon David E. Broomhall & Thomas G. Jhonson ^28(*), en milieu rural, les élèves qui sont moins disposés à quitter leur village et qui ont une faible perception sur l'opportunité de travail dans leur localité accordent peu de valeur à l'éducation. Par conséquent, ils ne sont pas motivés à fournir d'efforts. Dans ce cas, malgré une bonne qualité de l'éducation, elle n'est pas forcément traduite en acquisition de connaissances. Cette transmission de savoirs dépend en conséquence d'une multitude de facteurs qui diffèrent dans le temps et dans l'espace.

(2) L'ancienneté mesure correctement l'aptitude (H2)

L'expérience (professionnelle) est soumise à trois facteurs de relativisation^29(*) l'individu lui-même, le milieu de travail, le système de formation.

Au niveau de l'individu, dans une situation donnée, deux individus ne réagiront pas de la même manière et l'aptitude retirée de cette situation sera différente. Il faut se demander alors s'il est possible d'apprendre à acquérir les aptitudes par l'expérience. Cette capacité d'acquisition devrait être liée à la compréhension des processus qui commandent la réalisation du travail concret. La maîtrise de ces processus permettrait d'acquérir plus d'aptitudes que par la simple connaissance des modes opératoires.

Par rapport à la situation professionnelle, un emploi composé de tâches répétitives et simples offrira la possibilité d'acquérir par l'expérience des aptitudes utiles pour l'accomplissement de ces tâches et éventuellement de tâches voisines. Un emploi composé de tâches variées, posant de nombreux problèmes nouveaux offre la possibilité d'acquérir des aptitudes plus vastes.

Enfin, par rapport au système éducatif, si la formation organisée dans le système éducatif est peu développée, l'essentiel des aptitudes devra être acquis par l'expérience. Inversement, si cette formation est développée, l'expérience permettra d'acquérir moins d'aptitudes. Autrement dit, dans une société où les besoins de compétences ne changeraient guère, le développement de la formation, surtout professionnelle par le système éducatif se substituerait à l'expérience comme mode d'acquisition des aptitudes.

(3) La connaissance et l'aptitude des salariés accroissent leur productivité

- l'éducation (formelle) et l'expérience constituent les principaux investissements en capital humain (soit H3.1) et

Si par définition^30(*), la seconde hypothèse est vraie, la première reste marquée par le contexte de l'émergence du concept de capital humain^31(*). Même s'il n'a été que brièvement cité, Schultz (1961) a mis en exergue l'existence d'autres types d'investissements. Est-ce que ces types d'investissements ne sont pas significatifs dans le processus d'acquisition du capital humain, notamment dans les pays sous-développés ? Dans la pratique, la réponse à cette question serait non. Si nous nous référons par exemple aux réflexions qui ont émergé d'un colloque « Capital humain », organisé par le CRS, le 27 au 29 novembre 2007 à Antananarivo, le capital humain représente la santé, l'éducation, les capacités, la sagesse, la force physique et la foi. Bref, le concept est large et représente bien ce que Schultz (1975) considère comme « l'aptitude à composer avec le changement et à résoudre des problèmes^32(*) ». Le colloque nous a appris l'importance de l'éducation informelle et de l'expérience dans le processus d'acquisition du capital humain, ce qui rejette l'hypothèse selon laquelle l'éducation formelle est la principale composante de l'investissement en capital humain. Ces points de vue sont aussi partagés par des auteurs comme Jean-François Magnin^33(*) ou Claude Dalbera^34(*).

(4) Les productivités individuelles sont observables et les entreprises rémunèrent les salariés à leur productivité marginale (H4+H5)

La fragilité de la théorie du capital humain provient en partie de l'hypothèse de la rémunération à la productivité marginale des facteurs (travail). En effet, cette hypothèse permet de contourner le problème d'inobservabilité de la productivité individuelle. A ce propos, Edouard Poulain écrit :

Pour avoir une théorie vraiment explicative, il faudrait mesurer la productivité du capital humain en dehors de toute référence aux salaires (...) Or, et c'est là le talon d'Achille de cette théorie, il est totalement impossible d'isoler empiriquement le produit marginal du capital humain individuel sinon en faisant référence aux salaires. (Edouard Poulain, Op Cité, P.93)

Si la théorie du capital humain échappe à ce problème en se référant à la théorie néoclassique de la répartition, en contrepartie, elle doit passer par le salaire pour démontrer la contribution économique des investissements en capital humain. Par conséquent, la théorie du capital humain hérite ses faiblesses de la théorie néoclassique de la répartition. En analysant les théories alternatives du capital humain (théorie du filtre et du signal, théorie de l'incitation salariale par exemple), nous pouvons constater que ces théories tentent surtout de démontrer que le salaire n'est pas forcément fonction de la productivité, ce qui contredit surtout la thèse de la théorie néoclassique de la répartition et laisse en suspens la causalité capital humain ? productivité.

2.2 Fragilité de la mesure du capital humain

2.2.1 Evaluations internationales des acquis des élèves

Face au problème d'hétérogénéité de l'éducation (du point de vue du contenu et de la qualité), mesurer le capital humain par les scores obtenus lors des évaluations internationales des acquis des élèves est plus adéquat. En effet, ces évaluations comportent des tests de connaissances qui visent à mesurer les réels acquis des élèves dans des domaines spécifiques comme la lecture, les mathématiques et les sciences^35(*).

Ces évaluations sont des enquêtes qui analysent des échantillons d'élèves appartenant à des pays différents. Le principal avantage de l'utilisation de ces résultats est le fait que les réels acquis des élèves (mesurés par les scores obtenus lors de ces tests) renseignent à la fois sur le contenu et la qualité du système éducatif ainsi que des facteurs influençant ces acquis. En d'autres termes, il s'agit d'un indicateur de résultat du système éducatif tout en prenant en compte l'interaction de plusieurs facteurs. Parmi les exemples de ce type d'évaluation figurent les enquêtes TIMSS, SACMEQ et PISA.

Prenons le cas du PISA^36(*). Organisé sous l'égide de l' O.C.D.E., le Programme International pour le Suivi des Acquis des élèves ou PISA est une vaste enquête qui a lieu tous les trois ans, et vise à évaluer les élèves de 15 ans sur leur capacité à mobiliser et appliquer leurs connaissances dans des situations de la vie de tous les jours. Leurs compétences sont ainsi régulièrement mesurées dans trois domaines : compréhension de l'écrit, culture mathématique, culture scientifique, sous la forme d'exercices ayant fait l'objet d'un consensus entre tous les pays participants.

Comprendre l'écrit, c'est non seulement comprendre et utiliser des textes écrits, mais aussi réfléchir à leur propos. Cette définition implique la compréhension et l'utilisation de l'écrit mais aussi la réflexion à son propos à différentes fins.

Pour la culture mathématique, il s'agit de mesurer la capacité des élèves à mettre en oeuvre leurs acquis mathématiques pour résoudre des exercices liés au quotidien. Ci-dessous, nous présentons un exemple d'item en culture mathématique.

La culture scientifique est la capacité d'utiliser des connaissances scientifiques pour identifier les questions auxquelles la science peut apporter une réponse et pour tirer des conclusions fondées sur des faits, en vue de comprendre le monde naturel ainsi que les changements qui y sont apportés par l'activité humaine et de contribuer à prendre des décisions à leur propos. Comme nous pouvons voir dans l'encadré n°2, ces évaluations mettent l'accent sur la mobilisation de ces acquis et en même temps renseignent sur l'effectivité de la transmission des connaissances.

Ces évaluations internationales mettent en évidence de grandes disparités d'acquis entre les élèves des pays riches et des pays pauvres. De même, à l'intérieur des pays, il existe des inégalités entre régions, entre communautés, entre écoles et entre classes. Par exemple, dans une récente évaluation du SACMEQ II en Afrique subsaharienne, moins de 25 % des élèves de 6^ème année atteignaient un niveau souhaitable en lecture dans 4 pays, et seulement 10 % dans 6 autres pays^37(*).

2.2.2 Nombre moyen d'années de scolarité versus score moyen en mathématiques et sciences (Hanushek et Kimko, 2000)

Hanushek et Kimko (2000) mesurent directement le capital humain à partir des données d'enquête sur les connaissances en mathématiques et en sciences dans 31 pays. Il s'agit d'une combinaison de données sur des évaluations internationales des réels acquis en mathématiques et sciences entrepris par l'IAEP (International Assessment of Educational Progress) et l'IEA (International Association of Education Achievement).

(1) Présentation des modèles

Le fond de la spécification du modèle reste dans le cadre de la théorie du capital humain : le stock et la variation du capital humain ont des influences significatives sur le niveau de croissance économique (H3.2). Se référant à la méthodologie que nous avons abordée dans le premier chapitre^38(*), il s'agit d'une approche fonction de production. Pour tester et évaluer la contribution du capital humain, les auteurs retiennent comme facteurs expliquant la croissance économique :

- Y60 : le revenu national en 1960 (en millier de $), pour tenir compte de la convergence vers l'état stationnaire ;

Pour évaluer la robustesse de la mesure du capital humain par S, les auteurs estiment six modèles à partir de la combinaison de ces variables explicatives.

La variable dépendante est le taux de croissance économique (GDP) et les modèles sont de type additif.

(2) Conclusions

Les auteurs ont conclu à partir de l'estimation de ces modèles que le niveau d'éducation est sensible et reflète mal le capital humain car celui-ci tend à perdre sa significativité face à d'autres mesures. En effet, comme nous pouvons le constater dans le Tableau 1, la considération des scores de test fait perdre la significativité de S (valeur erreur standard) et améliore les modèles en augmentant leur capacité à expliquer la croissance économique (voir colonne (1), (2) et (3)). De plus, par rapport à QL1 et QL2, S est sensible à l'introduction d'une nouvelle variable explicative (GPOP). A cet effet, il varie de 5 points de pourcentage alors que par exemple, QL1 ne varient que de 1 point de pourcentage (voir colonne (4) VS (1) et (5) VS (2)).

Tableau 1. Années d'études VS Acquis en mathématiques et Sciences ; Hanushek et Kimko, 2000

2.2.3 Score en Mathématiques, en Sciences et en Lecture VS achèvement du secondaire et supérieur (Robert J. Barro, mai 2001)

Robert J. Barro, mai 2001, quant à lui adopte une variante de la méthode de l'approche fonction de production.

(1) Description des données et de la méthode

Sa base de données couvre cent pays de différents niveaux de développement pendant la période 1965-1995 : « The empirical analysis applies to roughly 100 countries and therefore includes countries at very different levels of economic development ». (Barro, mai 2001, P.12)

Quant à la méthode, elle diffère de celle adoptée par Hanushek et Kimko mais possède le même fond : approche fonction de production et reste dans le cadre de la théorie du capital humain. Son approche se subdivise en deux étapes. Dans un premier temps, il s'agit d'expliquer la croissance économique par une multitude de facteurs explicatifs et de créer une série de résidus de l'équation. Ensuite vient alors la nécessité d'expliquer ce résidu par la quantité (niveau d'instruction) et la qualité d'éducation (scores).

Cette approche est belle et bien dérivée de l'approche fonction de production. Plus précisément, il s'agit d'une approche par le résidu. Dès 1964, Bowen a expliqué cette approche :

In general terms, this approach consists of taking the total increase in economic output of a country over a given period of time, identifying as much of the total increase as possible with measurable inputs (capital and labour being the two measurable inputs usually chosen), and then saying that the residual is attributable to the unspecified inputs. (Bowen, 1964, in Scott R. Sweetland, Op Cité, P.352)

(2) Description des modèles

Comme nous l'avons déjà fait remarquer, cette méthode se fait en deux étapes, donc il y a deux modèles de base.

(a) Le modèle dans la première étape

Où Dy représente le taux de croissance, y le PIB par tête tenant en compte la convergence vers l'état stationnaire et y* la valeur du PIB dans le long terme. Cette dernière est principalement fonction de la politique économique, des institutions et de la caractéristique de la population. C'est dans la caractéristique de la population que se joue le rôle du capital humain. Cette spécification rentre dans le cadre d'un modèle de la croissance endogène par opposition au modèle dite d'accumulation où le capital humain est assimilé à un facteur de production avec un rendement décroissant^39(*).

Ce premier modèle est analogue (modèle additif) à ceux estimés par Hanushek et Kimko (2000) sauf que les facteurs explicatifs sont plus nombreux. Cette équation tient alors plus ou moins compte de tous les éventuels facteurs influençant la croissance économique. Ces facteurs sont :

- la quantité d'éducation mesurée par taux d'achèvement du secondaire et de celui du supérieur.

Tableau 2. Etape 1, les facteurs expliquant le taux de croissance, résidu. Barro (2001)

(b) Les modèles dans la seconde étape

Il s'agit maintenant d'expliquer le résidu par la qualité de l'éducation. C'est dans cette seconde étape que Barro met en exergue la fragilité du taux d'achèvement du secondaire et de celui du supérieur face à des mesures de qualité d'éducation. Pour ce faire, il estime huit modèles en combinant cinq variables explicatives. Ces variables sont :

Avec l'approche par le résidu, l'auteur a démontré que le score en sciences et celui en lecture sont les meilleures mesures du capital humain. Ces indicateurs de qualité sont plus importants que les indicateurs de quantité :

Given the quality of education, as represented by the test scores, the quantity of schooling, measured by average years of attainment of adult males at the secondary and higher levels, is still positively related to subsequent growth. However, the effect of school quality is quantitatively much more important. (Barro, May 2001, P.17)

Associé à un indicateur de qualité ou avec un indicateur de qualité globale (score global), la quantité d'éducation est peu significative (voir colonne (1), (2), (3) et (8)). Le score en mathématiques est significatif (voir colonne (2)) mais sa significativité est plus faible que celle du score en sciences (voir colonne (4)). Associé avec le score en lecture, le score en mathématiques n'est plus significatif (voir colonne (6)). Par contre la significativité du score en sciences reste stable (voir colonne (5)). Considérant tous les indicateurs de qualité et de quantité, seuls les scores en sciences et en lecture restent significatifs (voir colonne (7)).

Tableau 3. Indicateurs de quantité d'éducation VS indicateurs de qualité, Barro, 2001

Il découle de ce chapitre que la mesure du capital humain par le niveau d'instruction comporte des faiblesses notables. Ces faiblesses sont observables en même temps du côté théorique qu'empirique. Ce qui nous introduit dans le chapitre suivant à essayer au vu de ces faiblesses et des méthodes utilisées dans le champ de la théorie du capital humain à essayer de proposer une méthode alternative d'évaluation du capital humain.

Conclusion chapitre 2

A partir des critiques sur les hypothèses périphériques, nous pouvons constater la fragilité de la théorie du capital humain. Des résultats empiriques ressort surtout la fragilité au niveau de la mesure traditionnelle. En effet, la thèse de la théorie du capital humain subsiste dans ces résultats empiriques mais c'est surtout au niveau de la mesure que se situe le fond du problème.

Ce qui nous conduit dans le chapitre suivant à essayer au vu de ces faiblesses de chercher une méthode alternative d'évaluer le capital humain en adoptant un cheminement théorique fidèle au concept tout étant pragmatique.

Chapitre 3: A la recherche de mesures alternatives du capital humain

Ce chapitre tente de proposer une méthode pour évaluer le capital humain en combinant fidélité au concept et une approche pragmatique. Pour cela, un cheminement théorique plus acceptable au niveau des hypothèses sera adopté. Pour rester pragmatique, les méthodes utilisées dans les recherches empiriques seront utilisées.

3.1 Reconfiguration du fond théorique

3.1.1 Brève synthèse du précédent chapitre

Par définition, le capital humain est l'ensemble des connaissances et aptitudes qui influencent le niveau de productivité des individus. Dans le cadre de la théorie du capital humain, le niveau d'instruction sert de mesure au capital humain car par hypothèse, parmi les moyens d'investissement dans le capital humain, l'éducation constitue la principale composante. Il faut remarquer que cette théorie repose sur quelques hypothèses dont l'enchaînement peut être schématisé comme suit :

Cependant, les doutes sur la contribution réelle de l'éducation à l'acquisition des connaissances et à la productivité subsistent; d'où l'intérêt de considérer les résultats issus des évaluations internationales des acquis pour évaluer le capital humain. En effet, le fait d'utiliser les performances par rapport à ces tests permet d'écarter les incertitudes sur l'acquisition des connaissances par l'éducation car les scores obtenus lors de ces évaluations renseignent à la fois sur le contenu et la qualité de l'éducation ainsi que les facteurs influençant cette acquisition. Ces scores reflètent mieux le capital humain.

Toutefois, le fait que le score en mathématiques ne soit pas une bonne mesure du capital humain laisse à croire que certains types de connaissances ne sont pas à considérer comme capital humain. En prolongeant cette idée, le système éducatif ne fournit pas toujours les connaissances qui sont à comptabiliser en tant que capital humain. Sur ce point, le CIEP^40(*) a écrit :

(...) l'organisation de l'enseignement devait permettre de former l'individu dans toutes ses dimensions, (...) la formation de la dimension d' « homme - producteur » était insuffisante, ou parfois quasi totalement négligée. (CIEP, 2006, P.16)

Dans ce cas, l'éducation contribue peu à l'amélioration de la productivité, ce qui légitime les doutes sur la relation éducation - productivité par la théorie du signal. Toutefois, il faut remarquer que les scores de test lors des évaluations internationales permettent de mesurer directement le capital humain sans passer par le salaire et en même temps de démontrer sa contribution à la croissance économique (donc ses effets sur la productivité) par sa significativité dans la fonction de production. Par conséquent, la théorie du capital humain peut être appliquée sans référence au salaire. Nous pouvons alors éviter le passage par l'hypothèse de la théorie néoclassique de la répartition (H4 & H5^41(*)), ce qui laisse à croire que la mesure du capital humain devrait se faire dans le cadre d'une évaluation directe.

3.1.2 Base du raisonnement

Jusque là, l'hypothèse que l'éducation est la principale composante de l'investissement en capital humain reste gênante. En effet, cette hypothèse est à la base de bon nombre de limites^42(*). Pour les éviter, contentons nous de dire que l'éducation et l'expérience sont des investissements en capital humain parmi tant d'autres. Toutefois, la prépondérance de ces investissements reste à vérifier, ce qui nous permet d'avoir la figure suivante :

Comme nous pouvons le voir sur cette figure, notre fond théorique sera une vision simplifiée de la théorie du capital humain. En simplifiant la démarche de la théorie du capital humain et en évitant la référence au salaire, nous pouvons éviter de nombreuses faiblesses. Toutefois, un problème reste à résoudre : comment mesurer ce capital humain ?

Si le capital humain représente les qualités personnelles acquises à partir d'actes délibérés d'investissement pouvant influencer le savoir-faire d'un individu, le capital humain devrait représenter la compétence.

3.1.3 Le concept de compétence

S'inspirant des travaux du CIEP^43(*), nous entendons par compétence la faculté de mobiliser les connaissances et l'intelligence dans les situations de travail. Il faut remarquer qu'ici, les notions de connaissance et d'intelligence sont à considérer dans un sens très large et sont indissociables. C'est dans ce sens que nous pouvons citer la définition que Jean Vincens a retenue du concept de compétence :

Par compétence, on entend l'intelligence individuelle et collective des situations productives (...) Cette intelligence constitue à la fois dans l'anticipation du complexe de déterminants techniques, économiques et sociaux de ces situations, dans l'initiative manifestée lors d'un évènement (une panne ou le lancement d'un produit nouveau), et enfin dans la compréhension a posteriori, acquise et partagée, de ce qui s'est passé. (LIRHE, oct 2001, P. 10)

Il est clair qu'il s'agit d'aptitudes gestuelles, aptitudes à raisonner, à communiquer et à s'impliquer personnellement. En bref, en anglais c'est le « skill : Pratical knowledge in combination with ability; cleverness; expertness^44(*) »

3.2 Proposition de méthode pour évaluer le capital humain

Pour mesurer ce capital intangible, il convient alors de se référer à la compétence réelle individuelle ou collective. Pour ce faire, nous pouvons nous inspirer de la méthodologie adoptée par les évaluations internationales des acquis des élèves, des travaux d'Hanushek et Kimko (2000) et celui de Barro (2001). Toutefois, comme nous l'avons mentionné dans le premier chapitre^45(*), il se pourrait que certains secteurs d'activité requièrent peu de capital humain. Il conviendrait alors d'adopter une approche filière pour éviter ce problème.

Sommairement, la méthode consiste à évaluer le capital humain de façon analogue aux évaluations internationales, puis à combiner les scores de manière à mieux refléter la compétence par la mise en cohérence avec la productivité. Puis, il faut analyser quels types d'activités sont à considérer comme investissements en capital humain et enfin, construire à partir de la combinaison de ces investissements retenus un indicateur composite du capital humain. Cette démarche peut être résumée par le schéma suivant :

3.2.1 Formulation du test : privilégier le concept de compétence

Comme dans la théorie du signal, nous sommes en situation de sélection adverse car le capital humain n'est pas tangible. Nous traduisons alors nos croyances sur les compétences requises dans ces tests. La mesure du capital humain devrait en conséquence se baser sur les scores de test, ce qui fait que cette étape soit très importante. En raison de l'importance de la dimension « homme-producteur » dans le concept de capital humain, nous devons privilégier cette dimension en insistant sur le concept de compétence et orientant les items vers une relation directe avec la productivité. Comme dans les évaluations internationales des acquis, il serait intéressant de subdiviser les items par grands blocs (exemple : mathématiques, compréhension de l'écrit, culture scientifique, ...) pour préciser quels types d'aptitudes sont les plus importants. S'inspirant toujours des évaluations internationales, il faut faciliter la compréhension des questions en traduisant le test dans la langue/dialecte de la population cible. Ceci évite les incompréhensions potentielles de la part des enquêtés.

3.2.2 Choisir la meilleure combinaison de bloc de scores pour refléter le capital humain

Cette étape s'inspire des travaux de Barro (2001) et ceux d'Hanushek et Kimko (2000). Il s'agit d'analyser quelles sont les composantes du stock du capital humain. Nous entendons par là les différents types d'aptitudes (reflétées par les scores par bloc) les plus significatifs. Pour ce faire, il faut estimer une fonction de production (microéconomique^46(*) ou macroéconomique) et analyser la significativité des blocs de scores. Une combinaison des scores les plus significatifs est alors nécessaire pour avoir un score global plus pertinent ou autrement, il faut utiliser différents blocs de score. La productivité n'étant pas que fonction du capital humain, par cette étape nous pouvons calculer la part attribuable au capital humain.

Toutefois, il faut bien spécifier les modèles de façon à refléter les effets du capital humain sur la productivité en même temps qu'il faut bien choisir les observations de manière à bien représenter le phénomène à étudier. Sur ce, il convient de considérer trois effets de productivité du capital humain^47(*) :

Les effets de productivité directs représentent les effets directs du niveau du capital humain sur la productivité. Ces effets doivent se manifester par une différence de productivité entre un groupe d'individus ayant un faible stock de capital humain et un autre ayant un stock de capital humain supérieur.

Les effets de productivité fondés sur la complémentarité traduisent le fait que les individus ayant un niveau de capital humain plus élevé réagissent mieux aux incitations et aux politiques de transfert de technologies. Par exemple, ils réagissent mieux à l'amélioration du prix de leurs produits ou à la subvention des inputs. Concernant la technologie, ils assimilent plus vite les nouveaux procédés de fabrication et utilisent mieux les nouvelles machines plus performantes.

Les effets dynamiques traduisent le fait que les individus les plus compétents sont plus aptes à innover. Ces effets se combinent et se reflètent par l'effet global du capital humain sur la productivité. Cependant, il est intéressant de considérer séparément ces effets pour mieux comprendre le paradigme capital humain - productivité et de ce fait mieux prévoir les impacts des interventions politiques.

3.2.3 Repérer les différents types d'investissement en capital humain les plus significatifs

Cette étape se base sur le modèle de Mincer^48(*) mais la variable dépendante sera le score de test à la place du salaire. C'est dans cette étape que nous pouvons juger l'apport des différents types d'investissements en capital humain, notamment l'éducation formelle.

Pour les différents types, il convient de bien spécifier l'orientation des différentes formes d'investissement. Par exemple, pour l'éducation, il faut bien discerner l'orientation générale de l'orientation technique ou professionnelle. Il convient aussi de considérer de quel type de formation il s'agit : est-ce de type formel ou de type informel ? Donc, dans cette étape, l'éclaircissement sur les différentes stratégies d'amélioration du capital humain dépend de la qualité de classification des différents types d'investissement en capital humain.

3.2.4 Construire un indicateur composite du capital humain à partir de la combinaison de ces différents types d'investissement

Cette étape permet de faire une estimation du stock de capital humain par la création d'un indicateur composite. L'hypothèse qui soutient cette démarche est que le poids de chaque investissement reste stable dans le temps et dans l'espace. Cette hypothèse est assez simplificatrice mais une approche par filière pourrait justifier sa validité. L'intérêt de créer cet indicateur composite par filière est le fait qu'il permettra de désagréger les effets d'une politique relative au capital humain au niveau macroéconomique à un niveau filière ; tenant ainsi en compte les spécificités des filières étudiées. Il faut toutefois faire un suivi des éventuelles variations dans le poids de chaque forme d'acquisition du capital humain dans le temps qui reflète la variation de l'efficacité du système éducatif^49(*).

Cette partie nous a alors permis de mieux comprendre ce qu'est le capital humain ainsi que le contexte de l'émergence du concept. Nous pouvons alors remarquer que la mesure usuelle du capital humain est à la fois liée à ce contexte et au prolongement de ce concept qu'est la théorie du capital humain. Par une analyse théorique, nous avons alors remarqué que cette théorie se repose sur des hypothèses contestables qu'il faut considérer afin de pouvoir évaluer d'une façon plus juste le capital humain. A cet effet, notre proposition d'une méthode d'évaluation du capital humain se base sur une vision plus souple de la théorie du capital humain et faisant appel aux méthodes utilisées par cette théorie.

Conclusion chapitre 3

Par ce nouveau cadre théorique, qui est une vision simplifiée de la théorie du capital humain, et l'application des méthodes adoptées par les recherches empiriques, une méthodologie d'évaluation du capital humain est concevable. Celle-ci à la fois modère les faiblesses au niveau théorique et intègre les approches adoptées par la recherche empirique.

Conclusion partielle de la première partie

La tentative d'explication de l'économie américaine pendant la première moitié du vingtième siècle a abouti au concept de capital humain. Le contexte a été caractérisé par la coïncidence de deux phénomènes: les dépenses publiques élevées en matière d'éducation et la croissance économique soutenue. Le concept s'est vite prolongé en une théorie, la théorie du capital humain. Cette dernière s'est surtout basée sur le modèle de Mincer qui sous certaines hypothèses constitue une mise en évidence de la contribution productive dudit capital à la création de richesse et quelque part postule que les principaux canaux d'acquisition de ce capital sont l'éducation et l'expérience.

Un diagnostic le long des hypothèses périphériques de la théorie du capital humain a montré ses faiblesses. Par ailleurs, cette analyse des hypothèses supporte bien les résultats des recherches empiriques sur la robustesse des mesures du capital humain. En effet, les comparaisons internationales assurent une variabilité de la performance des systèmes éducatifs et ainsi le niveau d'instruction informe seulement sur les moyens mais non sur les résultats c'est-à-dire la génération de capital humain.

Une amélioration de la méthode d'évaluation du capital humain est alors proposée. Celle-ci s'appuie sur un cadre théorique simplifié de la théorie du capital humain tout en restant fidèle au concept. La méthode proposée dans ce travail offre l'avantage d'avoir une base conceptuelle avec moins d'hypothèses contraignantes et d'utiliser les techniques adoptées pour les recherches empiriques.

Partie II Mise en application de la méthode : le cas de la filière riz dans les districts de Betafo et de Mandoto

Cette seconde partie est consacrée à la mise en application de la méthode d'évaluation du capital humain que nous proposons dans le chapitre précédent. Dans le chapitre quatre, nous essayons de contextualiser cette mise en application et présentons notre méthodologie.

Le dernier chapitre est consacré aux présentations des résultats obtenus selon les étapes de notre démarche d'évaluation du capital humain. Ce chapitre s'achève par une étude de cas concrétisant la portée et l'intérêt de notre proposition.

Chapitre 4: Choix de la filière, du terrain et présentation de la méthodologie

Ce chapitre a pour objectif de justifier le choix de la filière, du terrain et de présenter la méthodologie adoptée. La filière choisie touchant la majorité des malgaches, la tendance de son productivité suscite un intérêt particulier. Pour ce qui est de la méthodologie, la démarche globale sera sommairement développée.

4.1 Justifications du choix de la filière et du terrain

4.1.1 Choix de la filière riz

La majorité des Malgaches dépendent encore de l'agriculture. Trois ménages sur quatre pratiquent au moins une activité agricole. Pour les ménages qui en font une activité principale, environ deux chefs de ménage sur trois font vivre leur famille des activités liées à l'agriculture. En milieu rural, la proportion atteint trois chefs de ménages sur quatre. Les taux les moins élevés se rencontrent en milieu urbain dans les provinces d'Antananarivo et d'Antsiranana. Ces zones sont d'ailleurs vues comme celles où le taux d'incidence de la pauvreté est le moins élevé. A l'inverse, les régions rurales des cinq provinces à l'exception d'Antananarivo sont encore fortement agricoles avec un taux supérieur à 75%.

Par conséquent, l'agriculture mobilise des ressources humaines considérables. En effet, l'agriculture touche une large couche de la population puisque en addition à cette forte proportion des ménages agricoles, la valeur traditionnelle malgache matérialisée par l'entraide reste présente dans les activités agricoles. Par exemple, 35,7% des travaux des champs font appel à l'entraide communautaire et 70,9% aux aides familiales. Il faut remarquer que dans la province d'Antananarivo, ces taux sont plus importants (respectivement 53,4% et 74,7%).

Tableau 5. Proportion de parcelles ayant nécessité différents types de main d'oeuvre, par province

Selon l'EPM 2004^50(*), c'est la culture du riz qui mobilise le plus de main d'oeuvre de tout type (entraide familiale, salariat et communautaire). Cela met en exergue l'importance stratégique de ce produit dans la vie des agriculteurs et par conséquent sur la vie des Malgaches. Dans l'optique de la théorie du capital humain, le niveau d'éducation devrait expliquer le niveau de revenu en agissant sur la productivité. L'amélioration du capital humain des agriculteurs devrait alors avoir d'importants impacts sur la réduction de la pauvreté.

Du point de vue technique, l'agriculture malgache reste très traditionnelle. Par exemple, seules les cultures faites sur 2,2 % des parcelles ont nécessité des tractions mécaniques. La majorité n'a eu besoin d'aucune traction (66,1%). Néanmoins, 33,1% des parcelles ont nécessité la traction animale. Là encore, c'est dans la riziculture que les outils à traction animale sont les plus utilisés. En effet, ces outils ont été utilisés dans 43,6% des parcelles de paddy contre 15,1% pour la pomme de terre et 18,8% pour les haricots.

Nous en déduisons alors que l'agriculture malgache est très en retard du point de vue technique. C'est dans ce contexte que l'introduction du concept de capital humain est intéressante. En effet, si c'est l'homme qui décide des techniques à adopter dans l'agriculture, c'est la qualité de l'humain qui doit être faible pour expliquer ce retard technique.

Supposons que le capital humain se mesure par l'année d'éducation, il est intéressant de mesurer le niveau de capital humain des agriculteurs. Apparemment, le niveau de capital humain des agriculteurs est faible car seulement près de la moitié des individus vivant en milieu rural ont atteint le niveau primaire et, moins d'une personne sur dix n'a atteint le niveau secondaire.

Tableau 7. Répartition de la population selon le niveau d'instruction, par milieu et par genre

Dans le cadre de la théorie du capital humain, est-ce que ce faible investissement en éducation reflète une faible nécessité de capital humain dans le secteur primaire, notamment dans la filière riz ? Toutefois, considérant l'expérience, le niveau de capital humain des riziculteurs devrait être élevé car la riziculture est une activité principale des Malgaches depuis des lustres. Quel est alors le niveau de capital humain de ces riziculteurs ?

D'après la base de notre raisonnement, il faut se référer à la productivité pour éclaircir le débat. A partir des données de l'International Rice Research Institute pour Madagascar couvrant la période 1962 à 2007, considérons l'équation suivante pour calculer le taux de croissance moyen^51(*) du rendement à l'hectare:

LOG(YIELD) = C(1) + C(2)*YEAR, où YIELD est le rendement moyen courant observé, YEAR l'année courante et C(1) et C(2) sont les paramètres à estimer (constantes).

Il en résulte que l'analyse de la productivité à partir du rendement à l'hectare n'apporte pas grand-chose. En effet, le taux d'accroissement du rendement à l'hectare à Madagascar est assez stationnaire. Malgré les années d'expériences, ce rendement évolue très peu. En effet, depuis plus de 30 ans, le taux d'accroissement moyen du rendement à l'hectare du paddy par an est de 2,7119% (ANTILOG (0,01162070753)-1). En d'autres termes, le rendement à l'hectare du paddy à Madagascar ne double que tous les 26^52(*) ans (ln(2)/ln(1,027119)). Toutefois, depuis l'année 2005, il semble qu'il y ait une significative amélioration de cette performance (changement de tendance par rapport à cette moyenne).

Figure 6. Estimation du taux d'accroissement moyen du rendement à l'hectare du paddy à Madagascar

Par rapport aux autres pays, la performance malgache avoisine celle des pays africains malgré que le riz constitue notre aliment de base. Vis-à-vis des pays asiatiques comme le Japon, cette performance est très faible. Au niveau international, c'est l'Égypte qui possède les meilleures performances depuis les années 90^53(*). D'un point de vue global, notre performance ne s'écarte pas des 2,3 tonnes/ ha et en moyenne entre 1961 et 2007, notre rendement est de 1,9730 tonnes à l'hectare.

Tableau 8. Statistiques du rendement à l'hectare du paddy en moyenne entre 1961 et 2007

Sample: 1961 2007


	MADAGASCAR	MAURITANIA	GHANA	EGYPT


Mean	1.973056	3.414722	1.461111	7.053056
Median	1.915000	3.515000	1.615000	6.050000
Maximum	2.590000	5.000000	2.280000	10.08000
Minimum	1.560000	0.000000	0.590000	5.060000
Std. Dev.	0.247788	1.111718	0.546248	1.732112

4.1.2 Choix du terrain

Principalement, nous avons choisi la sous-préfecture de Betafo en raison de l'importance de sa production de riz dans la province d'Antananarivo. En effet, pendant la campagne 2002 - 2003, Antananarivo constituait la principale province productrice de riz avec 779 685 tonnes de paddy. La sous-préfecture dont la production de riz est la plus importante dans la province d'Antananarivo est Betafo selon le tableau 9.

Province	Sous-préfecture	Production de Paddy (tonnes)
Antananarivo		779 685
	Betafo	87 055
	Miarinarivo	77 931
	Soavinandriana	65 318
Fianarantsoa		557 772
	Fianarantsoa II	120 975
	Vangaindrano	46 423
	Farafangana	35 496
Toamasina		519 691
	Amparafaravola	156 201
	Ambatondrazaka	117 466

Mahajanga		478 377
	Marovoay	62 290
	Ambato Boéni	60 905

Toliara		251 119
	Betioky	45 631
	Morombe	40 331
Antsiranana		212 636
	Vohimarina	38 291
	Ambanja	32 940

Source : MAEP, Enquête Annuelle sur la Production Agricole, Campagne 2002-2003^55(*)

Nous nous sommes focalisés au milieu rural pour essayer de représenter les ménages agricoles. De plus, le milieu rural présente de bonnes configurations pour une application de notre méthode dévaluation du capital humain : le niveau d'instruction atteint faible, l'expérience en pratique rizicole élevée, ...

En raison de leur proximité et de nos possibilités d'hébergement, nous avons préféré les districts de Betafo et de Mandoto.

4.2 Présentation de la méthodologie

4.2.1 Objectifs de l'enquête

L'objectif de notre enquête a été de collecter des données d'une taille suffisamment importante pour pouvoir appliquer la méthode d'évaluation du capital humain que nous proposons dans ce travail. A cet effet, aucun plan de sondage n'a été élaboré. L'enquête vise spécifiquement à fournir des données statistiques sur les activités rizicoles dont la récolte et les ressources mobilisées par les ménages, sur les investissements potentiels en capital humain des chefs d'exploitation et sur le niveau de capital humain de ces derniers.

4.2.2 Démarche globale

(1) La formulation du questionnaire

Basée sur notre cadre théorique, notre questionnaire^56(*) vise à collecter des informations sur :

- les ressources mobilisées pour avoir ces récoltes dont la superficie des rizières, les ressources humaines, les ressources financières, les outils de production, les semences et les fertilisants utilisés,

- les investissements en capital humain recensés par la théorie du capital humain à savoir l'éducation, la formation, l'âge et l'expérience,

- les investissements potentiels en capital humain que nous pensons être significatifs dont la participation à des discussions sur les meilleures pratiques en matière de riziculture et l'adhésion aux associations paysannes et

(2) Déroulement de l'enquête

L'enquête a été effectuée par interviews directes des chefs d'exploitation dans leur demeure. Quand certains de ces chefs d'exploitation n'étaient pas présents, nous étions revenus le lendemain. Les enquêtes ont duré en moyenne une quarantaine de minutes, la partie évaluation du capital humain occupant la majorité du temps. Chaque entretien a été suivi d'une petite discussion sur les bonnes réponses quand les individus enquêtés s'y intéressaient.

Nous avons dépensé en tout deux semaines sur terrain. Certains chefs d'exploitation n'ont pas voulu poursuivre l'interview jusqu'au bout ou bien ont préféré passer certaines questions. Par conséquent, sur nos cent questionnaires de départ, seuls quatre vingt six sont exploitables. En effet, il y a eu un petit groupe d'individus qui ne nous ont pas fait confiance sur la nature de l'enquête. La première semaine à Betafo a permis de collecter trente huit observations et la seconde à Mandoto, quarante huit.

(3) Création et exploitation de la base de données

La saisie des données a été réalisée sous Access. L'analyse statistique des données ainsi que l'analyse en composante principale (ACP) des scores ont été faites sur SPSS. Les estimations des équations ont été effectuées sur ce même logiciel et la partie simulation de l'étude a été faite sur Eviews.

4.2.3 Les scores obtenus lors de l'évaluation

La partie consacrée à l'évaluation du capital humain de notre questionnaire comporte dix neuf questions. Elle est répartie en sept thèmes^57(*) dont :

Chaque bonne réponse a été codée 1 et les mauvaises réponses 0. Pour chaque thème (bloc de score), la somme des bonnes réponses constitue le score obtenu pour chaque observation.

Conclusion chapitre 4

La filière riz revêt un intérêt particulier car mise à part son envergure au niveau de la mobilisation des ressources humaines, la performance malgache en termes de rendement rizicole constitue un contexte idéal pour notre recherche. Pour ce faire, les principales phases en matière d'enquêtes quantitatives ont été adoptées. Toutefois, l'échantillonnage a été omis vu que l'objectif était de collecter une masse de données assez consistante pour tester la méthodologie.

Chapitre 5: Résultats de la mise en application de la méthode pour notre échantillon

Ce chapitre vise à présenter les résultats de l'application de la méthodologie. Etape par étape, il fournit en détail les résultats obtenus et les méthodes utilisées. Il s'agit surtout des statistiques issues des données collectées. Pour finir, une étude de cas est présentée pour mettre en évidence les gains en matière de précision dans la mesure du capital humain. A cet effet, des simulations seront effectuées suite aux modèles estimés lors des étapes décrites dans la méthodologie proposée^58(*).

5.1 Etape 1 : formulation du test

Se basant sur la définition du concept de compétence^59(*), nous avons formulé une série de tests qui concernent les aptitudes de base en application numérique, en conversion d'unités et les connaissances spécifiques à la filière riz. Concernant ces connaissances spécifiques, nous nous sommes référés à la fiche technique du MAEP sur le SRI vu que les techniques appliquées à ce système de riziculture constituent les meilleures pratiques en matière de riziculture irriguée, orientant ainsi les connaissances testées vers une relation directe avec la productivité. Concrètement, il s'agit des connaissances sur le niveau optimal de l'eau, sur les différents entretiens à faire dans les rizières, sur les dosages des fertilisants, sur le timing des activités et sur le repiquage^60(*). Le questionnaire a été rédigé en malgache comme nous l'avons préconisé dans la partie théorique^61(*).

5.1.1 Scores en application numérique

Sur les deux questions en application numérique^62(*), la plupart des enquêtés (61,63%) ont eu deux mauvaises réponses. Environ le tiers des enquêtés (34,88%) ont eu une réponse juste sur deux et 3,49%, soit trois personnes sur les quatre vingt six enquêtés seulement ont eu deux réponses exactes.

5.1.2 Scores en conversion

Sur les deux questions relatives à la conversion^63(*), 44,19% des enquêtés ont eu des mauvaises réponses et 45,35% ont eu une réponse juste sur deux. Malgré que les questions posées relèvent d'une connaissance de base, nous pouvons remarquer que les aptitudes des individus enquêtés en matière de conversion sont faibles puisque seulement 10,47% ont eu deux bonnes réponses sur les deux questions.

5.1.3 Scores sur les niveaux optima de l'eau

Nous constatons que c'est dans ce domaine que les enquêtés excellent le moins. En effet, près des quatre cinquièmes (79,07%) des individus n'ont eu aucune bonne réponse sur les deux questions posées^64(*). 19,77% des individus ont eu une bonne réponse sur deux et seulement un individu sur les quatre vingt six a répondu de façon exacte aux deux questions.

5.1.4 Scores en entretien des rizières

Nous remarquons que sur les quatre questions posées, aucun des enquêtés n'ont pu avoir quatre réponses exactes. La plupart des individus (37,21%) ont eu une bonne réponse sur quatre et 31,40% ont juste eu la moyenne.

5.1.5 Scores en dosage des fertilisants et des semences améliorées

Nous constatons aussi que la connaissance des enquêtés sur le dosage des fertilisants et des semences améliorées est très faible. En effet, sur les quatre questions posées, la majorité des individus enquêtés (75,58%) n'ont eu aucune bonne réponse.

Ces résultats peuvent s'expliquer par le fait que peu d'individus utilisent des semences améliorées et des fertilisants chimiques. Ces pourcentages sont respectivement 26,74% et 16,28%.

Figure 8. Pourcentage des individus utilisant des fertilisants chimiques et des semences améliorées

5.1.6 Scores en techniques de timing des activités

Sur les deux questions en timing des activités, nous constatons que les enquêtés ont un bon timing car une bonne partie des répondants (37,21%) a répondu convenablement aux questions posées contre 22,09% seulement pour ceux qui y ont répondu de façon incorrecte.

5.1.7 Scores en repiquage

Nous constatons à partir des réponses aux trois questions d'ordre technique sur le repiquage que la connaissance des enquêtés dans ce domaine est moyenne. En effet, la répartition des individus selon le niveau de score en repiquage est plus ou moins égale à un tiers et 93,02% ont eu moins de trois bonnes réponses. Six individus sur les quatre vingt six seulement ont bien su répondre aux trois questions.

5.2 Etape 2 : Choix de la meilleure combinaison de bloc de scores

En raison de l'impossibilité de l'estimation d'une fonction de production liée au fait que les réponses des individus sur la superficie des rizières qu'ils possèdent, et probablement les ressources utilisées, ne sont pas exactes, nous avons choisi de nous focaliser sur l'analyse des scores. Comme il y a sept blocs de scores, nous avons procédé à une analyse en composante principale (ACP) afin de réduire le nombre de variables à analyser et en même temps avoir une meilleure combinaison de scores de manière à minimiser la perte d'information issue de cette réduction. Cette méthode présente également des avantages comme le fait que c'est une méthode d'analyse de données multivariées. Elle permet donc de décrire et d'explorer les relations qui existent entre plusieurs variables simultanément à la différence des méthodes bivariées qui étudient les relations supposées entre deux variables.

On cherche alors les corrélations qui existent entre les différentes variables pour rapprocher au sein de composantes les variables les plus proches d'elles. On regroupe donc les variables pour qu'elles composent des dimensions dans le but de réduire le nombre de caractéristiques décrivant les individus afin de mieux interpréter les données. Les composantes sont des combinaisons linéaires des variables initiaux.

5.2.1 Analyse des corrélations entre les blocs de scores

Nous pouvons constater dans le tableau 18 que la maîtrise des applications numériques est associée à la maîtrise des conversions et des techniques sur le repiquage (colonne 1). La capacité dans la conversion est positivement associée aux connaissances en dosage des fertilisants et des semences améliorées (colonne 2). La connaissance des niveaux optima de l'eau n'est corrélée, et ce négativement qu'avec le timing des activités (colonne 3). La connaissance des activités d'entretien des rizières quant à elle est associée aux connaissances en repiquage, en dosage et en timing (colonne 4). En fin de compte, quelques blocs de score sont corrélés entre eux sauf ceux concernant le niveau optimal de l'eau mais à un degré d'association relativement faible. L'ACP est alors adaptée pour traiter ces données.

5.2.2 Extraction de trois dimensions

Le tableau 19 ci-après présente les trois dimensions extraites qui permettent de résumer l'ensemble des informations sur les résultats des tests. Autrement dit, les variables qui composent la première dimension synthétisent 28,73% de l'ensemble des informations sur les évaluations. C'est pourquoi nous pouvons dire que la première dimension explique 28,73% de la variance. La deuxième dimension explique 17,94% de la variance et la dernière 14,46%. Les trois dimensions expliquent au total 61,13%. C'est sur ces trois dimensions que nous allons travailler dans le travail qui suit.

Le tableau 20 permet de répondre à la question : dans quelles mesures les variables de départ sont-elles prises en compte par les variables extraites ? Par exemple, la qualité de représentation du score en application numérique est de 0,626, ce qui veut dire que 62,6% de la variance de cette variable est pris en compte dans l'une des dimensions extraites.

Il existe plusieurs manières d'étudier les coefficients qui sont présentés dans la matrice des composantes (tableau 21). D'une part, les colonnes correspondent à chacune des dimensions extraites. Elles peuvent s'interpréter comme des coefficients de corrélation : le score en repiquage avec la dimension 1. D'autre part, tous ces coefficients forment les coefficients a, b, c, ... d'une droite de régression de la composante. Ainsi, la composante 1 = 0,742* « score en repiquage »+ 0,642* « score en dosage »+...

Enfin, la matrice des composantes nous permet de nommer les dimensions extraites en étudiant les coefficients de chacune des variables par rapport aux dimensions. Ainsi nous allons appeler la dimension 1 « culture scientifique ». En effet, les variables les plus représentées dans cette dimension sont basées sur des connaissances scientifiques. Par exemple, en matière de repiquage, le bout de terre accroché à la pépinière ne doit pas être enlevé pour ne pas abîmer les jeunes racines. Le poids des scores en conversion et en application numérique dans cette dimension confirme bien le fondement de l'appellation. Pour la deuxième dimension, il est clair qu'il s'agit de « connaissances sur les niveaux optima de l'eau ». La dernière dimension sera appelée « connaissances pratiques ». En effet, c'est le score en entretien des rizières, lequel est basé sur des connaissances pratiques par rapport aux tâches à effectuer sur les rizières, qui est le plus représenté dans cette dimension. De plus, cette dimension est négativement corrélée avec le score en application numérique et en conversion, ce qui l'oppose à une vision scientifique.

Nous avons alors pour chaque observation trois scores issus de ces trois dimensions. Cependant, les valeurs de ces scores diffèrent selon la dimension considérée. Pour les ramener à un même niveau, des indices base 100 pour chaque dimension ont été calculés en s'inspirant des méthodes de calcul des indices dimensionnels de l'IDH^65(*). Nous calculons alors un indice base 100 de ces scores par la formule suivante :

En effet, par cette méthode, il est possible d'avoir un indice prenant une valeur entre 0 et 100. Nous appliquons alors cette formule pour chaque dimension à partir des données extraites de l'ACP pour nos observations (tableau 22).

5.3 Etape 3 : Identification des différents types d'investissement en capital humain les plus significatifs

Dans cette étape, nous avons retenu cinq types d'investissement en capital humain. Se basant sur une classification du CITE^66(*), nous avons retenu l'éducation formelle (dont nous supposons que l'orientation est générale) et une éducation non formelle dont l'orientation est professionnelle : les formations relatives à l'agriculture. A part ces deux types d'éducation, nous avons aussi considéré d'autres investissements potentiels en dehors du système éducatif. C'est le cas de l'expérience en gestion de riziculture. Il ne s'agit pas ici de la participation à des activités rizicoles mais de leur gestion. Nous avons aussi considéré l'adhésion aux associations paysannes. En effet, l'adhésion à ces associations peut être considérée comme un acte volontaire d'investissement en capital humain car elle génère des coûts d'opportunités et probablement des coûts financiers. Enfin, le fait de souvent participer à des discussions sur les meilleures pratiques rizicoles sera considéré.

5.3.1 Examen préliminaire sous forme de graphiques des relations scores investissements en capital humain

(1) Années d'instruction

En regroupant les années de scolarité en cinq grandes classes, nous pouvons remarquer par le graphique qui suit qu'il y a plus ou moins une relation linéaire positive entre les scores et le niveau d'instruction.

Pour la culture scientifique, nous pouvons dire qu'elle croît avec le nombre d'années de scolarité. Toutefois, à partir du secondaire second cycle, plus précisément entre la douze et la treizième année d'instruction, nous constatons la décadence de cette culture scientifique. Comme il s'agit d'une culture scientifique mobilisée dans la filière riz, ce phénomène est compréhensible. En effet, au fur et à mesure que l'année de scolarité augmente, les acquis scolaires s'éloignent des activités traditionnelles comme l'agriculture, sauf si l'étude poursuivie s'oriente dans ce sens.

Pour le niveau de connaissance en niveaux optima d'eau, la relation avec l'éducation ne semble pas être vérifiée. Pour le niveau de connaissance pratique, exception faite pour la classe [15 - 16], sa relation avec l'éducation semble aussi être une forte relation positive linéaire. Ceci reflète l'importance de l'éducation : les individus les plus éduqués acquièrent plus de l'expérience. La relativité de l'expérience que nous avons avancée dans la première partie^67(*) se trouve alors vérifiée.

(2) Années d'expérience en gestion de riziculture

En faisant un regroupement en cinq classes, nous pouvons voir à travers le graphique ci-dessous que l'expérience n'a pas à priori de relation avec la culture scientifique ; ce qui est intéressant car ce phénomène pourrait expliquer la pratique des techniques de riziculture traditionnelles qui se transmet de génération en génération. En effet, du point de vue scientifique, ces pratiques ne sont pas toujours bonnes. Par exemple, en matière de repiquage, le fait de repiquer les jeunes plants deux par deux est une pratique habituelle pour les individus enquêtés, surtout les individus plus âgés. Paradoxalement, la relation de l'expérience avec le niveau de score en connaissances pratiques est négative, exception faite pour la classe [38 à 45 ans].

Toutefois, l'expérience ne joue pas que des rôles négatifs vis-à-vis des connaissances. En effet, exceptée pour la classe [< 5 ans], nous pouvons constater qu'il y a une relation linéaire positive entre le niveau d'expérience et la connaissance des niveaux optima de l'eau. Cependant, la pente de cette relation est très faible.

(3) Nombre de formations en agriculture suivies

En regroupant le nombre de formations suivies en trois grandes classes, nous pouvons constater que la formation a des effets importants sur le niveau de culture scientifique. Par la figure qui suit, nous pouvons voir que la pente de la relation positive entre le niveau de score en culture scientifique et le nombre de formations suivies est forte. Nous pouvons interpréter ce phénomène par l'abandon des cultures traditionnelles au profit d'une connaissance plus scientifique sur la riziculture via la formation. Nous pouvons aussi déduire de cette figure que pour la filière riz, une orientation technique ou professionnelle est préférable à l'orientation académique.

Cependant, la connaissance en niveau optimal de l'eau reste une lacune pour ces formations. Comme nous n'avons pas fait une distinction entre les types de formation, il est compréhensible que ce score ait une relation négative avec le nombre de formations suivies car ce type de connaissance peut être spécifique à la filière riz. Nous avons aussi abordé l'effet de l'expérience sur le niveau de connaissance en niveau optimale de l'eau dans l'analyse de la figure précédente. Puisque la culture scientifique tend à délaisser les pratiques traditionnelles, il est évident que ce score diminue en fonction du nombre de formations si ces formations n'intègrent pas le niveau de l'eau en riziculture.

(4) Participation à des discussions sur les meilleures pratiques

La participation à des discussions sur les meilleures pratiques a aussi des effets considérables sur le niveau de culture scientifique. En effet, la différence de scores obtenus par ceux qui participent et ceux qui ne participent pas à ce genre de discussions est notable. Toutefois, ces discussions n'ont pas d'effets significatifs sur les scores sur le niveau optimal de l'eau et les connaissances pratiques.

Figure 12. Niveau de scores selon la participation à des discussions sur les meilleures pratiques

(5) Adhésion à une association paysanne

A première vue, les associations paysannes locales ne sont pas performantes du point de vue de l'acquisition du capital humain. En effet, la différence de capital humain selon l'adhésion à une association paysanne n'est pas importante si nous nous basons sur les scores.

Nous en profitons dans la figure 11 et la figure 12 pour remarquer que l'échange d'idées sur les meilleures pratiques semble constituer un vecteur important en matière de transmission du capital humain dans les zones d'étude.

En demandant aux individus enquêtés la raison de la non adhésion à une association paysanne, la plupart ont répondu par l'inexistence de ces associations^68(*), ce qui privilégie la création d'associations paysannes pour une stratégie d'acquisition de capital humain puisque les riziculteurs discutent beaucoup sur les meilleures pratiques, témoignant ainsi de leur intéressement sur les techniques de riziculture (tableau 22). Entretenir cet intéressement dans un cadre plus formel et plus identifiable serait peut être opportun.

Tableau 23. Participation à des discussions sur les meilleures pratiques & adhésion à une association paysanne

5.3.2 Estimation des modèles

(1) Rappel sur le modèle de Mincer

Le modèle de Mincer traduit le fait que l'investissement en capital humain accroît la productivité des individus, se répercutant ainsi sur le salaire^69(*). En évitant les problèmes théoriques liés à la question de salaire, nous nous sommes heurtés à des problèmes sur la mesure de la productivité (rendement à l'hectare) car à cause de nos contraintes relatives aux données, nous n'avons pas pu construire une fonction de production. Nous supposons alors que nos mesures du capital humain soient en relation directe avec la productivité.

Reprenant le modèle de Mincer, nous prenons les LOG de ces indices comme variables à expliquer. Nous tentons d'expliquer ces variables par les investissements potentiels en capital humain. Comme nous avons pu extraire trois dimensions, nous estimons trois principaux modèles avec des variantes selon les investissements en capital humain retenus. Se basant sur la formulation du modèle de Mincer, les coefficients expriment de combien en moyenne, une année d'étude, une année d'expérience, la participation à une formation, ... accroît le capital humain si celui-ci est évalué en stock par des scores. Les facteurs exprimés sous forme de variables Dummy (dichotomique 1 - 0) tiennent compte des effets de groupe.

(2) Culture scientifique

(a) Qualités des modèles

Le premier modèle explique le score en culture scientifique par trois facteurs :

La capacité de ce modèle à expliquer le niveau de culture scientifique est très faible. En effet, si nous considérons le nombre de facteurs explicatifs, ce modèle n'explique que moins de dix pour cent de la variabilité de ce score (tableau 24, colonne 3).

Le deuxième modèle tient compte du nombre de formations suivies. Le résultat est encourageant car la capacité du modèle à expliquer le score en culture scientifique est multipliée par quatre^70(*) ; ce qui témoigne de l'importance du rôle que joue la formation, donc l'orientation de l'éducation, sur l'acquisition du capital humain.

Le troisième modèle, quant à lui, intègre en plus les effets de l'appartenance aux groupes de gens qui discutent souvent des meilleures pratiques rizicoles. Cette dernière information améliore la capacité du modèle à expliquer le score de 4,6%^71(*).

Le dernier modèle intègre les effets de l'adhésion à une association paysanne et de l'âge. Ces deux informations améliorent à leur tour le pouvoir explicatif du modèle de 3,5%^72(*) par rapport au troisième modèle.

Tableau 24. Capacités des modèles à expliquer les scores en culture scientifique

(b) Analyse des coefficients73(*)

En raison de sa performance à expliquer le score, nous allons retenir le quatrième modèle. Ne tenant pas en compte des facteurs explicatifs, le niveau de score est d'environ 25 (ANTILOG (1,398)). Le rendement des années de scolarité sur le score en moyenne est de l'ordre de 3,6%. Ce qui veut dire qu'en moyenne une année de scolarité améliore de 3,6 points de pourcentage le niveau de culture scientifique (basée sur l'indice 100 de nos scores). Il est à noter ici que cette dimension est la plus importante car à elle seule, elle résume 28,728%^74(*) de l'ensemble des informations sur capital humain dans la filière riz.

Les années d'expérience ainsi que l'âge détériorent cette culture scientifique. Les signes de ces coefficients sont en effet négatifs. Les taux de cette dépréciation sont respectivement de 1,4% pour les années d'expériences en gestion de riziculture et 0,9% pour l'âge. Nous pouvons interpréter ces résultats par la dépréciation du savoir quand il n'est pas entretenu. En effet, ces effets sont ici nets des facteurs d'entretiens des connaissances, à savoir les discussions sur les meilleures pratiques, les formations et les activités dans les associations paysannes.

Le nombre de formations en agriculture suivies a le plus d'impacts sur la culture scientifique. En effet, une formation en agriculture augmente en moyenne le niveau de culture scientifique de 6,6%, soit trois points de pourcentage de plus que l'éducation. Ce qui démontre l'importance de l'orientation de l'éducation. Une orientation plus technique est alors préférable pour la culture scientifique dans les zones étudiées, pour la filière riz. Ce résultat est cohérent avec celle d'une étude récente du BIT sur la pauvreté à Madagascar dans laquelle il a été souligné que la formation professionnelle, post scolaire ou sur le tas est un aspect important de l'investissement en capital humain^75(*).

Concernant les effets de groupe de la participation aux discussions sur les meilleures pratiques et l'adhésion aux associations paysannes, les rendements moyens de ces facteurs sont respectivement de 23,7% et 20,6%. Il faut noter que ces taux sont propres aux observations. Toutefois, ces taux élevés démontrent l'importance du cadre dans lequel se transmet le capital humain. En matière de riziculture et en milieu rural, l'acquisition du capital humain se fait surtout dans un cadre non formel.

(3) Connaissances sur les niveaux optima de l'eau

Nous avons effectué une analyse du niveau de connaissance sur le niveau optimal de l'eau par les mêmes facteurs explicatifs. Nous avons alors remplacé la variable dépendante par l'indice en connaissance du niveau optimal de l'eau. Malheureusement, la capacité des modèles à expliquer ce score est très faible^76(*), ce qui veut dire que tous les investissements potentiels en capital humain que nous avons retenu n'ont aucun effet significatif sur la variable étudiée.

Tableau 26. Capacités des modèles à expliquer les scores en connaissances sur le niveau optimale de l'eau

(4) Connaissances pratiques

De la même manière que la méthode précédente, nous avons tenté d'expliquer ce score mais nous sommes arrivés à des résultats similaires. Le troisième modèle attire tout de même notre attention car celui-ci arrive à expliquer 12,3%^77(*) de la variabilité de ce score si nous ne considérons pas le nombre de facteurs explicatifs.

Tableau 27. Capacités des modèles à expliquer les scores en connaissances pratiques sur les activités

Au niveau des coefficients, seuls ceux de la constante et de la variable dummy « adhésion à une association paysanne » sont significatifs^78(*), ce qui confirme la différence dans ce score entre les individus qui adhèrent et ceux qui n'adhèrent pas à une association paysanne (figure 13). Cependant, nous ne pouvons pas affirmer la causalité de cette différence de performance car nous n'avons aucune idée sur les activités de ces associations.

Selon le troisième modèle, ceux qui sont membres d'une association paysanne ont un score supérieur. Par rapport aux scores de ceux qui ne sont pas membres d'une association paysanne, cette différence de score s'élève à 23,5^79(*)%.

Tableau 28. Les coefficients des modèles pour les connaissances pratiques sur les tâches

Sur la piste des examens graphiques, nous avons aussi tenté d'expliquer ce score par un nombre limité de facteurs. Nous avons alors estimé deux sous-modèles. Le premier retient comme facteurs explicatifs : le nombre d'années d'instruction, le nombre d'années d'expériences en gestion de la riziculture et l'adhésion à une association paysanne. Le second modèle ajoute au premier l'âge.

Les résultats sont encourageants car par rapport au modèle précédent, considérant le nombre de facteurs explicatifs retenus, la capacité du premier sous-modèle à expliquer le score s'est améliorée de 2,3 points de pourcentage et pour le second, de 5,8 points de pourcentage^80(*).

Tableau 29. Capacités des sous-modèles à expliquer les scores en connaissances pratiques sur les activités

Se focalisant sur le second sous-modèle, par l'analyse des coefficients et sous réserve des limites de ce modèle, les années d'instruction augmentent en moyenne le niveau de connaissance sur les activités en riziculture de 2,6^81(*) points de pourcentage. L'appartenance à une association paysanne est considérable car par rapport à ceux qui ne sont pas membres, le niveau de connaissance dans le domaine augmente de 17^82(*) points de pourcentage. L'âge joue aussi un rôle prépondérant car une année accroît le score de 10,3^83(*) points de pourcentage.

Malgré leur non significativité, les signes des coefficients dans les deux sous-modèles pour les années d'expériences en gestion de riziculture sont surprenantes mais témoigne que nos modèles n'arrivent pas à expliquer ce score. Concrètement, cela veut dire que la théorie - notre cadre théorique- ne correspond pas aux réalités observées.

Tableau 30. Les coefficients des sous-modèles pour les connaissances pratiques sur les tâches

5.3.3 Interprétations

A partir de dix neuf questions demandant une mobilisation de l'intelligence, des connaissances et du savoir faire en matière de riziculture, nous pensons avoir démontré notre hypothèse de départ - c'est-à-dire que la mesure du capital humain doit incorporer en plus des mesures relatives aux années d'instructions, des mesures prenant en compte des autres moyens d'acquisition en capital humain. En effet, selon la théorie du capital humain, les principaux moyens d'acquisition du capital humain sont l'éducation et l'expérience. Comme l'expérience est difficile à mesurer, nous pouvons constater par cette théorie qu'elle a été mesurée par l'âge.

Tout en restant dans ce cadre théorique mais en tenant compte d'autres moyens d'investissements en capital humain et en le mesurant en stock par des évaluations basées sur un fiche technique du MAEP, nous avons pu démontrer que pour la filière riz et pour les individus de notre échantillon, l'éducation n'est pas le principal moyen d'acquisition du capital humain, ce qui privilégie une mesure multidimensionnelle du capital humain.

L'analyse des données issues de notre enquête sur terrain nous a permis de désagréger le concept de capital humain en trois grandes dimensions pour la filière riz. Classifiées dans un ordre décroissant de leur importance dans notre étude, ces grandes dimensions sont :

Concernant la première dimension, comme dans le capital physique, il y a des forces qui s'opposent : les facteurs d'accumulation et les facteurs de dépréciation. Les moyens d'acquisition sont principalement la formation et l'éducation mais d'autres facteurs tels que la participation à des discussions sur les meilleures pratiques ou l'adhésion à une association paysanne sont aussi à considérer. Les facteurs de dépréciation de cette première dimension du capital humain sont l'expérience et l'âge.

Dans cette dimension, l'expérience est assimilée à un facteur de dépréciation mais non à un facteur d'accumulation du capital humain. En effet, la dimension culture scientifique du capital humain représente la mobilisation de l'intelligence et des acquis par l'éducation ou par d'autres moyens dans la vie pratique, dans la riziculture. Par conséquent, sans les investissements, il n'y a pas ou que très peu de culture scientifique mobilisée dans la pratique de la riziculture, ce qui est un élément d'explication de la stationnarité du rendement du paddy à Madagascar depuis les années 70 (figure 7^84(*)). En effet, depuis toujours, l'expérience des riziculteurs malgaches en riziculture ne semble pas avoir d'influence sur le rendement du paddy. Avec un faible niveau de culture scientifique et du niveau d'investissement en capital humain, le savoir faire des Malgaches en matière de riziculture se transmet de génération en génération. Ces techniques de culture se transmettent alors aux générations suivantes sans éclaircissement scientifique sur leur fond. Par conséquent, le rendement du paddy à Madagascar est celui que permettent les techniques traditionnelles.

Si l'expérience croît avec l'âge, nos observations témoignent bien ce phénomène car la plupart des chefs d'exploitation enquêtés ont un âge de 50 ans. Le quart de nos observations seulement ont moins de 33 ans. La moitié de ces enquêtés ont plus de 45 ans et le plus âgé est de 65 ans.

Par exemple, 67,24%^85(*) des enquêtés pensent qu'il faut extraire le bout de terre accroché à la racine. Cette question est importante car chaque racine abîmée pèsera sur le rendement du paddy. Ce taux est au maximum (72,22%) pour les individus entre 30 à 45 ans.

L'âge est une variable intéressante ici car se référant à celui-ci, le système de l'éducation analysé à travers nos observations renvoie à la performance du système éducatif d'il y a une quarantaine d'années. Par exemple, par rapport aux modes de repiquage demandés, seuls 57,89% ont su bien répondre à la question et le quart des individus qui ont entre douze et treize années de scolarité croient encore qu'il faut repiquer le riz trois par trois. Globalement, 31,58% des chefs d'exploitation pensent qu'il faut repiquer le riz deux par deux et ce taux est à son maximum pour le niveau [10 à 11] années d'instructions.

En matière de conversion d'unité pour la surface (Application numérique 1^86(*)), 20% de l'échantillon seulement ont su répondre à l'équivalence de 10m² en Are et 28,75% admettent n'avoir aucune idée sur cette équivalence. 30% de l'échantillon pensent que 10m² équivaut à 1 Are tandis que l'Are est équivalent à 100m².

Comme nous avons posé treize questions englobées par la culture scientifique, nous pourrons analyser chaque réponse mais les analyser une par une serait fastidieux. Bref par ces questions et puis par les scores obtenus, nous pouvons estimer l'équation suivante :

LOG(I_CS)=1,398+0,036*édu+0,066*forma - 0,014 expce - 0,009*âge + 0,237 discut+0,206 assoc

Concernant la connaissance du niveau optimal de l'eau, malgré nos efforts pour expliquer cette dimension par une combinaison de facteurs explicatifs représentant les éventuels moyens d'investissement en capital humain, il a été totalement impossible de l'expliquer. Nous avons pensé que le fait de suivre des formations en agriculture ou encore les facteurs comme l'éducation, l'expérience et le fait d'être membre d'une association paysanne influenceraient sur cette dimension, comme le suggère l'examen graphique préliminaire, mais les résultats furent les mêmes. Comme nous n'avons pas spécifié de quel type de formation il s'agit, nous en concluons que cette dimension doit être propre à la filière. Il se pourrait aussi s'agir du fait que nos données ne contiennent pas assez d'observations des riziculteurs qui ont suivi des formations ou ceux qui sont membres d'associations paysannes (tableau 21). Toutefois, une autre possibilité reste inconsidérée, celle que les formations et les activités dans le cadre des associations ne permettent pas de connaître le niveau optimal de l'eau. Il se pourrait même que les riziculteurs ignorent l'existence d'un niveau optimal de l'eau.

Tableau 32. Formation - association paysanne - discussions sur les meilleures pratiques

Enfin pour expliquer la dernière dimension, nous avons pu trouver qu'elle est influencée positivement par le niveau d'éducation, l'âge et l'adhésion à des associations paysannes^88(*). Nous pouvons formuler ainsi un modèle dont la représentation est la suivante :

Comme le montre cette équation, l'accumulation de connaissances pratiques en matière de riziculture est surtout fonction de l'éducation reçue. Pour cette dimension, l'âge est assimilé à un facteur d'accumulation mais non plus à un facteur de dépréciation du capital humain. Il découle de cette équation qu'un individu qui a reçu plus d'éducation acquiert plus vite des connaissances pratiques.

5.4 Etape 4 : Construction d'un indicateur composite du capital humain

Pour agréger ces dimensions en une seule mesure, nous les avons pondérées par leur part dans la variance expliquée totale lors de l'analyse en composante principale^89(*). La deuxième composante (I_NE) sera juste exprimée par sa valeur courante.

A partir de ces deux équations, nous pouvons alors estimer le capital humain dans la filière riz en fonction des moyens d'investissements éventuels retenus. Ce procédé donne l'avantage de considérer les effets des différentes formes d'acquisition du capital humain sur les trois différentes composantes du capital humain. En effet, c'est une maladresse de spécification de mesurer le capital humain par une mesure agrégée dont les effets potentiels sur la productivité diffèrent significativement^90(*).

5.5 Etude de cas : simulation

Dans cette partie, nous essayons de rendre compte de la faiblesse de la mesure du capital humain par le nombre d'années d'instruction et l'âge. En effet, les modèles que nous avons estimés montrent que l'éducation et l'expérience sont des investissements en capital humain mais, contrairement à l'hypothèse H3.1, elles ne constituent pas les principales composantes de cet investissement. De ce fait, le capital humain n'est pas assez représenté si seules ces mesures sont prises en compte. En effet, supposons que la mesure du capital humain soit le nombre d'années de scolarité, nous avons vu que celle-ci correspond à une omission de variable. Par conséquent, le terme d'erreur de cette mesure augmente par rapport à une mesure plus adéquate. Ainsi, nous pouvons représenter l'équation suivante :

où

est la vraie valeur du stock de capital humain,

le niveau de capital humain mesuré par le niveau d'instruction et

l'erreur de mesure relative liée à la mesure.

Ce qui implique une faible fiabilité de cette mesure. Si nous nous référons au taux de fiabilité

de cette mesure^91(*), cet indice se formule ainsi :

Par conséquent,

sera essentiellement fonction de

, qui sera elle-même fonction du poids des variables omises. Ainsi, nous pouvons appréhender la différence de qualité entre la mesure issue de notre proposition et le nombre d'années d'instruction par l'incapacité de cette dernière à refléter le capital humain par rapport aux évaluations directes réalisées. Nous procédons alors à des simulations pour rendre compte de l'ampleur de

De plus, les modèles estimés permettent de réaliser des simulations sur plusieurs périodes. Malgré que nos modèles soient basés sur des données transversales, il est intéressant de voir l'évolution potentielle du stock de capital humain pour donner une image de l'impact de la méconnaissance d'une mesure plus adéquate.

5.5.1 Présentation du modèle pour l'analyse :

Pour effectuer des simulations, nous construisons à partir des trois dimensions extraites de l'ACP un indice global du capital humain. Comme chaque dimension est expliquée en fonction de différents investissements en capital humain selon le modèle de Mincer, exception faite de celui de la connaissance du niveau optimal de l'eau, le niveau du capital humain sera fonction de ces différents investissements.

log_ics = 1.398 + 0.036 * edu + 0.066 * forma - 0.014 * expce-0.009 * age+0.237 * discut + 0.206 * assoc

A cet effet, notre modèle comporte 10 variables dont trois sont endogènes. Ces variables endogènes sont :

- le fait de souvent participer à des discussions sur les meilleurs pratiques rizicoles (discut) ;

5.5.2 Démarche de l'analyse

Nous simulons trois scénarios dans lesquels pour un niveau d'éducation donné, nous faisons varier deux autres formes d'investissement en capital humain : discuter habituellement des meilleures pratiques rizicoles et le nombre de formations en agriculture suivies. Pour avoir un référentiel, nous simulons un scénario de base sur lequel nous comparons en points de pourcentage les effets de la variation de ces deux formes d'investissements (discut et forma).

La déviation par rapport à ce scénario de base renseigne alors sur la partie inobservée du capital humain si nous nous contentons de le mesurer par les années d'instructions. Comme la théorie du capital humain considère l'expérience comme un investissement en capital humain, nous faisons l'hypothèse dans toutes nos simulations que l'expérience des riziculteurs augmente chaque année.

5.5.3 Les hypothèses du modèle

Premièrement, nous reconnaissons que les qualités de nos estimations sont encore limitées. En effet, nous sommes conscients que la taille de nos observations ainsi que le volume de questions posées sont encore faibles. Par exemple, par rapport aux enquêtes PISA de 2003 qui comporte 148 questions et qui ont été administrés à 4200 élèves de 15 ans pour le cas de la France, notre base de données est insignifiante. Notre première hypothèse est alors que les relations estimées dans notre modèle ne sont pas biaisées et sont stables au cours du temps.

Deuxièmement, comme toutes données transversales, notre échantillon couvre plusieurs groupes d'âge d'individus, nous supposons alors que la variation de l'efficacité du système éducatif est négligeable dans le temps et dans l'espace. En d'autres termes, l'éducation est supposée être homogène, malgré que ce ne soit pas le cas. Cette hypothèse d'homogénéité concerne aussi les autres investissements en capital humain dans le modèle.

Troisièmement, nous supposons que les formations n'obligent pas les riziculteurs à arrêter leur pratique rizicole. L'expérience et la formation peuvent alors se faire simultanément.

5.5.4 Scénario de base92(*)

D'abord, dans nos simulations, nous prenons le cas des jeunes exploitants âgés de 25 ans (centre de classe 20 à 30 ans) qui ont eu 8,5 années d'instructions (centre de classe 8-9). D'après nos statistiques, le groupe d'exploitants qui a suivi quatre formations dans le domaine de l'agriculture a en moyenne 31,66 en indice sur la connaissance du niveau optimal de l'eau et a quatre années d'expérience en pratique rizicole.

Dans notre scénario de base, nous supposons que les individus considérés sont et seront toujours membres d'associations paysannes (assoc=1) et ne discutent pas des meilleures pratiques rizicoles (discut=0). Le nombre de formation est maintenu à quatre (forma=4)

Comme l'éducation, la formation, l'adhésion à des associations paysannes sont maintenues constantes et que l'âge et l'expérience varient en fonction du temps, nous pouvons constater que la tendance de la culture scientifique est une diminution chronique car l'expérience et l'âge constituent des facteurs de dépréciations pour cette dimension. Par contre, en matière de connaissances pratiques, la tendance est une hausse. Comme la dimension I_NE est maintenue constante, la tendance du capital humain résulte des tendances dans la culture scientifique et dans les connaissances pratiques. La dépréciation annuelle de la culture scientifique est en moyenne de -11,48% et la croissance annuelle des connaissances pratiques, de 3,78%. Du côté de l'indice global du capital humain, la tendance est à la baisse avec une moyenne de -5,93% car sa dépréciation l'emporte vu la forte pente de I_CS vis-à-vis de celle d'I_CP.

5.5.5 Scénario 1 : participation à des discussions sur les meilleures pratiques à partir de 2010

Dans ce scénario, nous supposons que les individus étudiés discutent et continuent de discuter sur les meilleures pratiques rizicoles de l'année 2010 jusqu'en 2020 (discut=1). Nous constatons que la pente de I_KH est moindre par rapport au scénario de base. En effet, de 75,91 en 2010 à 54,14 en 2020, en moyenne, le taux de dépréciation de I_KH est passé à -4,36% en moyenne. Ceci est le résultat de la dépréciation de l'I_CS à une moyenne de -7,10% par an.

En comparant ce résultat par rapport à celui du scénario de base, nous pouvons constater qu'il y a une différence constante de 72,58 points de pourcentage en culture scientifique. Cette différence est toutefois liée à la nature du scénario : les discussions sur les meilleures pratiques sont continues pour les périodes de l'étude. Au niveau du capital humain, la différence est notable mais se réduit au fil du temps. Toutefois, cette différence est notable car en 2010, elle atteint les 46,19 points de pourcentage et en 2020, elle est de 35,29.

5.5.6 Scénario 2 : formation en agriculture en 2011, 2015 et 2018

Dans ce scénario, nous supposons que les individus étudiés bénéficient d'une formation dans le domaine de l'agriculture en 2011, en 2015 et en 2018. La tendance du capital humain devient plus stationnaire car de 53,57 en 2009 et de 51,25 en 2020, sa dépréciation est passée à -0,97% par an en moyenne.

D'après ce résultat, par des formations, nous pouvons entretenir le capital humain acquis par les individus étudiés. La tendance à la baisse de l'I_KH se trouve alors atténuée

Par rapport au scénario de base, les effets des formations dans le domaine de l'agriculture suivies sont très importants. En effet, les effets de ces formations sur le niveau de capital humain à travers la culture scientifique semblent être cumulatifs. Comme nous pouvons le voir, pour la première formation supplémentaire suivie, les différences par rapport au scénario de base sont respectivement de 16,41 et d'environ 9,73 points de pourcentage pour I_CS et I_KH. Pour la deuxième formation, ces différences sont respectivement de 35,41 et d'environ 19,46 points de pourcentage. Enfin, pour la dernière formation, ces différences sont respectivement 57,76 et environ 28,98 points de pourcentages. Si nous faisons la somme de la différence en I_KH de 2011 à 2020, celle-ci s'élève 189,93 points de pourcentage. C'est peut être dans ce cadre là que les années d'instructions pourraient refléter le capital humain.

Pour conclure ces simulations, il est vrai que l'éducation peut être utilisée comme une mesure du capital humain puisqu'elle constitue l'un des moyens d'investissement en capital humain. Cependant, elle ne doit pas être considérée comme une mesure exclusive du capital humain car dans ce cas, elle ne sera pas fiable. En effet, dans le cadre de la filière riz, en milieu rural et pour les individus de notre échantillon, il est clair que si l'éducation n'est pas entretenue par des formations ou/et par des petites sensibilisations via des discussions, ... comme le cas des capitaux physiques, le capital humain se déprécie. Par conséquent, dans toute tentative d'évaluation du capital humain, il faut considérer tout autre moyen d'investissement en capital humain pour tenir compte de cette variabilité du capital humain. Sur ce, les cinq groupes d'investissement en capital humain que Schultz (1961)^93(*) a brièvement cités nous ont bien éclairé.

Conclusion chapitre 5

En privilégiant le concept de compétence lors de la formulation du test, les résultats obtenus offrent une variabilité non négligeable. Pour le choix d'une combinaison pour optimiser la représentation du capital humain, l'ACP a été utilisée pour synthétiser les données vu que les données sur la productivité - rendement n'ont pas été utilisables. Pour l'identification des principaux canaux d'acquisition du capital humain, la formulation du modèle de Mincer a servi de base. Pour la construction de l'indicateur composite, elle se procède par la combinaison des modèles estimés avec les indices dimensionnels construits.

L'exploitation de la méthodologie se traduit par l'utilisation des résultats obtenus pour réaliser des simulations. A cet effet, les résultats donnent l'avantage de pouvoir avoir une latitude assez étendue vis-à-vis de l'horizon, un éventail de données exogènes à simuler assez large et aisance dans la maniabilité du modèle. L'étude de cas a montré une sensibilité de la qualité de mesure du capital humain en cas d'omission des différents moyens potentiels d'investissements comme la discussion sur les meilleures pratiques rizicoles et les formations ponctuelles suivies dans le domaine de l'agriculture. Le second scénario montre bien la portée de la méthodologie d'évaluation du capital humain proposée en ce sens qu'elle peut constituer un véritable outil de décision en matière de programmation.

Conclusion de la deuxième partie

Cette partie constitue une mise en application de la méthodologie proposée dans la précédente partie. Elle a été appliquée pour la filière riz vu que cette dernière mobilise une large part des ressources humaines du pays et que la tendance du rendement rizicole depuis les années 60 offre un contexte idéal pour l'étude. En termes de méthodologie, l'omission du sondage limite la portée de l'étude au niveau de la représentativité. Toutefois, l'objectif de la collecte étant de constituer une base de données assez grande pour pouvoir tester notre proposition, cette omission n'y a pas porté préjudice. L'erreur substantielle a été surtout de ne pas avoir effectué des mesures objectives sur le rendement rizicole. En effet, sans cette mesure, le recours à l'hypothèse de représentativité du capital humain dans les items demandés semble être dogmatique.

Malgré cela, l'applicabilité de notre méthode est concrète. Par ailleurs, les résultats obtenus sont bien cohérents avec la base conceptuelle que nous avons développée dans la première partie. Il résulte de l'exploitation de cette méthode une confirmation que les mesures relatives au niveau d'instruction ne suffisent pas pour mesurer le capital humain. La considération d'autres canaux potentiels prenant en compte les formations informelles et surtout la spécificité de l'orientation des formations suivies améliore la précision de la mesure obtenue. Enfin, les simulations ont montré l'intérêt et la portée de la méthodologie à savoir la capacité d'effectuer des simulations aisément, ce qui démontre qu'elle peut être un véritable outil de décision pour les acteurs engagés dans les actions de développement.

Conclusion

Il résulte de notre étude que la pertinence de la mesure de façon exclusive du capital humain par des mesures relatives au niveau d'instruction n'est pas vérifiée. Nous avons estimé que le fond du problème réside dans l'hypothèse que l'éducation formelle est la principale composante de l'investissement en capital humain. A cet effet, nous avons vérifié cette hypothèse en tenant en compte d'autres moyens d'acquisition du capital humain.

Le résultat de cette confrontation a montré qu'effectivement, pour la filière riz, l'éducation contribue à l'acquisition du capital humain mais son poids n'est pas le plus important. Par conséquent, la mesure du capital humain par les années d'instruction doit incorporer d'autres mesures comme l'orientation des études (académique, technique, professionnelle), les formations reçues qu'elles soient de type formel ou informel, l'expérience. En effet, ces formes d'acquisition du capital humain ne sont pas négligeables et leur omission peut engendrer des biais. La partie simulation de notre étude qui est elle-même basée sur un fond théorique et des résultats empiriques, a par exemple montré que pour un niveau d'éducation donné, l'âge et surtout l'expérience sont des facteurs altérant la culture scientifique et que par ailleurs, l'expérience contribue de façon notable à l'acquisition de connaissances pratiques. La fiabilité du nombre d'années d'instruction comme mesure du capital humain se trouve alors limitée si ces formes d'acquisition sont négligées.

Une mesure multidimensionnelle intégrant le maximum de moyens potentiels d'acquisition du capital humain se trouve alors avantageuse du point de vue de sa capacité à refléter plus fidèlement le capital humain. Une mesure plus directe par des tests de connaissances serait encore mieux mais ces tests se feraient avec un coût financier lourd. Par conséquent, la méthode que nous proposons se situe entre les deux procédés en essayant de trouver un compromis entre fiabilité et coût. En effet, cette méthode donne l'avantage de pouvoir estimer le score de test à partir des investissements potentiels en capital humain.

Cependant, il faut reconnaître que notre étude comporte des faiblesses majeures. D'abord, comme toute étude basée sur des données transversales, les estimations sont basées sur l'hypothèse d'une homogénéité de l'éducation ainsi que les autres formes d'acquisition du capital humain dans le temps et dans l'espace. Cette homogénéité concerne aussi les facultés d'acquisition des individus. Deuxièmement, dans la formulation du test, nous sommes conscients que le poids de chaque thème n'est pas équilibré. De plus, comme pour le cas de la théorie du signal, nous nous sommes basés sur nos croyances sur les compétences directement liées à la productivité. Nous ne pouvons donc pas être sûrs que ce test représente complètement le capital humain dans le cadre de la filière étudiée. Enfin, nous sommes conscients que la taille de notre échantillon est faible. En conséquence, la précision de nos estimations est très réduite, ce qui réduit la portée des conclusions tirées de cette étude.

Toutefois, la méthode proposée est applicable dans d'autres filières. En effet, il s'agit d'une méthode mais non d'une mesure toute faite. Elle renseigne sur les démarches à suivre mais non sur les résultats, elle n'est pas parfaite et des améliorations sont concevables.

Si nous voulons étendre le débat, il est intéressant de remarquer qu'ici nous n'avons pas pu combiner des données sur la productivité avec celles sur le capital humain. Or, c'est par le gain de productivité que se transmet le gain de revenu. La méthode d'évaluation proposée mesure alors l'efficacité de l'acquisition du capital humain par différents types d'investissements tandis que le rendement de ces investissements s'évalue par l'évaluation du surcroit de revenu induit. Avant d'arriver au bout de la chaîne, plusieurs paramètres sont à considérer. Par exemple, la technologie de production peut-elle utiliser d'une manière efficiente le capital humain des travailleurs ? Comment mesurer la dépréciation du capital humain induit par l'inexistence de matériels appropriés pour la production ? Est-ce que le marché du travail est réellement segmenté comme le suggère la théorie de la segmentation du marché du travail ? Et par conséquent comment peut-on agir sur ce marché pour introduire les secteurs cibles dans le marché des « good job » ?...

Références bibliographiques

Ouvrage

John M., Andrian Z., Avril V.A., "Skills for Productivity: vocational education and training in developping contries", Oxford University Press, 1997, 548 pages

Revues et rapports

BIT, "Pauvreté, marché du travail et croissance pro-pauvres à Madagascar", 2008, 298 pages

Centre International d'Etudes Pédagogiques, "Les évaluations en éducation au niveau international: impacts, contradictions, incertitudes", Département de l'éducation, juin 2006, 176 pages

Ministère français de l'Education nationale, de l'Enseignement supérieur et de la Recherche, "L'évaluation internationale PISA 2003: Compétences des élèves français en mathématiques, compréhension de l'écrit et sciences", Direction de l'évaluation, de la prospective et de la performance, mars 2007, 240 pages

Ministère français de l'Education nationale, de l'Enseignement supérieur et de la Recherche, "Quel est l'impact des politiques éducatives? Les apports de la recherche", Commission du débat national sur l'avenir de l'Ecole, avril 2004,196 pages

OCDE, "Du bien-être des nations: le rôle du capital humain et social - Résumé",,2001,

PNUD,"Rapport mondial sur le développement humain 2007/2008", 2007, 391 pages

Statistique Canada, "Le capital humai et le développement rural: quels sont les liens?", Document de travail #39, Division de l'agriculture, No 21-601-MIF99039, Avril 1999,39 pages

Statistique Canada, "Le capital humain et les niveaux de vie dans les provinces canadiennes", Département de science économique, No 89-552-MIF , Avril 2006,47 pages

UNESCO, "Education pour tous: Situation et tendances 2000", Département Education Pour Tous, 2000, 53 pages

UNESCO, "Classification Internationale Type de l'Education 1997", Réédition, mai 2006, 49 pages

UNESCO, "Rapport mondiale sur l'EPT 2009: Vaincre l'inégalité: l'importance de la gouvernance - Résumé", Département Education Pour Tous,2009,48 pages

Articles spécialisés

Arrow, K.J, 1973,"Higher education as a filter", Journal of Public Economics, Vol 2, pp.193-216

Barro Robert J. ,May, 2001,"Human Capital and Growth", The American Economic Review, Vol. 91, N°2, Papers and Proceedings of the Hundred Thirteenth Annual Meeting of the American Economic Association, pp. 12-17

Becker, G. S., 1960, "Underinvestment in college education?", The American Econcomic Review, Vol.50, pp.346-354

Blaug, M, 1976, "The empirical status of human capital theory: A slightly jaundiced survey", Journal of Economic Literature, Vol 14, pp.827-855

Broomhall David E. & Jhonson Thomas G., Aug, 1994," Economic Factors that Influence Educational Performance in Rural Schools", American Journal of Agricultural Economics, Vol. 76, N°3, pp. 557-567

Hanushek Eric A. & Kimko Dennis D., Dec., 2000,"Schooling, Labor-Force Quality, and the Growth of Nations", The American Economic Review, Vol. 90, N°5, pp. 1184-1208

Mincer Jacob, 1958, "Investment in human capital and personal income distribution", The Journal of Political Economy, Vol. 66, pp.281-302

Poulain Edouard ,Janvier 2001,"Le capital humain, d'une conception substantielle à un modèle représentationnel", Revue économique, Vol. 52, N°1, pp. 91-116

Simonet Véronique, 2003, "Capital humain", Encyclopédie des Ressources Humaines .2003, pp. 133 - 144

Schultz, Théodore Paul. "Human Capital, Schooling and Health Returns. " Economic growth discussion papers. n° 853. Yale University, Avril 2003, 26 pages

Schultz Theodore w. ,Dec., 1960,"Capital Formation by Education",The Journal of Political Economy, Vol. 68, N°6, pp. 571-583

Scott R. Sweetland,Autumn, 1996,"Human Capital Theory: Foundations of a Field of Inquiry",Review of Educational Research, Vol. 66, N°3, pp. 341-359

Spence, M., 1973,"Job Market Signalling", Quarterly Journal of Economics", pp.353-374

Articles

Backes Uschi, "Contribution de la formation professionnelle à la réussite de l'entreprise et évolution du besoin en qualifications professionnelles". Dans Economie de la formation professionnelle : état des lieux et domaines à explorer de Frick Andres et Al. Édité par Frick Andres et Aniela Wirz. OFFT, 2006.

Butault Jean -Pierre & VINOKUR Annie,"Education et développement: quelques réflexions méthodologiques", Option méditerranéennes, N°21,2003, 5 pages

Centre d'étude du niveau de vie, Ottawa, "Les indicateurs de capital humain dans le domaine de la santé et de l'éducation", Document d'étude préparé pour la Table ronde nationale pour l'environnement et l'économie, Février 2001, 54 pages

Docquier Frédéric, "Macroéconomie du développement", Cours de Macroéconomie du Développement, LLN 2006, 2006, 496 pages

Kamanzi Pierre Canisus,"Influence du capital humain et du capital social sur les caractéristiques de l'emploi chez les diplômés postsecondaire au Canada", Université catholique de Louvain, Québec, Thèse de doctorat, Avril 2006,208 pages

Randrianarisoa, Jean-Claude. "Déterminants de la productivité rizicole des petites et grandes exploitations agricoles : cas des Hautes-Terres" Dans Agriculture, pauvreté rurale et politiques économiques à Madagascar, de Chris Barrett, et al., 38-41. Programme ILO, Novembre 2003.

Samier Nathalie ,"De la productivité du capital humain à la performance des ressources humaines: vers une pertinence dus modèles d'évaluation",LIRHE,LES NOTES DU LIRHE, n°246,Avril 2001,17 pages

The Shorter Oxford English Dictionary, Vol II, 3rd edition, Clarendon Press, 1969, 2515 pages

V. Vandenberghe,"Economie du Capital Humain", Université Catholique de Louvain, Notes de cours - ECON 2233,71 pages

Sites web

Annexe

Annexe 1. La fonction de gain de Mincer

Soit un investissement en capital humain pouvant s'effectuer parallèlement à un emploi. Un salarié consacre une proportion k de son temps de travail à une formation professionnelle. Si k=1, tout le temps est consacré à la formation. Pour simplifier les calculs, on suppose que les coûts directs de l'investissement sont nuls, que l'investissement n'est réalisé que sur une période (t) et on présente le modèle dans un cadre discret.

A la date t, le salaire potentiel de l`individu est égal à sa productivité marginale PM t . Le salaire qu'il reçoit effectivement dépend du temps qu'il consacre au travail soit PM t (1- k ).

La valeur actualisée de son flux de revenus à partir de cette date est égale à :

Sans cet investissement, la valeur actualisée de son flux de revenus aurait été :

Le taux de rendement interne de l'investissement se calcule en égalisant les valeurs actualisées des deux flux de revenus, soit :

En supposant, T-t suffisamment grand, on approche la relation précédente par :

On montre de la même manière qu'un investissement ayant duré m périodes et conduit à une productivité marginale PM ^(m) par rapport à un investissement ayant duré m-1 périodes et procuré une productivité marginale PM ^(m-1) a un rendement interne r _m_/m-1 tel que :

Si it w représente le salaire de l'individu à la période t et selon la relation précédente, on peut écrire :

u_it regroupe l'ensemble des éléments aléatoires intervenant dans la détermination du salaire. Exprimé sous forme logarithmique et après simplification, le modèle de gains devient :

Pour un individu ayant suivi un cursus scolaire de la date 0 à la date s, la contribution des années de scolarité au salaire se résume à

où r_iô représente le taux marginal de la ô^èmeannée d'étude. On peut alors associer à ces taux marginaux un taux de rendement moyen pour l'ensemble des S années d'étude tel que :

Ceci permet de comptabiliser l'investissement scolaire par le nombre d'années d'étude et de réécrire la fonction de gains comme suit :

Où r_isexprime de combien, en moyenne, une année d'étude accroît le salaire en pourcentage. Le modèle de Mincer décrit une situation dans laquelle l'accumulation du capital humain ne cesse pas avec la fin de l'éducation formelle mais se prolonge par des apprentissages successifs réalisés en cours de vie professionnelle. La rentabilité marginale des investissements post-scolaires est décroissante (du fait de la hausse du coût d'opportunité et de la diminution de la période de perception des bénéfices) si bien que l'intensité des investissements professionnels diminue avec l'âge. La prise en compte d'une forme quadratique des investissements professionnels rend compte de la décroissance de leur rentabilité marginale et permet d'attribuer à cette relation la concavité des profils âge-salaire. Mincer dérive alors la relation testable suivante reliant le logarithme du salaire observé aux investissements scolaires (mesurés par le temps S passé dans le système éducatif) et postscolaires (mesurés par l'expérience professionnelle EXP).

Annexe 2. Questionnaire

Scénario de base

Variables exogènes

obs	AGE	ASSOC	DISCUT	EDU	EXPCE	FORMA	INE
2	26	1	0	8.5	5	4	31.66
3	27	1	0	8.5	6	4	31.66
4	28	1	0	8.5	7	4	31.66
5	29	1	0	8.5	8	4	31.66
6	30	1	0	8.5	9	4	31.66
7	31	1	0	8.5	10	4	31.66
8	32	1	0	8.5	11	4	31.66
9	33	1	0	8.5	12	4	31.66
10	34	1	0	8.5	13	4	31.66
11	35	1	0	8.5	14	4	31.66
12	36	1	0	8.5	15	4	31.66
13	37	1	0	8.5	16	4	31.66

Variables endogènes

obs	ICS_0	ICP_0	IKH_0
2	74.13102	39.90249	53.57007
3	70.30723	40.55085	51.92626
4	66.68068	41.20975	50.37764
5	63.24119	41.87936	48.91947
6	59.97911	42.55984	47.54726
7	56.88529	43.25138	46.25674
8	53.95106	43.95416	45.04388
9	51.16818	44.66836	43.90486
10	48.52885	45.39416	42.83604
11	46.02566	46.13176	41.834
12	43.65158	46.88134	40.89548
13	41.39997	47.6431	40.01739

Taux de croissance

Dependent Variable: LOG(ICS_0)


Variable	Coefficient	Std. Error	t-Statistic	Prob.


C	4.411753	4.10E-08	1.08E+08	0.0000
T	-0.052959	4.96E-09	-10673076	0.0000


Dependent Variable: LOG(ICP_0)


Variable	Coefficient	Std. Error	t-Statistic	Prob.


C	3.654202	3.43E-08	1.07E+08	0.0000
T	0.016118	4.15E-09	3879285.	0.0000

Dependent Variable: LOG(IKH_0)


Variable	Coefficient	Std. Error	t-Statistic	Prob.


C	4.025454	0.003784	1063.803	0.0000
T	-0.026532	0.000458	-57.89018	0.0000

Scénario 1

Variables exogènes

obs	AGE	ASSOC	DISCUT_1	EDU	EXPCE	FORMA	INE
2	26	1	1	8.5	5	4	31.66
3	27	1	1	8.5	6	4	31.66
4	28	1	1	8.5	7	4	31.66
5	29	1	1	8.5	8	4	31.66
6	30	1	1	8.5	9	4	31.66
7	31	1	1	8.5	10	4	31.66
8	32	1	1	8.5	11	4	31.66
9	33	1	1	8.5	12	4	31.66
10	34	1	1	8.5	13	4	31.66
11	35	1	1	8.5	14	4	31.66
12	36	1	1	8.5	15	4	31.66
13	37	1	1	8.5	16	4	31.66

Variables endogènes

obs	ICS_1	ICP_1	IKH_1
2	127.9381	39.90249	78.85875
3	121.3389	40.55085	75.91051
4	115.08	41.20975	73.12475
5	109.144	41.87936	70.49325
6	103.5142	42.55984	68.00822
7	98.17479	43.25138	65.6623
8	93.11079	43.95416	63.44847
9	88.30799	44.66836	61.36011
10	83.75293	45.39416	59.39093
11	79.43282	46.13176	57.53496
12	75.33556	46.88134	55.78656
13	71.44963	47.6431	54.14036

Taux de croissance

Dependent Variable: LOG(IKH_1)


Variable	Coefficient	Std. Error	t-Statistic	Prob.


C	4.428799	0.003256	1360.083	0.0000
T	-0.034221	0.000394	-86.76818	0.0000

Dependent Variable: LOG(ICS_1)


Variable	Coefficient	Std. Error	t-Statistic	Prob.


C	4.957465	9.30E-08	53299756	0.0000
T	-0.052959	1.13E-08	-4701050.	0.0000

Ecarts par rapport au scénario de base (%)

obs	100*(ICP_1-ICP_0)/ICP_0	100*(ICS_1-ICS_0)/ICS_0	100*(IKH_1-IKH_0)/IKH_0


2	0.000000	72.58376	47.20673
3	0.000000	72.58382	46.18906
4	0.000000	72.58372	45.15319
5	0.000000	72.58372	44.10060
6	0.000000	72.58375	43.03289
7	0.000000	72.58379	41.95185
8	0.000000	72.58380	40.85925
9	0.000000	72.58380	39.75699
10	0.000000	72.58379	38.64711
11	0.000000	72.58377	37.53158
12	0.000000	72.58381	36.41253
13	0.000000	72.58377	35.29208

Scénario 2

Variables exogènes

obs	AGE	ASSOC	DISCUT	EDU	EXPCE	FORMA_2	INE
2	26	1	0	8.5	5	4	31.66
3	27	1	0	8.5	6	5	31.66
4	28	1	0	8.5	7	5	31.66
5	29	1	0	8.5	8	5	31.66
6	30	1	0	8.5	9	5	31.66
7	31	1	0	8.5	10	6	31.66
8	32	1	0	8.5	11	6	31.66
9	33	1	0	8.5	12	6	31.66
10	34	1	0	8.5	13	7	31.66
11	35	1	0	8.5	14	7	31.66
12	36	1	0	8.5	15	7	31.66
13	37	1	0	8.5	16	7	31.66

Variables endogènes

obs	ICP_2	ICS_2	IKH_2
2	39.90249	74.13102	53.57007
3	40.55085	81.84648	57.34956
4	41.20975	77.62471	55.5212
5	41.87936	73.62071	53.79772
6	42.55984	69.82324	52.17388
7	43.25138	77.09035	55.75287
8	43.95416	73.11391	54.05018
9	44.66836	69.34258	52.4466
10	45.39416	76.55966	56.01018
11	46.13176	72.6106	54.3286
12	46.88134	68.86523	52.74558
13	47.6431	65.31306	51.25625

Taux de croissance

Dependent Variable: LOG(IKH_2)


Variable	Coefficient	Std. Error	t-Statistic	Prob.


C	4.021615	0.021417	187.7757	0.0000
T	-0.004212	0.002594	-1.623836	0.1355

Ecarts par rapport au scénario de base (%)

obs	100*(ICP_2-ICP_0)/ICP_0	100*(ICS_2-ICS_0)/ICS_0	100*(IKH_2-IKH_0)/IKH_0


2	0.000000	0.000000	0.000000
3	0.000000	16.41261	10.44423
4	0.000000	16.41260	10.21001
5	0.000000	16.41259	9.972001
6	0.000000	16.41260	9.730571
7	0.000000	35.51895	20.52918
8	0.000000	35.51895	19.99450
9	0.000000	35.51895	19.45511
10	0.000000	57.76113	30.75480
11	0.000000	57.76113	29.86709
12	0.000000	57.76114	28.97655
13	0.000000	57.76113	28.08494

Ecarts par rapport au scénario de base (%) - Statistiques descriptives



	100*(ICP_2-ICP_0)/ICP_0	100*(ICS_2-ICS_0)/ICS_0	100*(IKH_2-IKH_0)/IKH_0


Mean	0.000000	34.54906	18.99341
Median	0.000000	35.51895	19.72481
Maximum	0.000000	57.76114	30.75480
Minimum	0.000000	16.41259	9.730571
Sum	0.000000	345.4906	189.9341

* ² John M., Andrian Z., Avril V.A, "Skills for Productivity: vocational education and training in developping contries", 1997, P.219

* ⁴ Centre d'étude du niveau de vie, ,"Les indicateurs de capital humain dans le domaine de la santé et de l'éducation", Février 2001, P.5

* ⁵Woodhall ,(1997 : 220), in : KAMANZI Pierre Canisus, "Influence du capital humain et du capital social sur les caractéristiques de l'emploi chez les diplômés postsecondaire au Canada", mars 2006, P.25

* ⁶ Theodore W. Schultz, "Capital Formation by Education", Dec. 1960, P. 571

* ¹⁰ Abramovitz, M., 1956 in : Scott R. Sweetland, ,"Human Capital Theory: Foundations of a Field of Inquiry" Autumn, 1996, P. 347

* ¹² Mincer, Jacob, "Investment in human capital and personal income", 1958, P.299

* ¹⁴ Butault, "Education et développement: quelques réflexions méthodologiques", P.37

* ¹⁷ Poulain Edouard, "Le capital humain, d'une conception substantielle à un modèle représentationnel", janv 2001, P.96

* ¹⁸ Voir Blaug M., "The empirical status of human capital theory: A slightly jaundiced survey", 1976

* ²¹ Par opérationnalisation de la réfutation de Duhem, dans, Edouard Poulain, Op Cité, P.96

* ²² Voir par exemple, Frédéric Docquier, "Macroéconomie du développement", 2006, P. 252

* ²⁵ Spence nomme indices les caractéristiques non modifiables (sexe, ethnie, origine socioéconomique, etc.) et signaux les caractéristiques modifiables (l'expérience professionnelle, la culture générale, le niveau de prestige de l'école fréquentée, etc.).

* ²⁸ Voir David E. Broomhall & Thomas G. J, " Economic Factors that Influence Educational Performance in Rural Schools", Aug 1994

* ²⁹ Voir Nathalie SAMIER, "De la productivité du capital humain à la performance des ressources humaines: vers une pertinence des modèles d'évaluation", Avril 2001, P. 2, 3 et 4

* ³² Voir Statistique Canada, "Le capital humai et le développement rural: quels sont les liens?", 1999, pp.571-583

* ³⁶ Voir Ministère français de l'Education nationale, de l'Enseignement supérieur et de la Recherche, ,"L'évaluation internationale PISA 2003: Compétences des élèves français en mathématiques, compréhension de l'écrit et sciences", mars 2007

* ³⁷ UNESCO, "Rapport mondiale sur l'EPT 2009: Vaicre l'inégalité: l'importance de la gouvernance - Résumé", 2009, P. 4

* ³⁹ Voir Ministère français de l'Education nationale, de l'Enseignement supérieur et de la Recherche, "Quel est l'impact des politiques éducatives? Les apports de la recherche", avril 2004, P.3-9

* ⁴⁰ CIEP, "Les évaluations en éducation au niveau international: impacts, contradictions, incertitudes", 2006, P.16

* ⁴⁶ Voir par exemple Jean-Claude RANDRIAMARISOA, «Déterminants de la productivité rizicole des petites et grandes exploitations agricoles : cas des Hautes-Terres«.2003, P.23

* ⁴⁷ Voir Uschi Backes-Gellner , «Contribution de la formation professionnelle à la réussite de l'entreprise et évolution du besoin en qualifications professionnelles «, 2006, pp.107-152

* ⁵¹ Banque Mondiale, « Rapport sur le développement dans le monde 2002 : Des institutions pour le marché », 2002, P.279

* ⁵² Si Y_t=Y₀*(1+r)^t, le doublement de Ypar rapport à l'année de base correspond à 2Y₀=Y₀*(1+r)^t. De cette équation, on peut facilement démontrer qu'il faut t=ln(2)/ln(1+r) années pour que Y double.

* ⁶⁴ Voir niveau optimal de l'eau 1 et niveau optimal de l'eau 2 dans Annexe 2

* ⁶⁵ Voir PNUD, "Rapport mondial sur le développement humain 2007/2008", 2007, P.356

* ⁶⁶ UNESCO, "Classification Internationale Type de l'Education 1997", 2006, P.47

* ⁷¹ En termes de R² ajusté, la nouvelle information améliore le modèle à concurrence de 4,6% (0,4005 à 0,4469).

* ⁷⁵ BIT, "Pauvreté, marché du travail et croissance pro-pauvres à Madagascar", 2008, P.87

* ⁹⁰ Paul T. Schultz, «Human Capital, Schooling and Health Returns ,«April 2003, P.6

* ⁹¹ Statistique Canada, "Le capital humain et les niveaux de vie dans les provinces canadiennes", Avril 2006, P.20

Proposition d'une méthode d'évaluation du capital humain : cas de la filière riz pour le district de Mandoto et de Betafo

Table des matières

Liste des tableaux

Liste des figures

Liste des encadrés

Liste des équations

Liste des annexes

Introduction

Chapitre 1: Fondement de la mesure du capital humain par le niveau d'instruction

1.1 Importance accordée à l'éducation aux Etats-Unis dans les années 60

1.1.1 Eléments de définition du capital humain

1.1.2 Genèse du concept de capital humain

1.2 La théorie du capital humain

1.2.1 Présentation

1.2.2 Méthodologie

1.2.3 Les principales hypothèses qui supportent la théorie du capital humain

Conclusion Chapitre 1

Chapitre 2: Nécessité d'une mesure alternative

2.1 Faiblesses de la théorie du capital humain

2.1.1 Les grands débats théoriques sur le rôle de l'éducation

(1) La théorie du filtre (théorie de la sélection)

(2) La théorie du signal

2.1.2 Analyse critique sur quelques hypothèses de la théorie du capital humain

(1) La durée des études mesure correctement la connaissance (H1)

(2) L'ancienneté mesure correctement l'aptitude (H2)

(3) La connaissance et l'aptitude des salariés accroissent leur productivité

(4) Les productivités individuelles sont observables et les entreprises rémunèrent les salariés à leur productivité marginale (H4+H5)

2.2 Fragilité de la mesure du capital humain

2.2.1 Evaluations internationales des acquis des élèves

2.2.2 Nombre moyen d'années de scolarité versus score moyen en mathématiques et sciences (Hanushek et Kimko, 2000)

(1) Présentation des modèles

(2) Conclusions

2.2.3 Score en Mathématiques, en Sciences et en Lecture VS achèvement du secondaire et supérieur (Robert J. Barro, mai 2001)

(1) Description des données et de la méthode

(2) Description des modèles

(a) Le modèle dans la première étape

(b) Les modèles dans la seconde étape

(c) Conclusion

Conclusion chapitre 2

Chapitre 3: A la recherche de mesures alternatives du capital humain

3.1 Reconfiguration du fond théorique

3.1.1 Brève synthèse du précédent chapitre

3.1.2 Base du raisonnement

3.1.3 Le concept de compétence

3.2 Proposition de méthode pour évaluer le capital humain

3.2.1 Formulation du test : privilégier le concept de compétence

3.2.2 Choisir la meilleure combinaison de bloc de scores pour refléter le capital humain

3.2.3 Repérer les différents types d'investissement en capital humain les plus significatifs

3.2.4 Construire un indicateur composite du capital humain à partir de la combinaison de ces différents types d'investissement

Conclusion chapitre 3

Conclusion partielle de la première partie

Partie II Mise en application de la méthode : le cas de la filière riz dans les districts de Betafo et de Mandoto

Chapitre 4: Choix de la filière, du terrain et présentation de la méthodologie

4.1 Justifications du choix de la filière et du terrain

4.1.1 Choix de la filière riz

4.1.2 Choix du terrain

4.2 Présentation de la méthodologie

4.2.1 Objectifs de l'enquête

4.2.2 Démarche globale

(1) La formulation du questionnaire

(2) Déroulement de l'enquête

(3) Création et exploitation de la base de données

4.2.3 Les scores obtenus lors de l'évaluation

Conclusion chapitre 4

Chapitre 5: Résultats de la mise en application de la méthode pour notre échantillon

5.1 Etape 1 : formulation du test

5.1.1 Scores en application numérique

5.1.2 Scores en conversion

5.1.3 Scores sur les niveaux optima de l'eau

5.1.4 Scores en entretien des rizières

5.1.5 Scores en dosage des fertilisants et des semences améliorées

5.1.6 Scores en techniques de timing des activités

5.1.7 Scores en repiquage

5.2 Etape 2 : Choix de la meilleure combinaison de bloc de scores

5.2.1 Analyse des corrélations entre les blocs de scores

5.2.2 Extraction de trois dimensions

5.3 Etape 3 : Identification des différents types d'investissement en capital humain les plus significatifs

5.3.1 Examen préliminaire sous forme de graphiques des relations scores investissements en capital humain

(1) Années d'instruction

(2) Années d'expérience en gestion de riziculture