|
Analyse technico-economique d’exploitations en elevage biologique dans le massif central de 2014 à 2018par Edith KOUAKOU Université Clermont-Auvergne - Master 2 2020 |
III. RESULTATS ET INTERPRETATIONSIII.1. Les caractéristiques des exploitations III.1.1. Description des exploitations de notre échantillon L'échantillon est constitué de 58 exploitations en échantillon constant de 5 types de production, soit 16 BL, 13 BV, 11 OL, 10 OV, 8 CA, suivies sur 5 ans et réparties sur 5 des 6 régions d'élevage du Massif central. Sur la figure 3, nous pouvons constater la répartition non uniforme des exploitations sur l'ensemble des régions, et l'indépendance entre un type de production et une région de production particulière dans notre échantillon. Les exploitations du projet Bio référence provenant de 5 filières différentes, elles sont caractérisées par une forte variabilité. La description des principales caractéristiques structurelles, techniques et économiques des exploitations sur les 5 années de l'étude est basée sur l'analyse des moyennes, des écart type et des valeurs maximales et minimales. Répartition des exploitations par
régions 25
Cultures fourragères Montagnes humides Zones Cultures + Elevages Parcours + Cultures Figure 3 : Répartition des exploitations par régions d'élevage. Les exploitations du projet Bioréférence sont comparables à celles du RICA (tableau 5). Nous comparons les principales caractéristiques des exploitations du RICA à celles de Bioréférence pour l'année 2018. En 2018, Les exploitations ont une SAU moyenne supérieure de 8.05 ha en moyenne à celle des exploitations du RICA (97.68 ha contre 89.63 RICA). La SFP représente en moyenne 87.25% de la SAU, plus du double de ce que représente cette part dans les exploitations du RICA (43.34%), et permet une autonomie alimentaire de 80.65% pour notre échantillon. Les surfaces en fourrages et en cultures permettent d'atteindre une autonomie alimentaire globale de plus de 84.19 %. Avec un cheptel plus important (82.18 UGB) que celui des exploitations du RICA (80.53 UGB), et une SFP plus grande, les exploitations de notre réseau ont un chargement moins élevé de -23.88% par rapport à celles du RICA (1.02 Bioréférence et 1.34 RICA). Pour ce qui est de la main d'oeuvre, les exploitations 28 Bioréférence (2.26UMO totale) ont 0.22 UMO de plus que les exploitations du RICA (2.04 UMO totale). Un cheptel moins important combiné à une main d'oeuvre totale plus importante et une surface agricole plus grande se traduit par une productivité du travail par rapport au cheptel légèrement plus faible pour le réseau Bioréférence avec 39.40 UGB/UMO et plus élevée par rapport à la SAU avec 47.82 ha/UMOt en comparaison au RICA (39.48 UGB/UMOt et 43.94 ha/UMOt). Du point de vue économique, en moyenne sur les 5 ans, les exploitations de notre réseau dégagent un produit brut à l'hectare et une valeur ajoutée à l'hectare moins importants que ceux du RICA. Il faut tout de même noter que notre analyse porte sur des exploitations de 5 filières différentes, présentant des variabilités de système. De plus, les exploitations du RICA sont en majorité des systèmes conventionnels, la comparaison faite avec Bioréférence permet d'avoir une vision globale sans représenter un indicateur rigoureux de mesure des performances des exploitations de notre étude.
Tableau 5 : Comparaison entre les exploitations du RICA et Bioréférence et évolution. III.1.2. Evolution des grandes caractéristiques des exploitations sur 5 ans L'analyse des exploitations selon les critères techniques, structurels et économiques sur la période de 5 ans allant de 2014 à 2018 montre certaines évolutions. L'analyse de ces évolutions est basée sur l'étude des moyennes des 58 exploitations par année. Sur les 5 ans de l'étude, bien qu'on puisse ne pas observer ou peu d'évolutions importantes, des tendances se dégagent (annexe 1). Concernant les principales variables de structure, la tendance est à l'augmentation de la taille des fermes. Ainsi, de 2014 à 2018, nous avons une augmentation de la surface, de la main d'oeuvre et du cheptel respectivement de 8.66%, 8.47% et 7.76% en moyenne. STRUCTURE On observe une augmentation continue et stable de la SAU (figure 4). Globalement, l'assolement est resté stable. Le cheptel s'est accru continuellement jusqu'en 2017 soit une augmentation d'environ 6 UGB entre 2014 et 2017, puis on a observé une quasi-constance de 2017 à 2018. Evolution de la surface agricole 120,00 100,00 80,00 60,00 40,00 20,00 0,00 2014 2015 2016 2017 2018 SAU SFP STH Surface en culture UGBt ha et UGB
Evolution de la composition de la SAU 100% 80% 60% 40% 20% 0% 2014 2015 2016 2017 2018 Surface en culture en % de la SAU MF en % de la SAU ACF en % de la SAU STH en % de la SAU PTA en % SAU % ha SAU
29 Figure 4 : Evolution de la surface agricole et de l'assolement. Le nombre total de travailleurs exprimé en unité main d'oeuvre totale (UMOt) a légèrement cru sur les 5 ans, avec des proportions de salariés, de bénévoles et d'exploitants qui sont restées stables (figure 5).
Composition et évolution de la main d'oeuvre 100% UMO 40% 80% 60% 20% 0% UMOb UMOs UMOe UMOt 2,45 2,35 2,25 2,15 2,05 2014 2015 2016 2017 2018 Figure 5 : Evolution de la main d'oeuvre 30 La productivité physique du travail en termes de volumes produits par travailleur a également augmenté de 9% en 5 ans (figure 6). En revanche en termes d'UGB et de SAU par main d'oeuvre, elle a baissé respectivement de 1.98% et 3.59%. Evolution de la productivité du travail
2014 2015 2016 2017 2018 Produit/par UMO SAU/UMO UGB/UMO Figure 6 : Evolution de la productivité du travail L'accroissement de la taille des exploitations peut expliquer l'accroissement du capital total d'exploitation. En effet, sur la période le capital d'exploitation s'est accru de 14.58% et de 4.75% par hectare de SAU. Cette augmentation est principalement due au poste bâtiment et installations qui a cru de 12.45%. Ces investissements en capital n'ont pas entrainé d'importants emprunts car même si en 2017, le taux d'endettement moyen atteint 40.62%, il n'a cru que de 0.59% sur la période (37.79% en 2014 et 38.83 en 2018) (Voir annexe). TECHNIQUE Au niveau des critères techniques, globalement, la productivité animale moyenne de tout l'échantillon a légèrement baissé (-1.28%) sur toute la période (figure7). La chute est continue de 2014 à 2017, puis, à partir de 2017, elle connait une très légère augmentation. Les tendances individuelles sont différentes. Les exploitations ovins lait ont augmenté leur productivité animale en moyenne de 8.05%. De 2014 à 2016, la quantité de lait produite (l) par brebis OL augmente de plus de 9%, avant de rester plus ou moins stable jusqu'à 2017, et de baisser de moins d'un pourcent entre 2017 et 2018. La productivité animale CA chute de 4.24% entre 2014 et 2016. De 2016 à 2018, elle s'améliore et croit de 11.53%. En moyenne sur l'ensemble de la période, la quantité de lait produite par chèvre aura augmenté de 7.29%. La productivité animale moyenne BL a connu une baisse continue sur toute la période de 6.30%. En production de viande, la productivité animale en BV a augmenté de 1.44%, avec de fortes fluctuations sur la période. En 2015 on a une augmentation de 4.88% des kg viande vive/UGB, puis une baisse de 9.88 % entre 2015 et 2016. Entre 2016 et 2017, la productivité animale moyenne s'améliore et progresse 31 de 6.14%, avant de rester pratiquement stable entre 2017 et 2018. C'est les OV qui réalisent la pire évolution en termes de productivité numérique. En effet, le nombre d'agneaux produits par brebis présente est passé de 1.16 à 1 entre 2014 et 2018 soit une baisse 13.9%. 2017, a été particulièrement difficile, puisque la productivité numérique était de moins d'un agneau par brebis (soit -15.65% par rapport à 2014). Cela est dû principalement à la sécheresse du second semestre de l'année 2016 qui a impacté négativement l'autonomie alimentaire pour l'année 2017.
115,00 110,00 105,00 100,00 95,00 90,00 85,00 80,00 2014 2015 2016 2017 2018 Productivité animale annuelle moyenne globale et par production OL OV CA Echant.Glob BL BV Figure 7 : Evolution de la productivité animale La baisse de la productivité animale est en partie causée par la baisse de l'autonomie alimentaire globale. La consommation de concentrés est déterminante dans la productivité animale (Veysset et al. 2013). Les OL qui comparativement aux autres productions réalisent une meilleure productivité, ont vu la quantité de concentrés consommés par UGB augmenter de 14.55% entre 2014 et 2018. Globalement, la quantité de concentrés consommés par UGB a augmenté de 5.32 % et cela est rendu possible principalement par les achats qui ont cru de 17.49% en moyenne (12.08% pour les prélèvements sur la ferme) et qui représentent en moyenne 53.34% des concentrés consommés totaux. Ces achats font baisser l'autosuffisance en concentrés des exploitations de 2.46%, passant de 48.62% en 2014 à 46.81% en 2018. L'augmentation de la part de concentrés dans l'alimentation des animaux peut être imputable à la sécheresse du second semestre de l'année 2016 qui a impactée les récoltes de fourrages, d'où la baisse de l'autosuffisance en fourrages conservés de 3.5%. Le nombre d'UGB par hectare de SFP n'ayant pratiquement pas évolué, une baisse de l'autonomie fourragère est due à une baisse des rendements des fourrages qui a conduit les exploitants à acheter plus de fourrages et également de concentrés. Les fourrages achetés utilisés par UGB sont alors passés de 207kg/UGB en 2014 à plus de 431 kg/UGB en 2018, ce qui a permis de maintenir, voire d'augmenter la consommation de fourrages conservés par les animaux de 6.86% en 2018 par rapport à 2014. 32 Quant à l'autonomie alimentaire permise par les fourrages, elle passe de 79% en 2014 à 81% en 2018, avec une évolution faible et constante sur la période. Enfin, l'autonomie alimentaire globale a baissé sur toute la période de 4.26%. De 2014 à 2016, elle a baissé de 4 points de pourcentage d'UF. Entre 2016 et 2018, elle est restée quasiment stable (Figure 8).
100 4,00 Composition de l'alimentation et autosuffisance Fourrages conservés consommés hors pâturage /UGB(tMS/UGB) Concentrés consommés totaux hors hors sol (y compris luzerne déshydratée)/UGB(tMS/UGB) Autosuffisance en concentrés (%) 40 Autonomie alimentaire 30 globale(%UF) 20 Autonomie alimentaire par les fourrages (%) 0 2014 2015 2016 2017 2018 10 % ou % UF tMS 3,50 3,00 0,50 0,00 2,50 2,00 1,50 1,00 90 80 70 60 50 Figure 8 : Evolution de l'autonomie alimentaire ECONOMIE Concernant les critères économiques, on observe une fluctuation des prix moyens des produits au cours des 5 années. Même si on a une augmentation sur la période du montant des ventes de 13.29 %, les coûts de production ont aussi augmenté (Figure 9). Cette augmentation du montant des ventes est due à l'augmentation des quantités vendues, également des prix moyens. En effet, sur la période, la valorisation des produits animaux a augmenté en moyenne de 3.82%. Cette augmentation ne s'est pas faite de manière soutenue sur la période, puisqu'en 2017, la valorisation a chuté de 2.89% par rapport à son niveau de 2016 ; et a plus concerné les productions des ateliers principaux en viande (BV et OV : +5.63%) que les productions des ateliers principaux en lait (BL, OL, CA : +2.62%). Les quantités vendues ayant également crû de 10.11%, les produits animaux ont connu une croissance de 13.29 % (Figure 10). Valorisation et coûts de production 115
90 2014 2015 2016 2017 2018 Figure 9 : Valorisation et coûts de production
33 Figure 10 : Valorisation et coûts de production par types de production Globalement, sur toute la période, les charges et les produits ont augmenté, et les produits sont restés supérieurs aux charges. Le PBG moyen est passé de 199 637 € en 2014 à 224 110 € en 2018, soit une augmentation de 12.26% en 5 ans. Le montant total des aides a augmenté de 22.39% soit 11 251.86 € de plus, et la part de ces aides dans le PBG a également crû continuellement sur toute la période. Elle est passée de 28.35% en 2014 à 31.38% en 2018. La part du produit brut de l'atelier principal dans le PBG de l'exploitation, diminue sur toute la période, comme conséquence de l'augmentation de la part des aides. Elle représente en 2014, 59.58% du PBG et 56.44% du PGB en 2018. Les autres composantes du PBG à savoir les cultures et les autres activités (hors sol) représentent respectivement entre 5% et 6% et moins de 1% du PBG sur toute la période (Figure 11). Les charges opérationnelles totales de l'exploitation augmentent de 11 913 € entre 2014 et 2018, ce qui représente une augmentation de 22.62%. Les charges animales sont les plus importantes et celles qui 34 augmentent le plus (23.54%), elles sont liées à l'augmentation des achats d'aliments fourrages et concentrés. Les charges opérationnelles totales de l'exploitation représentaient 26.26% du PBG en 2014 et 28.90% en 2018, soit une augmentation de 2%. Les charges de structures, qui représentaient 50.07% du PGB en 2014 se sont accrues de 23.24% entre 2014 et 2018 soit de 23 889.73 € en valeur, pour représenter 55.09% du PBG de 2018. Les charges de structure par hectare de SAU, entre 2014 et 2018, ont augmenté de 13.78%, alors que, sur la même période, la taille des exploitations (SAU, UGB, UMO totale) a augmenté en moyenne, de 8.30%, ce qui signifie qu'il y a une augmentation plus que proportionnelle des charges de structure par rapport à l'augmentation de la taille. Le poste le plus important est celui de la mécanisation qui représente entre 38% et 40% des charges fixes. Les postes de charges de structures qui augmentent le plus, sont les postes : travail (39.45%), bâtiment (30.18%) et mécanisation (23.62%). Le taux d'endettement n'ayant évolué que très peu, les frais financiers ont baissé de 30.22%. Composition des principaux produits et charges (€ constants)
Figure 11 : Evolution des produits et des charges Globalement, sur les 5 ans, les charges totales ont augmenté de 23.03% quand les produits ont augmenté moins vite que les charges de 12.26%. Cela se traduit donc par une chute des résultats économiques entre 2014 et 2018. Ainsi, l'excédent brut d'exploitation (EBE), le revenu disponible, et la valeur ajoutée ont baissé respectivement de 5.61% (-4 547.03€), 12.45% (-6 706.77€) et 11% (-6 576.67€) (Figure 12). En observant l'évolution des résultats économiques, on peut diviser les 5 années d'étude en 2 périodes, la première allant de 2014 à 2016 où on observe une croissance des résultats et la seconde qui va de 35 2016 à 2018 où on observe la dégradation des résultats économiques. De 2014 à 2016, la marge brute croit de 12.68%, l'EBE croit de 12.28%, le revenu disponible de 12.39% et la valeur ajoutée de 4.50%. De 2016 à 2018, ces postes décroissent respectivement de 3.67%, 15.93%, 22.10% et 14.92%. Le nombre de travailleurs ayant augmenté sur la période, les postes de résultats économiques ramenés au nombre de travailleurs ont également baissé. Résultats économiques/UMO (en € constants) 110 000,00
50 000,00
10 000,00 2014 2015 2016 2017 2018 Figure 12 : Evolution des résultats économiques par main d'oeuvre L'analyse descriptive réalisée est basée sur l'étude des moyennes des 58 observations sur 5 ans. Elle ne prend pas en compte les variabilités qui peuvent exister d'une exploitation à l'autre. En observant les écart types on peut se rendre compte de la grande variabilité qu'il existe dans les exploitations qui constituent notre échantillon. L'application des méthodes exploratoires devrait permettre d'exposer ces variabilités. III.2. La variabilité des exploitations III.2.1. Comment s'exprime la variabilité globale des exploitations L'ACP réalisée sur 290 observations-années montre que les 5 premier axes de dispersion statistiquement indépendants les uns des autres expliquent 65.10 % de la variance totale. A partir du 3ème axe, l'apport d'information par les suivants reste faible. La corrélation entre les variables et les autres axes reste faible, ces axes ne nous permettent donc pas d'expliquer la variabilité des exploitations. Nous retiendrons donc les 3 premiers axes qui expliquent seulement 48, 50% de la variabilité totale, mais qui sont le plus significativement corrélés à nos variables et donc les résument au mieux (voir annexe 2). Sur le tableau 6, figure le résumé des variables les plus explicatives des axes et leurs corrélations aux axes principaux retenus. Les variables les plus corrélées aux axes sont en gras. 36
Tableau 6 : Les variables les mieux corrélées aux axes de l'ACP La dimension 1 regroupe 21.5% de la variabilité totale des exploitations. Elle résume les informations concernant la taille et la composition des surfaces des exploitations. Une augmentation de la taille des exploitations (SAU, UGB) se fait parallèlement à la diversification de l'assolement, à l'augmentation des cultures et des parts de cultures, vendues et intra consommées et en opposition avec la part de l'herbe dans la SAU. L'axe oppose les systèmes de polycultures élevage, moins spécialisés à des systèmes de petite taille, herbagers, avec une part importante des prairies temporaires et d'herbes dans la SAU. LA valeur ajoutée par travailleur est positivement corrélée à cet axe. L'axe 2 explique 14.9 % de la variabilité totale. Il caractérise les exploitations avec des charges à l'hectare élevées, un chargement élevé et un PBG à l'hectare également élevé. Il est négativement corrélé à la taille (SAU, SFP) et l'autonomie alimentaire. Il caractérise alors les systèmes intensifs, de petite taille et qui ne sont pas autonomes en aliments. 37 L'axe 3 quant à lui représente 12.1% de la variabilité totale. Il est positivement corrélé à la productivité du travail et négativement aux prairies temporaires. Il oppose les systèmes qui ont une productivité du travail élevée, mais fortement endettées, aux exploitations qui disposent d'une part importante de prairies temporaires dans leur surface agricole A l'issue de cette ACP, nous pouvons remarquer que les variables de résultats économiques sont faiblement corrélées aux axes principaux retenus (tableau 7), on ne peut pas conclure qu'une pratique ou caractéristique en particulier permette de bons résultats économiques. Nous allons à partir de cette ACP, établir une typologie des systèmes agrobiologiques du MC, qui nous renseignera plus sur la variabilité entre les exploitations de notre échantillon.
Tableau 7 : Corrélation entre les variables de résultats économiques et les axes de l'ACP III.2.2. Quelle typologie des exploitations peut-on faire ? A la suite de l'ACP, nous avons réalisé une classification ascendante hiérarchique (CAH) sur les 3 axes retenus pour l'ACP. Elle permet d'obtenir 3 classes d'exploitations dont les moyennes des variables sont présentées dans le tableau 8. Les trois classes obtenues sont assez équilibrées en nombre, les deux premières contiennent 94 exploitations-années et la troisième 102 exploitations-années.
38
Tableau 8 : Moyennes des variables pour chaque classe La classe 1 (94 individus-années) est positivement corrélée à l'axe 3 et négativement corrélée aux axes 1 et 2. Dans cette classe, on retrouve les exploitations en systèmes herbagers avec une grande part de surfaces en herbes (64% de la SAU) et donc une autonomie alimentaire par les fourrages qui est élevée (83%). A contrario, elles ont un assolement moins diversifié, ne pratiquent pas beaucoup de cultures et sont donc peu autosuffisantes en concentrés, ce qui affecte négativement leur productivité animale. On retrouve également dans ce groupe des exploitations assez spécialisées sur un type de production élevage, ce sont les plus spécialisées des 3 classes. Ce sont des exploitations qui dépendent fortement des aides car nous pouvons voir que les aides occupent une grande part dans leur PBG. Elles ont cependant des coûts de production élevés. En termes de résultats économiques, le fait qu'elles aient 39 moins de charges fixes et variables à l'hectare fait que nous avons l'EBE en pourcentage du PBG qui est assez élevé. La classe 2 (94 individus-années) est positivement corrélée à la dimension 2 et négativement à la dimension 3. Elle regroupe les systèmes d'élevage intensifs, avec un degré de spécialisation élevé. Les exploitations de cette classe sont de petite taille avec un chargement (UGB/ha SFP) très élevé. Elles disposent de peu ou pas de surfaces en cultures, ce qui ne leur permet pas d'atteindre l'autonomie alimentaire globale. Du fait de leur petite surface et de leur niveau d'intensification, leur PBG et la valeur ajoutée ramenés à l'hectare sont élevés. Ce sont des exploitations qui supportent des charges de structure et opérationnelles à l'hectare élevés. Cette organisation, associée à une quantité importante de concentrés consommés par UGB, leur permet d'avoir une bonne productivité animale. La classe 3 (102 individus-années) quant à elle, est fortement positivement corrélée à l'axe 1, elle est également positivement corrélée dans une moindre mesure à l'axe 3 et négativement corrélée à l'axe 2. Dans le troisième groupe, on retrouve des systèmes de polyculture élevage. Ce sont les plus grandes exploitations en taille (SAU 137.91, UGBt 105.51, UMOt 2.74), avec un chargement à l'hectare et une surface en herbe faibles, disposant de grandes surfaces en cultures, un assolement diversifié et moins spécialisées que les autres groupes dans un seul type de production. Elles sont autosuffisantes en aliments et l'importance des cultures dans la SAU leur permet d'être plus autosuffisantes en concentrés. Elles ne sont pas fortement dépendantes des aides et les résultats économiques ramenés à l'hectare sont faibles. La faiblesse de leurs coûts de production, permet d'obtenir un revenu disponible et une valeur ajoutée par travailleur élevés. L'ACP, puis la CAH sur 290 individus-années confirment l'existence d'une forte variabilité entre les exploitations, tout types de production confondus. Observe-t-on les mêmes effets chaque année ? III.2.3. Comment s'exprime la variabilité d'une année à l'autre 5 ACP ont été réalisées sur chaque année de l'étude. Pour toutes les années, sauf l'année 2016, la variabilité s'exprimait globalement de la même manière et la corrélation des axes aux variables était dans l'ensemble semblable à celle dans l'analyse précédente. Nous allons donc développer les résultats de l'ACP obtenus en 2016. Quand nous considérons l'année 2016, nous pouvons retenir les 4 premiers axes factoriels qui résument 60.19 % de la variance. Nous retenons l'axe 4 parce qu'il est significativement fortement corrélé à plusieurs variables intéressantes. L'axe 1 représente 21.05% de la variance totale. Il résume les variables relatives à la taille, la surface en culture, la diversité de l'assolement, auxquelles il est positivement corrélé ; ainsi que les variables relatives à la surface consacrée au troupeau et à la surface en herbe, auxquelles il est négativement corrélé. 40 L'axe 2 résume 16.4% de la variance. C'est sur cet axe que la différence avec les autres ACP apparait. Selon cet axe, une augmentation de la SFP, de la SAU et de l'autonomie alimentaire globale, se fait parallèlement à une baisse des charges opérationnelles, du PBG à l'hectare et du chargement (UGB/ha SFP). L'axe exprime ainsi l'agrandissement de la taille de l'exploitation et la diversification vers des activités autres que l'élevage, qui favorisent la baisse des charges opérationnelles. L'axe 3 représente 12.1% de la variabilité totale et associe une bonne productivité du travail, une surface en herbe et un endettement important à de petites praires artificielles. Enfin l'axe 4 qui explique 10.7% de la variance, est positivement corrélé aux charges de structures à l'hectare, aux annuités d'emprunt et à une main d'oeuvre salariée et négativement corrélé à la part de culture dans l'assolement. A la suite de cela, nous avons fait une CAH qui a établi trois groupes avec les mêmes caractéristiques générales que les classes que nous avions obtenues en faisant la classification précédente. Aucune des classes construites n'est corrélée à l'axe 4. Globalement, nous concluons que des variabilités existent entre les exploitations de notre échantillon. Cette variabilité s'exprime de la même manière sur toute la période, sauf en 2016 où des perturbations ont entrainé de légers changements. La classification permet de distinguer trois groupes d'exploitations sans que nous ayons des précisions sur les caractéristiques particulières qui favorisent l'obtention de bons résultats économiques chez les exploitations AB du MC, les variables de résultat économiques étant faiblement corrélées aux axes de l'ACP. III.3. Formation et répartition des gains de productivité en élevage biologique de ruminants dans le MC : La méthode des comptes de surplus III.3.1. Evolution des gains de productivité en élevage Bio de ruminants du MC III.3.1.1. Surplus de productivité globale des facteurs pour toutes les filières Sur l'ensemble des 5 ans, le cumul du surplus de productivité globale de toutes les 58 exploitations, représente une perte de 21 639€ soit une chute de 2.65% par an. Globalement, les exploitations du projet Bioréférence sont caractérisées par un cumul du surplus de productivité globale en chute entre 2014 et 2018. Cela traduit le fait que les volumes des intrants utilisées chaque année, ont augmenté plus que les volumes des produits (figure 13), c'est-à-dire que la variation du volume des intrants entre 2014 et 2018 a été supérieure à la variation du volume des produits.
0 -5000 -10000 -15000 -20000 -25000 SPG 2014 2015 2016 2017 2018 trend =-0.026519834 41 Figure 13 : Evolution du cumul du SPG des exploitations Bioréférence entre 2014 et 2018 Cette augmentation des volumes des intrants est principalement due aux achats d'aliments, fourrages et concentrés qui ont augmenté respectivement de 3154€ et 1830 € (Figure 14). Ce résultat est également dû aux charges de mécanisation dont les travaux par tiers et l'entretien du matériel qui ont augmenté de 2052€ et 1596€. (Voir annexe 3)
3500 Fournitures et... Engrais Travaux par tiers... Carburants et... Entretien du... Achat petit... Entretien des... Assurances Travaux par tiers Eau + Electricité +... Frais de gestion +... Assurance pour les... Taxes végétales Autre charge... Concentrés achetés Amendements Semences et plants... Produits de... Fournitures pour... Frais de... Co-produits... Autres Aliments... Fourrages achetés Frais d'élevage+... Litière Autres charges... 3000 2500 2000 1500 1000 500 0 -500 Figure 14 : Variation des volumes des consommations intermédiaires III.3.1.2. Surplus de productivité globale des facteurs pour la filière bovins lait L'élevage de bovins laitiers a également connu sur la période une baisse du surplus de productivité globale (Figure 15). Le volume en moyenne de tous les produits (6335€) a augmenté beaucoup moins vite que celui des intrants (19614€) sur toute la période. Le poste des charges qui a le plus augmenté est celui des achats de fourrages dont le cumul représente 5620€. L'augmentation des volumes de charges par rapport aux produits devient beaucoup plus rapide entre les années 2016 et 2017. Cela pourrait s'expliquer par la sécheresse de l'année 2016 qui a entrainé une hausse des achats de fourrages et une baisse des volumes de concentrés (céréales) qui aurait affecté la productivité animale.
SPG en bovins lait 5000 0 -5000 -10000 -15000 -20000 -25000 2014 2015 2016 2017 2018 trend = 0.027845214 42 Figure 15 : Evolution du cumul du SPG en élevage Bio de bovins lait entre 2014 et 2018 III.3.1.3. Surplus de productivité globale des facteurs pour la filière bovins viande Les bovins allaitants n'échappent à la tendance de baisse du surplus de productivité. Le SPG a en effet baissé de 2.51% par année, en moyenne sur la période. On observe une baisse entre 2014 et 2016 du surplus. Entre 2016 et 2017, on a une légère augmentation des volumes des produits, toujours dans une moindre mesure par rapport à l'augmentation des volumes des charges, mais qui a permis une légère augmentation du surplus par rapport à son niveau de 2016. Cette tendance n'aura duré qu'un an, puisqu'à partir de 2017, le surplus recommence à diminuer (Figure 16). L'augmentation en volumes des intrants chez les exploitations de bovins viande est principalement liée à l'augmentation des volumes des charges de mécanisation dont les travaux par tiers et l'entretien du matériel qui ont augmenté respectivement de 4683€ et de 4241€ en 5 ans. Les charges animales diverses (pensions, travaux par tiers, location, taxes, frais de transformation, frais de commercialisation...) ont également augmenté de 3530€.
SPG en bovins viande 0 -5000 -10000 -15000 -20000 2014 2015 2016 2017 2018 trend= -0.025107978 Figure 16 : Evolution du cumul du SPG en élevage Bio de bovins viande entre 2014 et 2018 III.3.1.4. Surplus de productivité globale des facteurs pour la filière ovins lait Sur la période 2014-2018, le cumul du surplus de productivité globale en production ovins viande représente une perte de 23649€ en moyenne soit une baisse du surplus de 1.82% par an (Figure 17). 43 L'augmentation des volumes des charges a été plus importante que celle des produits à cause principalement des achats d'aliments et des charges de mécanisation. Le cumul des achats de fourrages a augmenté de 3154 € et des concentrés achetés de 1829€. Les travaux par tiers de mécanisation ont augmenté de 2052€ et l'entretien du matériel de 1596€.
SPG ovins lait 0 -5000 -10000 -15000 -20000 -25000 2014 2015 2016 2017 2018 trend = -0.018171333 Figure 17 : Evolution du cumul du SPG en élevage Bio ovins lait entre 2014 et 2018 III.3.1.5. Surplus de productivité globale des facteurs pour la filière ovins viande Le cumul du surplus de productivité globale en élevage bio ovins viande en 2018 est de -30208 €, ce qui représente une baisse de 6.24% en moyenne par an entre 2014 et 2018 (Figure 18). La baisse de surplus a été beaucoup plus importante chez les ovins viande que chez les autres filières de notre réseau. Les exploitations ovins viande ont particulièrement souffert de la sécheresse de l'année 2016. Certaines d'entre elles fonctionnent essentiellement à l'herbe, cette sécheresse a donc fortement impacté l'autonomie alimentaire et la productivité animale. D'où la baisse de surplus qui a été plus importante à partir de 2016. De plus, ce sont des exploitations qui nourrissent beaucoup les animaux avec des concentrés, dont les volumes achetés ont augmenté le plus, de 4331 € sur 5 ans.
SPG ovins viande 0 -5000 -10000 -15000 -20000 -25000 -30000 -35000 2014 2015 2016 2017 2018 trend = -0.062450456 Figure 18 : Evolution du cumul du SPG en élevage Bio
ovins viande entre 2014 et 2018 44 Enfin, chez les élevages de caprins en bio, globalement, le surplus de productivité global a baissé de 1.86% par an (Figure 19). Si cette filière n'échappe pas à la baisse de surplus constatée dans les autres filières, nous pouvons quand même noter qu'à partir de 2016, la différence entre la variation des volumes de produits et de charges tend à se réduire et le SPG évolue à la hausse. Tout comme les autres filières, la filière caprine a vu ses charges alimentaires en volume beaucoup augmenter. Ici, ce sont les achats de fourrages qui ont augmenté le plus, à hauteur de 2639€. Les charges diverses ont également augmenté. A titre d'exemple, l'entretien du bâtiment a augmenté de 2044€.
SPG caprins 0 -5000 -10000 -15000 -20000 -25000 2014 2015 2016 2017 2018 trend = -0.018605275 Figure 19 : Evolution du cumul du SPG en élevage Bio caprins entre 2014 et 2018 III.3.2. Formation et répartition des gains de productivité Après avoir vu comment évoluait le surplus de productivité globale des exploitations du projet Bioréférence, nous présenterons la formation du surplus économique généré par les exploitations et sa répartition entre les différents partenaires pour toutes les exploitations et pour chacune des 5 filières. III.3.2.1. Compte de surplus pour toutes les exploitations Sur les 5 ans toutes filières confondues, le surplus économique cumulé généré par les exploitations s'élève à 28 636 € en moyenne par exploitation (tableau 9). Le surplus économique provient principalement de la baisse de la rémunération des exploitants (profitabilité) à 49% et de l'augmentation des aides de l'Etat à 41%. Le SPG représente un emploi (SPG< 0) de 21 640€ soit 76% des ressources économiques de la période, à financer. Globalement, nous observons une augmentation des prix des consommations intermédiaires, du foncier (précisément du fermage) et du travail qui captent respectivement 5%, 3% et 17% des ressources du surplus économique. L'augmentation du prix du travail est principalement due à l'augmentation des charges sociales exploitants (MSA). Même si globalement, les prix des produits ont augmenté plus que ceux des charges, cela ne représente pas un réel avantage pour l'exploitant dont la rémunération a baissé et les charges sociales augmenté. En plus des exploitants, l'Etat subit également un désavantage important du fait de l'augmentation des aides et dans une moindre mesure les fournisseurs de matériels et équipement qui fournissent 1% des ressources du surplus 45 économique. Les prix du lait et des cultures augmentent beaucoup plus que le prix de la viande qui a stagné quasiment en 5 ans, les ateliers laitiers sont plus bénéfiques aux éleveurs que les ateliers de viande. L'avantage prix obtenu sur les cultures est bénéfique pour les éleveurs qui en vendent, et désavantage les acheteurs par l'augmentation des prix des aliments concentrés (consommations intermédiaires). Globalement, les acteurs qui perçoivent des avantages sont les propriétaires fonciers, les fournisseurs des consommations intermédiaires, les salariés de l'agriculture. (Voir annexe 3).
Tableau 9 : Compte de surplus cumulé, moyenne par exploitation en € constants et en % des ressources et emplois III.3.2.2. Compte de surplus pour la filière bovins lait Chez les exploitants de la filière bovins lait, le cumul des ressources économiques représente 25 478€ et est financé en grande partie par la baisse de la rémunération des exploitants de 45% et par l'augmentation des aides de l'Etat de 43% (tableau 10). Le SPG représente un besoin de financement de 21 586€ soit 85% du cumul du surplus économique. L'avantage des exploitants provient de l'augmentation des prix des produits viande, des cultures et des autres produits de respectivement 7%, 3% et 1%. Les propriétaires fonciers perçoivent un désavantage par la baisse du prix des fermages qui permet de financer 1 % du surplus économique. L'aval de la filière lait de vache perçoit un avantage du fait de la baisse du prix du lait et les fournisseurs des consommations intermédiaires également. Les taux d'intérêts et les amortissements chez les exploitants de bovins lait n'ont presque pas évolué (0%).
Tableau 10 : Compte de surplus cumulé, moyenne par exploitation en € constants et en % des ressources et emplois pour la filière bovin lait 46 III.3.2.3. Compte de surplus pour la filière bovins viande De 2014 à 2018, dans la filière bovins viande, les ressources économiques générées ont pour origine à 50% l'augmentation des aides, à 29% la baisse du profit des éleveurs, à 14% l'augmentation du prix de la viande produite, à 5% l'augmentation du prix des cultures et à 1% la baisse des amortissements et des taux d'emprunts (tableau 11). Les propriétaires fonciers perçoivent un avantage et captent 1% du surplus, les fournisseurs de consommations intermédiaires captent 6% du surplus et 6 % du surplus est consacré aux charges salariales et cotisations sociales. Les avantages que perçoivent les exploitants sur les prix des produits ne représentent pas de réels avantages avec la baisse de leurs revenus, la hausse des cotisations sociales et un SPG qui représente un emploi à financer captant 72% des ressources économiques créées.
Tableau 11 : Compte de surplus cumulé, moyenne par exploitation en € constants et en % des ressources et emplois pour la filière bovins viande III.3.2.4. Compte de surplus pour la filière ovins lait Concernant la filière Ovins lait, Le SPG se comporte de la même manière que dans les autres filières. Il représente un besoin de financement de 23 650€ soit 62% des ressources économiques. Les ressources économiques cumulées de la filière sur la période proviennent principalement à 55% de l'augmentation des aides de l'Etat. Les producteurs de lait perçoivent un avantage considérable qui représente 20% du surplus économique généré. Les éleveurs sont tout de même obligés de baisser leur rémunération de 5 619€ soit 15% des ressources totales, pour financer les charges foncières, les charges salariales et les cotisations sociales ainsi que la baisse du surplus de productivité globale des facteurs. En élevage ovins lait, les fournisseurs de consommations intermédiaires ne captent pas d'avantage prix tout comme les fournisseurs de capitaux et d'équipements (tableau 12).
47 Emplois
Tableau 12 : Compte de surplus cumulé, moyenne par exploitation en € constants et en % des ressources et emplois pour la filière ovins lait III.3.2.5. Compte de surplus pour la filière ovins viande Comparativement aux autres filières, les exploitations ovins viande réalisent les pires gains (pertes) de surplus de productivité globale. En effet ce SPG représente un besoin de financement à 92 % des ressources économiques totales moyennes soit 30 208€. Les avantages perçus par les éleveurs sur les produits, le foncier et les aides ne sont pas suffisants pour financer l'augmentation des prix des consommations intermédiaires, des charges salariales et sociales et la baisse du SPG. Ce qui oblige les éleveurs à fortement réduire leur rémunération. Ainsi les ressources économiques de la période ont pour origine principale et à hauteur de 77% la baisse du revenu des éleveurs. Les aides accordées par l'Etat à la filière ont peu augmenté (3 643€) sur 5 ans et l'ensemble des ressources économiques proviennent à 11% de ces aides (Tableau 13).
Tableau 13 : Compte de surplus cumulé, moyenne par exploitation en € constants et en % des ressources et emplois pour la filière ovins viande III.3.2.6. Compte de surplus pour la filière caprine La filière caprine ne se différencie pas fortement des autres filières. L'origine des ressources économiques totales se partage entre la baisse du profit des éleveurs (62%), l'augmentation des aides de l'Etat (24%), l'augmentation du prix du lait (12%) et l'augmentation des prix des produits des autres activités (2%). Les producteurs perçoivent ainsi un avantage sur la production du lait même si leurs 48 revenus diminuent considérablement. L'aval de la filière viande caprine, les propriétaires fonciers et les fournisseurs de consommations intermédiaires et de capitaux et équipements bénéficient du surplus économique généré à hauteur de 27%, 4%, 6% et 1% respectivement. La baisse du SPG est moins importante chez les éleveurs de caprins par rapport aux autres filières et la profitabilité des exploitations est fortement affectée par la baisse de la productivité. L'évolution des prix des produits caprins est également très instable d'une année à l'autre. De plus la petite taille de l'échantillon caprins (8 exploitations) fait qu'un ou deux élevages avec des résultats extrêmes peuvent fortement influencer les tendances moyennes des résultats présentés ici (Tableau 14).
Tableau 14 : Compte de surplus cumulé, moyenne par exploitation en € constants et en % des ressources et emplois pour la filière caprins III.4. Les déterminants de la performance économique et de l'efficience globale des exploitations Afin de déterminer les caractéristiques structurelles, organisationnelles ou techniques qui permettraient d'obtenir des gains de surplus de productivité nous avons estimé quatre modèles par la méthode semi-parametric maximum likelihood (SML). Les résultats synthétiques des quatre modèles estimés sont présentés dans le tableau 15. Certaines variables ne peuvent pas être intégrées conjointement dans le modèle car elles sont corrélées (voir annexe 4). C'est le cas des variables inputmix_ttx et inputmix_Cc ; p_sal et p_fam, elles sont alors estimées dans différents modèles. 49
Tableau 15 : Résultats des estimations Inputmix_ttx et inputmix_Cc Le coefficient relié à la part des achats d'aliments dans l'alimentation totale est négatif, dans tous les modèles. Ce coefficient est significatif au seuil de 1%. Les résultats de l'estimation montrent que l'augmentation des aliments achetés dans l'alimentation totale corrèle négativement avec l'obtention du surplus de productivité globale des facteurs positif. L'autonomie alimentaire globale est alors un élément nécessaire pour l'obtention de bons résultats économiques au sein des exploitations. Si le coefficient positif de la variable inputmix_Cc signifie que l'augmentation d'achats de concentrés dans l'alimentation totale a un effet positif sur le SPG. Cela peut s'expliquer par le fait qu'une consommation importante de concentrés en améliorant la productivité animale, peut améliorer le SPG. Cependant ce résultat est à mettre en rapport avec la question de l'autonomie alimentaire, qui elle est nécessaire à l'obtention d'un SPG positif. L'achat de concentrés améliore le gain de surplus, mais une part trop importante d'achats impacterait l'autosuffisance alimentaire et donc aurait un impact négatif sur le SPG. Effic et Eff_fix Les coefficients associés à ces deux variables sont positifs et statistiquement différents de 0 au seuil de 1% dans les trois modèles. Ce qui signifie qu'une maitrise des coûts variables et fixes, (PB/cts variables et PB/cts fixes) est positivement corrélée à un SPG positif. Outputmix Cette variable mesure la diversité dans l'offre de production des exploitations. Concrètement, elle mesure le degré de spécialisation (en %). Le coefficient qui lui est associé est négatif et statistiquement significatif au seuil de 1% dans tous les modèles. Une trop grande spécialisation a un effet négatif sur le SPG. La diversification permet alors d'améliorer leur gain de productivité. Peut se poser ici la question 50 de seuil, jusqu'à quel niveau peut-on être spécialisé si on veut continuer de générer des gains de productivité. UGBt La variable UGB représente la taille du cheptel d'herbivores, elle est utilisée ici comme indicatrice de la taille des exploitations. Le coefficient qui lui est associé est négatif et significatif au seuil de 1% dans les trois modèles. L'accroissement de la taille peut être un facteur pénalisant dans la génération d'un SPG positif. Ce résultat traduit le fait qu'au sein des exploitations de notre réseau on n'observe pas d'économie d'échelle. P_sal et p_fam Le coefficient associé à la variable p_sal qui représente la part de travailleurs salariés dans la main d'oeuvre totale est négatif et statistiquement différent de 0, et de fait le coefficient associé à la variable p_fam, la part du travail familial dans la main d'oeuvre totale, est positif et significatif au seuil de 1%. Cela traduit le fait que les exploitations avec une part importante de salariés génèrent moins de surplus. Et au contraire, une main d'oeuvre familiale plus importante est positivement corrélée à l'obtention de surplus de productivité global positif. Les variables de contrôle (BL, BV, OL, OV et CA) Pour les intégrer dans le modèle, la variable CA a été utilisée comme référence parce que les exploitations caprines sont les plus petits effectifs et l'analyse de la productivité montrait des baisses de surplus de productivité globale moins importants que pour les autres filières. Nous avons fait les régressions avec ces variables pour analyser si un type d'élevage était déterminant ou non dans les gains de surplus de productivité. Ces variables sont parfois significatives, parfois non, cela dépend du modèle dans lequel elles sont insérées. Nous pouvons en dire que par rapport aux exploitations caprines, les autres filières ne sont pas moins bonnes ou mauvaises. Tout dépend de l'organisation du système, qui met en lumière la notion de cohérence du système. 51 |
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
