Memoire Online - Analyse technico-economique d’exploitations en elevage biologique dans le massif central de 2014 à 2018

Cette section présente les données, les outils, la méthodologie et l'analyse des données. Pour les différentes analyses réalisées, nous avons utilisé les logiciels MS Excel 2016, RStudio-1.3.959 et STATA 15.

Le réseau des fermes Bioréférence compte 70 fermes choisies selon les demandes de références jugées prioritaires. Il compte des fermes des 5 filières d'élevage de ruminants dans le massif central : les filières bovines viande et lait ; les filières ovines, viande et lait ; et la filière caprine. Le choix des fermes s'est porté sur la pérennité de leur engagement, afin de constituer un échantillon constant sur le moyen terme (5 ans). Toutes les données collectées sur ces fermes sont saisies, calculées, stockées et analysées avec l'outil unique DIAPASON. Ceci permet d'harmoniser les méthodes et les données. La collecte de données d'une année n se réalise au cours de l'année n+1. La vérification et validation de l'ensemble des données est réalisée fin n+1, l'analyse et la synthèse se font début n+2. Les collecteurs ont pour mission de collecter les données sur les exploitations de leur territoire à travers deux ou trois passages sur les fermes par an. Les référents filières analysent chaque année les données à l'échelle Massif Central avec l'appui du groupe de collecteurs et font une synthèse annuelle des résultats. Ils ont la charge de l'animation de leur groupe filière. Les données collectées sont des données structurelles, techniques et économiques. Ce sont des données caractérisant le fonctionnement du système d'élevage. Ces données permettent de calculer, avec une méthodologie unifiée entre les cinq filières, les performances productives et économiques des exploitations. Ces performances sont mises en regard des caractéristiques structurelles des exploitations afin d'étudier les déterminants de ces performances.

Sur 5 ans, entre 2014 et 2018, ce sont 58 fermes d'élevage de ruminants en échantillon constant qui ont été étudiées, dans le cadre de ce travail : 16 bovins lait, 13 bovins viande, 11 ovins lait, 10 ovins viande et 8 caprins. Sur les 70 exploitations de base, l'échantillon constant en 2018, compte 58 individus parce qu'au long du projet, certaines fermes ont été intégrées et d'autres sont sorties du réseau. A partir des données extraites de la base de données DIAPASON, 166 indicateurs ont été calculés. Ce sont :

- 59 indicateurs structurels qui concernent le contexte pédoclimatique, la main d'oeuvre, la surface et l'assolement, le cheptel, le capital d'exploitation et l'endettement.

- 37 indicateurs techniques concernant la consommation et l'autosuffisance en concentrés, en fourrages et en paille, l'autonomie alimentaire globale, la productivité animale et la valorisation des produits.

- 66 indicateurs économiques qui concernent le produit brut, la marge brute, l'excédent brut d'exploitation, les coûts de production, les charges opérationnelles et de structure, la valeur

ajoutée hors fermage, le revenu disponible et le résultat courant. Toutes les valeurs économiques sont exprimées en Euros constants.

II.2.1. Analyse descriptive des caractéristiques des exploitations et de leur évolution

Pour avoir un échantillon constant, nous n'avons retenu que les exploitations qui avaient été toutes suivies de 2014 à 2018, c'est-à-dire 58 fermes. Cela permet d'étudier l'évolution des résultats moyens sur 5 ans.

Pour avoir une idée des caractéristiques de notre échantillon, une analyse descriptive globale a d'abord été menée. L'analyse descriptive a consisté en l'analyse des moyennes et des écart type des variables structurelles, techniques et économiques pour tout notre échantillon indépendamment du type de production, sur chaque année de l'étude. Nous avons ensuite calculé le taux de croissance de ces indicateurs entre 2014 et 2018 pour apprécier l'évolution de l'échantillon sur les 5 années. Les variables choisies pour cette analyse sont celles qui permettent une analyse transversale entre toutes les exploitations. Pour les variables qui sont liées au type de production même et donc exprimées dans des unités différentes, comme par exemple la productivité animale, elles ont été exprimées en base 100 par rapport à 2014. Pour l'année 2018, les résultats ont été comparés aux exploitations des fermes du réseau d'information comptable agricole (RICA) qui, comprend en grande majorité des fermes en agriculture conventionnelle. Nous avons ainsi calculé les moyennes pour les OTEX 45 (BL), 46(BV), 481 (Ovins lait + viande) et 483 (CA) ainsi que leur évolution sur la période 2014-2018, afin de les comparer aux exploitations de notre réseau (voir encadré 1).

Pour analyser la variabilité des exploitations, nous réalisons une analyse exploratoire. La méthode retenue est celle de l'analyse en composantes principales (ACP), puisque nous sommes en présence uniquement de variables quantitatives. C'est une approche qui permet d'explorer les liaisons entre variables et les ressemblances entre individus selon ces variables. Les axes formés selon les liaisons entre variables donnent une indication des variables qui discriminent au mieux les individus. Sur l'ensemble des variables, nous n'avons noté aucune donnée manquante. L'ACP a été réalisée avec 39

variables actives dont 25 variables de structure et d'organisation, 6 variables techniques et 8 variables économiques. 10 variables de résultats économiques ont été rajoutées comme variables supplémentaires, elles n'interviennent pas dans l'ACP, elles sont justes projetées sur les axes afin de pouvoir analyser les corrélations avec les axes ou les autres variables actives (encadré 2).

Une première analyse en composante principale a été réalisée sur les 290 exploitations-années en valeur absolue et a permis une classification de ces exploitations. Cette analyse a permis la création de 4 axes résumant 58.16% de la variance totale. A la suite de l'ACP, une classification ascendante hiérarchique (CAH) est réalisée. Elle permet d'avoir une typologie des exploitations en fonction des axes de l'ACP. 3 Classes, ont été définies. Cette classification sur les données en valeur absolue a fait ressortir un fort effet production. Ainsi, la classe 1 concentre principalement les productions en lait. Dans la classe 2 on retrouve principalement des exploitations d'élevage de viande. Enfin, les variables qui caractérisent les individus de la troisième classe sont celles qui caractérisent également les exploitations en OL.

Les résultats obtenus pour 290 individus-années en valeur absolue et sans pondération, montrent la nécessité de s'affranchir de l'effet type de production et de l'effet nombre d'individus d'un type de production dans l'échantillon. D'où le choix de réaliser l'ACP sur les données pondérées centrées et réduites par production puis centrées et réduites par production-année.

Dans un premier temps, pour analyser la variabilité de notre échantillon, nous considérant que nous avons 58 exploitations*5 années, soit 290 exploitations-années, 39 variables actives et 10 variables additives. Les données ont été centrées et réduites par production, c'est-à-dire par rapport à la moyenne et l'écart type de la production pour chaque variable sur l'ensemble des 5 ans. Nous travaillons avec des données centrées et réduites afin de s'affranchir de l'effet type de production car l'objectif ici est de voir comment se résume la variabilité globale de l'échantillon de 58 fermes indépendamment du type de production et de l'année. L'utilité de travailler sur des données centrées réduites, vient également du fait que pour certaines variables, nous n'avons pas les mêmes unités de mesure et les mêmes ordres de grandeur. De plus, les 5 filières n'ayant pas le même nombre d'exploitations dans l'échantillon, un coefficient de pondération a été affecté à chacune d'elles, afin d'obtenir le même poids dans l'analyse. Pour obtenir ce coefficient de pondération, on suppose que, théoriquement pour 58 exploitations au total, on devrait avoir 11.6 exploitations par filière. On divise alors les 11.6 par les effectifs réels de chaque filière.

À la suite de l'ACP, une classification ascendante hiérarchique est réalisée. Elle permet d'obtenir une typologie des exploitations en créant des classes qui regroupent les individus ayant des caractéristiques similaires. Les individus appartenant à la même classe se ressemblent et selon leurs caractéristiques, sont significativement différents des individus des autres classes. On peut ainsi comparer les classes entre elles en fonction des moyennes de leurs variables les plus significatives.

- Productivité animale: OL: L de lait /brebis présentes ; OV : agneaux/brebis/an ; BV : KG de viande

- Part des CS (y compris les amortissements et frais financiers) dans le PBG avec aides (%)

- Charges de structure (y compris les amortissements et frais financiers) /ha de la SAU (€/ha)

- Coûts de production OL : €/1000L ; OV : €/kg de carcasse d'agneaux ; BV : €/100kg de viande vive

Dans un second temps, nous voulons voir si cette variabilité s'exprime de la même manière d'une année à l'autre, considérant chaque année indépendante des autres. Pour cela nous réalisons alors une ACP, avec les mêmes variables sur chaque année, soit 5 ACP. Et pour cela nous utilisons des données centrées et réduites, cette fois ci par production et par année, c'est-à-dire par rapport à la moyenne et l'écart type de la filière pour chaque année, pour chaque variable. Cela va permettre de gommer les différences entre les types de production, tout en gardant l'effet des années.

II.2.3. Déterminer la productivité des facteurs et évaluer l'efficience du système de production

La troisième partie de ce travail consiste à évaluer la formation et la réparation des gains de productivité entre 2014 et 2018 des exploitations Bio de ruminants du MC. La méthode choisie est celle des comptes de surplus. L'objectif d'une entreprise est de produire des biens et service avec une combinaison de facteurs de production de sorte à dégager un surplus. Entre deux années, on considère qu'une entreprise a réalisé un surplus de productivité globale (ou généré des gains de productivité) si l'accroissement du volume de l'ensemble de ses produits est plus important que l'accroissement du volume de l'ensemble des facteurs de production utilisés. Ce surplus, peut être calculé soit à partir de la variation de volume des facteurs de production et des produits, soit à partir de la variation de leurs prix. Il faut alors décomposer la variation de la valeur économique de chaque poste de produits et de charges en variation de volumes et en variation de prix. De là, nous pouvons ainsi établir le compte de surplus, qui permettra d'avoir la répartition du surplus résultant des gains de productivité et des variations de prix entre les différents agents de l'économie.

A partir des comptes d'exploitation, nous pouvons établir l'égalité comptable suivante, qui traduit l'idée selon laquelle la valeur de la totalité des produits couvre celle des charges.

Yj,t= la quantité du produit j vendu au prix p, au temps t Xi,t= la quantité du facteur i acheté au prix w au temps t

Le surplus, résulte de la variation de valeur liée à l'évolution des volumes, les prix de base étant ceux de l'année précédente, et l'avantage prix résulte de la variation des prix, les volumes de base sont ceux de l'année courante, alors le premier terme de l'égalité (2) peut s'écrire :

(:^Jj=1 pj,tYj,t+1 - :^Jj=1 pj,tYj,t ) + ( :^Jj=1 pj,t+1Yj,t+1 - :^Jj=1 pj,t Yj,t+1)
:^Jj=1 pj,t (Yj,t+1 - Yj,t) + :^Jj=1 Yj,t+1 (pj,t+1 - pj,t)

OE^Ii=1 wi,tXi,t+1 - ?^Ii=1 wi,tXi,t ) + ( ?^Ii=1 wi,t+1Xi,t+1 - ?^Ii=1 wi,t Xi,t+1)

L'équation (2) s'écrira alors : ?^Jj=1 pj,t dYj, + ?^Jj=1 Yj,t+1dpj = ?^Ii=1 wj,tdXi + ?^Ii=1 Xi,t+1dwi (3)

On fait ensuite passer les termes de l'égalité d'un côté à l'autre de sorte à exprimer la différence entre les variations de volumes des produits et des charges et la différence entre les variations de prix des produits et des charges.

Le terme de gauche représente la différence, entre les périodes t et t+1, des variations de volume entre les produits et les intrants au prix de la période t. C'est le surplus de productivité globale. Il est positif si entre t et t+1, le volume des produits augmentent plus que le volume des charges, sinon il sera négatif. Le terme de droite mesure la somme des avantages prix (AP). Il est égal entre t et t+1 à la variation des prix pondérée par les volumes constants. Lorsque le prix des intrants (ou produits) augmente, cela représente un avantage pour les fournisseurs (producteurs). Il est possible d'obtenir un avantage prix négatif. Dans ce cas, il sera considéré comme un apport de la part d'un partenaire au SPG si ce dernier est positif. Si le SPG est négatif, il représente alors un emploi à financer. Ainsi, on peut construire le compte de surplus équilibré entre emplois et ressources (Tableau 2).

Pour le choix du prix et du volume de base dans l'équation (4) Nous avons utilisé un indice de type Laspeyres (pondération de la variation de volumes par le prix de la période initiale), et un indice de type Paasche (pondération des prix par les volumes de la période finale). On aurait pu faire l'inverse, le choix reste arbitraire. C'est pourquoi, dans l'application, nous avons utilisé l'approche Bennet, qui revient à faire la moyenne arithmétique des résultats en Laspeyres et en Paasche.

Nous avons appliqué cette méthode sur les 58 fermes en échantillon constant de notre étude. L'analyse est basée sur la moyenne globale des surplus des exploitations et non pas sur les exploitations prises individuellement. Pour toutes les fermes de notre échantillon, nous disposons des valeurs de tous les produits et de toutes les charges, extraites de la base de données DIAPASON. Pour certains postes, les volumes et les prix unitaires n'étaient pas connus. Ils ont été calculés en faisant le rapport entre la valeur et l'indice de prix pour faire la décomposition volume-prix. L'indice des prix des produits agricoles à la production (IPPAP) permet de mesurer l'évolution des prix de vente des produits agricoles. Les produits pour lesquels on n'avait que les valeurs, ont été déflatés par cet indice. L'indice des prix d'achat des moyens de produits agricoles (IPAMPA) permet de suivre l'évolution des prix unitaires des biens et services utilisés par les exploitants pour leur activité de production. Les valeurs des charges pour lesquelles les prix unitaires n'étaient pas disponibles dans notre base de données, ont donc été déflatées par cet indice afin d'avoir la décomposition volume-prix. Etant en Bio, les indices de prix fournis par l'INSEE ne sont pas représentatifs des prix en agriculture biologique. C'est pourquoi, en nous basant sur les données de la base de données du projet Bioréférence, nous avons construit des indices de prix pour exprimer et approcher au mieux les évolutions de prix des filières en agriculture biologique. Pour ce qui est des aides, nous avons fait l'hypothèse que celles-ci n'ont pas de changement de volume, l'effet variation prix des subventions correspond donc à la variation de la valeur totale observée. D'une année à l'autre, nous avons donc une variation de prix mais pas de volume. Nous avons ainsi effectué nos calculs à partir de 19 produits répartis en 5 groupes et 37 intrants regroupés en 5 groupes (tableau 3).














^OUTPUTS	^INPUTS

^{Produit lait} ^{Produits autres herbivores}	^{Consommations intermédaires}
^{Produit lait de l'atelier BL}	^{Concentrés achetés}
^{Produit lait OL}	^{Coproduits concentrés}
^{Produit lait CA}	^{Autres Aliments achetés (CMV#177;Poudre lait)}
	^{Fourrages achetés}
^{Produit viande}	^{G Frais d'élevage#177; frais vétérinaires}
^{Produit Viande atelier BL}	^{Achats de litière}
^{Produit viande BV}	^{Autres charges animales}
^{Produit viande CA}	^Engrais
^{Produit viande atelier OV}	^Amendements
	^{Semences et plants achetés}
^{Aides totales}	^{Produits de défense végétaux}
	^{Fournitures pour fourrages}
^{Autres produits}	^{Frais de fonctionnement irrigation}
	^{Travaux par tiers (végétaux)}
^{Produit hors sol(€)}	^{Assurance pour les végétaux}
^{Produit d'autres activités hors aides}	^{Taxes végétales}
^{Produits ventes SFP} ^{Montant vente paille}	^{Montant autres charges végétales} ^{Total charges opérationnelles autres activités}
^{Montant ventes produits non affectables}	^{Travaux par tiers}
^{Produits culture}	^{Carburants et lubrifiants} ^{Entretien du matériel}
^{Montant céréales}	^{Achat petit matériel} #177; ^Crédit Bail
^{Montant oléagineux}	^{Entretien des bâtiments} #177; ^{Location de bâtiments et MAD}
^{Montant protéagineux}	^Assurances
^{Vente cultures pérennes et cultures spéciales}	^Eau #177; ^Electricité #177; ^Gaz
	^{Frais de gestion} #177; ^{Transports Déplacement} #177; ^{Impots et Taxes}

Tableau 3 : Liste des produits et charges qui entrent dans la décomposition du surplus

Analyse technico-economique d’exploitations en elevage biologique dans le massif central de 2014 à 2018

II. MATERIEL ET METHODES