Impact du projet d’appui à la réhabilitation et à la relance du secteur agricole (PARRSA) sur le revenu des ménages ruraux de la province du Sud-Ubangi
- contacteupcriic
- il y a 4 jours
- 20 min de lecture
Dernière mise à jour : il y a 2 jours
Mbumba Bandi Michel:
Prof Associé à la faculté des sciences Agronomiques et environnement.
Biloso Moyene Apollinaire:
Prof Ordinaire à la faculté des sciences Agronomiques et environnement.
Kazambu Mukinayi Ambroise :
Apprenant DEA à la faculté des sciences Agronomiques et environnement.
RESUME
Description du sujet. Tous les projets ou programmes agricoles ont pour but premier d'améliorer le revenu des ménages agricoles afin de renforcer leur accès aux services sociaux fondamentaux, notamment l'éducation des enfants, l'accès aux soins médicaux de base, l'accès à l'eau potable et éventuellement une amélioration de la qualité de vie.
Objectifs. L’objectif global de cette étude est d’évaluer l’impact du PARRSA (Phase 1) sur le revenu agricole des ménages de la Province du Sud-Ubangi. Spécifiquement, il s’agit de : (i) identifier les profils des ménages bénéficiaires et non-bénéficiaires du PARRSA et (ii) examiner l’impact du PARRSA sur le revenu agricole des ménages de la Province du Sud Ubangi.
Méthodes. Hormis les techniques de la recherche documentaire et l’observation, trois méthodes scientifiques ont été mises en œuvre, notamment: (i) la méthode hypothético-déductive, (ii) la méthode d’appariement par score de propension et (iii) la méthode d’échantillonnage probabiliste complétée par celle de la boule de neige.
Résultats. La plupart des bénéficiaires du PARRSA ont ressenti une augmentation de leurs revenus agricoles. En revanche, les réponses pour les non bénéficiaires sont presque opposées, mais très similaire en termes d'amélioration de revenu. Le test statistique révèle qu’il y a une différence significative pour la participation des enquêtés aux tontines (p = 0,03 ≤ 0,05) et pour la taille d’exploitation (p = 0,025 ≤ 0,05). Par contre, il n’y a pas de différence significative pour les autres caractéristiques des répondants (p > 0,05).
Conclusion. Les résultats de cette recherche offrent des pistes pour les nouvelles politiques agricoles et la résilience des exploitations familiales en République Démocratique du Congo.
Mots-clés : Impact, PARRSA, ménages ruraux, Sud-Ubangi, RDC.
Impact of the Project to Support the Rehabilitation and Revival of the Agricultural Sector (PARRSA) on the agricultural income of rural households in South Ubangi Province (DR Congo)
ABSTRACT
Description of the subject. All agricultural projects or programs have the primary goal of improving the income of farming households in order to strengthen their access to basic social services, including children's education, access to basic medical care, access to drinking water, and potentially an improvement in quality of life.
Objectives. The overall objective of this study is to assess the impact of PARRSA (Phase 1) on the agricultural income of households in the South Ubangi Province from 2010 to 2018. Specifically, it aims to: (i) identify the profiles of households that are and are not beneficiaries of PARRSA and (ii) examine the impact of PARRSA on the agricultural income of households in South Ubangi Province.
Methods. In addition to documentary research and observation techniques, three scientific methods were used, namely: (i) the hypothetical-deductive method, (ii) the propensity score matching method, and (iii) the probabilistic sampling method supplemented by the snowball sampling method.
Results. Most PARRSA beneficiaries reported an increase in their agricultural income. In contrast, the responses for non-beneficiaries were almost opposite, but very similar in terms of income improvement. The statistical test reveals that there is a significant difference in terms of respondents' participation in tontines (p = 0.03 ≤ 0.05) and farm size (p = 0.025 ≤ 0.05). However, there is no significant difference in terms of the other characteristics of respondents (p > 0,05).
Conclusion. The results of this research offer avenues for new agricultural policies and the resilience of family farms in the Democratic Republic of Congo.
Keywords: Impact, PARRSA, households, South Ubangi, DRC.
1. INTRODUCTION
1.1. Problématique
La République Démocratique du Congo (RDC) fait face à l’insécurité alimentaire et nutritionnelle aigües auxquelles s’ajoutent les difficultés socioéconomiques avec un faible niveau de revenu par habitant estimé en 2018 à 577,21 USD/habitant et un taux de pauvreté élevé à 73 % (Banque Mondiale, 2021). Cette situation s’explique par la faiblesse de la politique agricole, caractérisée par la faible production locale, le manque d’investissement dans le secteur agricole, le manque d’intrants agricoles, presque pas de routes de desserte agricole favorisant l’évacuation des produits agricoles et la faiblesse de l’impact des projets de développement agricoles, etc. Cet état de fait a entraîné des importations massives des denrées alimentaires de première nécessité tels que les céréales, les poissons congelés, les poulets et les abats congelés qui coûtent au pays plus de 5 milliard de dollar américain l’an (Ministère du Plan de la RDC, 2011).
Depuis plus de quatre décennies, le Gouvernement congolais a initié plusieurs projets et programmes de développement agricole (PARRSA, PDAI, PAM, PASA-N, etc.) en collaboration avec les Partenaires Techniques et Financiers (Banque Mondiale, UE, BAD et FAO) en vue de combattre l’insécurité alimentaire et nutritionnelle ainsi que la pauvreté qui caractérise la majorité des ménages en RDC (Ministère de l’Agriculture et du Développement Rural de la RDC, 2007).
Bien que tous les efforts consentis par le Gouvernement congolais et au regard des potentiels agricoles énormes que disposent le pays, les résultats de la plupart de projets et programmes de développement agricole restent non satisfaisants (Lavagnon et Donnelly, 2017 et Ministère de l’agriculture et du développement rural, 2007). Les conséquences se manifestent par l’endettement du pays vis-à-vis des partenaires, or la population n’en bénéficie pas (Ntoto, 2024).
Le Projet d’appui à la réhabilitation et à la relance du secteur agricole (PARRSA) se distingue comme l'un des projets les plus performants de la RDC, en termes d’expérience enrichissante de coordination, d’implication du gouvernement, de dialogue entre le gouvernement et la Banque mondiale et de gouvernance technique et financière (aucune dépense inéligible, taux de décaissement de 100 %, taux d’exécution de plus de 80 % des plans de passation des marchés, audits interne et externe confirment les bonnes pratiques, déclenchement de politiques appropriées de sauvegarde environnementale et sociale et le changement climatique (Ministère de l’agriculture, pêche et élevage, 2017).
Mais, peu d'études scientifiques ont été réalisées en RDC concernant les impacts du PARRSA dans ses zones d’intervention (Provinces de Nord-Ubangi, Sud-Ubangi et La Mongala). La majeure partie de la littérature sur le PARRSA est composée de rapports techniques et documents élaborés par les entités soutenant le projet, comme la Banque Mondiale (2017) et le Ministère de l'agriculture, pêche et élevage (2017). La question principale de cette recherche est de savoir si le PARRSA a-t-il favorisé l'amélioration de revenu des ménages ruraux de la province du Sud-Ubangi ? L’hypothèse est que le PARRSA occasionnerait l'amélioration de revenu des ruraux dans cette province.
L’objectif global de cette étude est d’évaluer l’impact du PARRSA sur le revenu agricole des ménages de la Province du Sud-Ubangi, de 2010 à 2018. Spécifiquement, il s’agit de : (i) identifier les profils des ménages bénéficiaires et non-bénéficiaires du PARRSA et (ii) examiner l’impact du PARRSA. Le revenu agricole est la somme des bénéfices financiers générés par les activités liées à l'agriculture
Trois intérêts ont été retenus pour cette étude notamment scientifique, personnel et social. Sur le plan scientifique, l’étude permet de constituer une base de données concernant les impacts des projets de développement agricole en RDC. Sur le plan personnel, elle contribue à enrichir notre compréhension sur les projets de développement agricole en RDC. D'un point de vue social, cette recherche contribue à optimiser les performances des communautés locales concernant l'adoption des projets de développement agricole.
2. MATERIEL ET METHODES
2.1. Milieu d’étude
La province du Sud-Ubangi est située dans le nord-ouest de la République Démocratique du Congo autour des coordonnées approximatives du chef-lieu Gemena, qui se trouve à environ 3°15′ de latitude Nord et 18°15′ de longitude Est. Elle couvre une superficie de 52 896 km2 et est limitée : (i) au nord par la République Centrafricaine, (ii) au nord-est : par le massif de Bosobolo, un prolongement du plateau de l’Ubangi, (iii) au sud par des forêts marécageuses et la ligne séparant les bassins des eaux de la Ngiri et de la Mongala (route Akula), (iv) à l’ouest : par la ville de Zongo, la République Centrafricaine et la République du Congo (Brazzaville) le long de la rivière Ubangi et (v) à l’est : par la province du Nord-Ubangi (Territoire de Businga).
La province du Sud-Ubangi est constituée de quatre territoires administratifs, à savoir Kungu Libenge, Gemena et Budjala, ainsi que la ville de Zongo. Cependant, cette étude a été réalisée dans trois territoires de la province du Sud-Ubangi (Kungu, Budjala et Gemena) qui ont participé au PARRSA initial, de 2010 à 2018. La partie nord du Sud-Ubangi est marquée par d'immenses surfaces de savanes arbustives, avec une vaste région de savanes herbeuses s'étendant entre Bau et Lumba.
Des forêts denses et humides se déploient le long de la limite avec le Nord-Ubangi, ainsi que aussi près de la frontière avec la République du Congo (Brazzaville). La cité de Libenge et la ville de Zongo abritent les plus vastes superficies de complexes agricoles. La plus grande partie du réseau hydrographique est couverte par les forêts sur des sols hydromorphes. Le centre du Sud-Ubangi est dominé, à l'est, par d'immenses surfaces de complexes agricoles qui s'étendent sur des dizaines de kilomètres en forme d'étoile autour de Gemena.
La partie occidentale de cette région du Sud-Ubangi offre un paysage diversifié composé de savanes arbustives, de forêts humides denses et de forêts sur des sols hydromorphes, tous organisés autour du réseau hydrographique. L’activité principale du chef de ménage au Sud-Ubangi est l'agriculture.
2.2. Outils et équipements
Les outils utilisés pour la collecte, la saisie et l’analyse des données sont : (i) un protocole d‘investigation et un guide d’entretien et (ii) les applications Excel et SPSS 2020 sont mises en œuvre pour l’analyse et le traitement des données.
2.3. Méthodes
Approche méthodologique
Hormis la recherche documentaire et l’observation, trois approches scientifiques ont été mises en œuvre, notamment : (i) la méthode hypothético-déductive, (ii) la méthode d’appariement par score de propension et (iii) la méthode d’échantillonnage probabiliste complétée par celle de la boule de neige.
La méthode hypothético-déductive permet d'établir des hypothèses pour déduire des résultats du PARRSA observables sur terrain, tant dans le passé que dans le futur. Selon plusieurs écrits (Rosenbaum et Rubin, 1983 ; Nganda, 2011 ; Muayila, 2012 ; Mujinga, 2021 ; Natakaishe, 2023), l’appariement par score de propension, en anglais Propensity Score Matching (PSM), offre la possibilité dans cette étude d'examiner les données et de minimiser les différences entre les réponses des bénéficiaires du PARRSA et celles des non-bénéficiaires. La méthode d’échantillonnage probabiliste permet de choisir au hasard les participants à l'enquête (Mobula, 2024). Elle s’appuie sur la technique par boule de neige qui consiste à identifier un premier groupe de participants à l'enquête et à leur demander de repérer d'autres personnes possédant les caractéristiques de ce groupe.
Échantillonnage
La formule de Bernoulli suivante sera utilisée pour calculer la taille de l'échantillon (symbolisée par n) au seuil α de 5 % (avec Tα = 1,96) dans laquelle, l représente l'étendue de l'intervalle d'erreur e (l = 2 e), avec l’erreur fixée à 5 % (Kinkela, 2022).
Étant donné que le nombre total de personnes (ou la population) est connue (N = 48000) où le PARRSA a été mis en place, la taille de l’échantillon est de 384, ramenée à 390.
Collecte des données
Elle s’effectue en deux phases dont (i) la pré-enquête qui concerne les entretiens auprès des responsables de structures d’appui du PARRSA et les personnes ressources (délégués de villages, les leaders d’opinion, les notables, etc.) et (ii) une enquête individuelle auprès de bénéficiaires du PARRSA et (ii) d’une enquête par focus groupe auprès de non bénéficiaires. Les données sont collectées grâce à un questionnaire d'enquête (questions-réponses), en employant la langue française et les langues locales. Comme indiqué précédemment, la province du Sud-Ubangi comprend quatre territoires administratifs : Kungu, Libenge, Gemena et Budjala, en plus de la ville de Zongo. Cependant, Libenge et Zongo n'étaient pas inclus dans le PARRSA. Le tableau 1 présente la répartition des enquêtés par territoire/ville.
Tableau 1 : Répartition des enquêtés par territoire/ville
Territoire/ville | Nombre d’enquêtés | |
Ménages bénéficiaires du PARRSA | Ménages non bénéficiaires du PARRSA | |
Kungu | 130 | Focus groupe (au moins 30 personnes) |
Gemena | 130 | Focus groupe (au moins 30 personnes) |
Budjala | 130 | Focus groupe (au moins 30 personnes) |
Total | 390 | Au moins 90 personnes |
En fonction des critères d'accès dans la zone d’étude, une enquête individuelle a été menée sur 390 ménages bénéficiaires du PARRSA, soit 130 ménages par territoire. Un échantillon de 90 participants, répartis au moins en 30 par territoire, a été concerné par une enquête par focus groupe destinée aux non bénéficiaires du PARRSA.
Traitement et analyse des données
Après l’enquête, le traitement des données a consisté au dépouillement permettant à contrôler les réponses des enquêtés, à nettoyer les informations mal prises (notamment l’élimination des valeurs extrêmes) et à encoder les réponses à l’aide des logiciels Excel 2020 (Bode, 2024). Les données recueillies ont été analysées grâce à la statistique descriptive et à l'économétrie. Le logiciel SPSS 2020 a été utilisé pour les analyses descriptives (effectifs, pourcentages, moyennes, écarts-types et variances) et pour l'analyse économétrique par le logit binaire. Le test du Chi-deux (χ2), avec un seuil de signification fixé à 5 %, a servi à examiner s'il existe un lien entre les variables (Mobula, 2024).
Dans ce travail, deux catégories de variables sont distinguées : la variable dépendante (Impact du PARRSA sur le revenu agricole des ménages ruraux de la province du Sud-Ubangi) et les variables indépendantes (Age, sexe, niveau d’études, statut matrimonial, taille de ménage, actifs de ménages, actifs agricoles, tenure des terres, accès au crédit, participation à la tontine, membre au sein d’une organisation paysanne, ratio de dépendance, remittance, nombre d’agriculteurs et taille de la ferme).
Le revenu agricole est la somme des bénéfices financiers générés par les activités agricoles. Les actifs agricoles comprennent toutes les personnes (hommes et femmes) qui déclarent exercer une profession principale agricole (catégorie socioprofessionnelle déclarée), c'est-à-dire exploitant, aide familial ou salarié (Biloso, 2024).
Les actifs de ménages font référence à l'ensemble des biens et des ressources possédés par les ménages. Cela inclut les actifs financiers (épargne, investissements, etc.) et les actifs non financiers (biens immobiliers, biens durables, etc.). En d'autres termes, c'est le patrimoine global d'un ménage (Mpanzu, 2024).
Une tontine financière est un système d'épargne collective où un groupe de personnes met en commun des fonds pour une période définie, avec des règles spécifiques sur la répartition des bénéfices (Mpanzu, 2024). Une organisation paysanne (OP) est une structure associative regroupant des producteurs ruraux, tels que des agriculteurs, éleveurs, pêcheurs artisanaux, ou paysans, dans le but de défendre leurs intérêts et d'améliorer leurs conditions de vie et de travail (Kinkela, 2022).
Le ratio de dépendance indique combien de personnes non actives pourraient être soutenues par chaque personne en âge de travailler. La remittance est un transfert des fonds. La taille de l'exploitation est la superficie agricole totale couverte par toutes les parcelles d'une exploitation (Mpanzu, 2024).
3. RESULTATS
3.1. Caractéristiques sociodémographiques des ménages enquêtés
Tableau 2 : Caractéristiques démographiques des bénéficiaires du PARRSA
Genre | Effectifs | % |
| Tenure de terres | Effectifs | % |
Masculin | 266 | 68,2 | Propriétaires | 328 | 84,1 | |
Féminin | 124 | 31,8 | Locataires | 62 | 15,9 | |
Total | 390 | 100,0 | Total | 390 | 100,0 | |
Age | Effectifs | % | Accès au crédit | Effectifs | % | |
18 – 30 ans | 83 | 21,3 | Oui | 381 | 97,7 | |
31 – 40 ans | 115 | 29,5 | Non | 9 | 2,3 | |
41 – 50 ans | 106 | 27,2 | Total | 390 | 100,0 | |
51 – 60 ans | 67 | 17,2 | Participation aux tontines | Effectifs | % | |
Plus de 60 ans | 19 | 4,9 | Oui | 89 | 22,8 | |
Total | 390 | 100,0 | Non | 301 | 77,2 | |
Niveau d’études | Effectifs | % | Total | 390 | 100,0 | |
Aucun | 18 | 4,6 | Membre au sein d’une OP | Effectifs | % | |
Primaire | 157 | 40,3 | Oui | 153 | 39,2 | |
Secondaire | 196 | 50,3 | Non | 237 | 60,8 | |
Universitaire | 19 | 4,9 | Total | 390 | 100,0 | |
Total | 390 | 100,0 | Ratio de dépendance | Effectifs | % | |
Etat civil | Effectifs | % | Oui | 262 | 67,2 | |
Marié(e) | 329 | 84,4 | Non | 128 | 32,8 | |
Veuf (ve) | 29 | 7,4 | Total | 390 | 100,0 | |
Divorcé(e) | 18 | 4,6 | Rémittance | Effectifs | % | |
Célibataire | 14 | 3,6 | Oui | 167 | 42,8 | |
Total | 390 | 100,0 | Non | 223 | 57,2 | |
Taille de ménages | Effectifs | % | Total | 390 | 100,0 | |
≤ deux personnes | 13 | 3,3 | Nombre d’agriculteurs | Effectifs | % | |
Trois à six personnes | 126 | 32,3 | Une personne | 143 | 36,7 | |
Sept à dix personnes | 160 | 41,0 | Deux personnes | 199 | 51,0 | |
Plus de dix personnes | 91 | 23,3 | Trois personnes | 47 | 12,1 | |
Total | 390 | 100,0 | Plus de trois personnes | 1 | ,3 | |
Actifs de ménages | Effectifs | % | Total | 390 | 100,0 | |
≤ deux personnes | 90 | 23,1 | Taille d’exploitation | Effectifs | % | |
Trois à six personnes | 230 | 59,0 | ≤ 1 ha | 216 | 55,4 | |
Sept à dix personnes | 59 | 15,1 | Moins de 2 à 3 ha | 152 | 39,0 | |
Plus de dix personnes | 11 | 2,8 | Plus de 3 ha | 22 | 5,6 | |
Total | 390 | 100,0 | Total | 390 | 100,0 | |
Actifs agricoles | Effectifs | % |
| |||
≤ deux personnes | 109 | 27,9 | ||||
Trois à six personnes | 229 | 58,7 | ||||
Sept à dix personnes | 42 | 10,8 | ||||
Plus de dix personnes | 10 | 2,6 | ||||
Total | 390 | 100,0 | ||||
Le tableau 2 indique que les bénéficiaires du PARRSA sont principalement des hommes, de 31 à 50 ans, mariés et avec un niveau d’études prédominant allant de primaire au secondaire. La composition des ménages varie de 3 à 10 membres, avec un nombre d'actifs au sein du foyer allant de 3 à 6 personnes. De plus, ils sont propriétaires de terres. Presque tous ont accès à des crédits, cependant plus de la moitié des personnes interrogées ne sont pas en faveur des tontines. La plupart d'entre eux ont choisi un ratio de dépendance où les personnes inactives pourraient être supportées par chaque individu en âge de travailler, sans procéder au transfert des fonds. Il y a plus de deux agriculteurs, et la superficie de leurs exploitations varie de moins de deux à plus de trois hectares.
Tableau 3 : Caractéristiques démographiques des non bénéficiaires du PARRSA
Genre | Effectifs | % |
| Tenure de terres | Effectifs | % |
Masculin | 50 | 55,6 | Propriétaires | 78 | 86,7 | |
Féminin | 40 | 44,4 | Locataires | 12 | 13,3 | |
Total | 90 | 100,0 | Total | 90 | 100,0 | |
Age | Effectifs | % | Accès au crédit | Effectifs | % | |
18 – 30 ans | 11 | 12,2 | Oui | 88 | 97,8 | |
31 – 40 ans | 33 | 36,7 | Non | 2 | 2,2 | |
41 – 50 ans | 25 | 27,8 | Total | 90 | 100,0 | |
51 – 60 ans | 15 | 16,7 | Participation aux tontines | Effectifs | % | |
Plus de 60 ans | 6 | 6,6 | Oui | 30 | 33,3 | |
Total | 90 | 100,0 | Non | 60 | 66,7 | |
Niveau d’études | Effectifs | % | Total | 90 | 100,0 | |
Aucun | 4 | 4,4 | Membre au sein d’une OP | Effectifs | % | |
Primaire | 35 | 38,9 | Oui | 58 | 64,4 | |
Secondaire | 48 | 53,3 | Non | 32 | 35,6 | |
Universitaire | 3 | 3,3 | Total | 90 | 100,0 | |
Total | 90 | 100,0 | Ratio de dépendance | Effectifs | % | |
Etat civil | Effectifs | % | Oui | 72 | 80,0 | |
Marié(e) | 77 | 85,6 | Non | 18 | 20,0 | |
Veuf(ve) | 8 | 8,9 | Total | 90 | 100,0 | |
Divorcé(e) | 1 | 1,1 | Rémittence | Effectifs | % | |
Célibataire | 4 | 4,4 | Oui | 73 | 81,1 | |
Total | 90 | 100,0 | Non | 17 | 18,9 | |
Taille de ménages | Effectifs | % | Total | 90 | 100,0 | |
≤ deux personnes | 0 | 0,0 | Nombre d’agriculteurs | Effectifs | % | |
Trois à six personnes | 20 | 22,2 | Une personne | 68 | 75,6 | |
Sept à dix personnes | 48 | 53,3 | Deux personnes | 20 | 22,2 | |
Plus de dix personnes | 22 | 24,4 | Trois personnes | 2 | 2,2 | |
Total | 90 | 100,0 | Plus de trois personnes | 0 | ,0 | |
Actifs de ménages | Effectifs | % | Total | 90 | 100,0 | |
≤ deux personnes | 6 | 6,7 | Taille d’exploitation | Effectifs | % | |
Trois à six personnes | 69 | 76,7 | ≤ 1 ha | 43 | 47,8 | |
Sept à dix personnes | 10 | 11,1 | Moins de 2 à 3 ha | 38 | 42,2 | |
Plus de dix personnes | 5 | 5,6 | Plus de 3 ha | 9 | 10,0 | |
Total | 90 | 100,0 | Total | 90 | 100,0 | |
Actifs agricoles | Effectifs | % |
| |||
≤ deux personnes | 13 | 14,4 | ||||
Trois à six personnes | 66 | 73,3 | ||||
Sept à dix personnes | 6 | 6,7 | ||||
Plus de dix personnes | 5 | 5,6 | ||||
Total | 90 | 100,0 | ||||
Le tableau 3 révèle que les individus interrogés qui n’ont pas bénéficié du soutien du PARRSA sont majoritairement des hommes, âgés de 31 à 60 ans, mariés et avec un niveau d’études prédominant allant de primaire au secondaire. La taille de leurs ménages varie entre 3 et plus de 10 membres, avec une présence active au sein des ménages allant de 3 à 6 personnes, et possédant des terres. Presque tous ont accès à des crédits, cependant plus de la moitié des personnes interrogées ne sont pas en faveur des tontines. La plupart d'entre eux ont un ratio de dépendance où les personnes inactives pourraient être supportées par chaque individu en âge de travailler, sans procéder au transfert des fonds. Le nombre d'agriculteurs dominants varie de un à deux, et la superficie principale de leurs exploitations s'étend majoritairement de moins d'un hectare et va pour moins d’enquêtés à plus de trois hectares.
3.3. Impact du PARRSA sur le revenu et la production agricoles
Tableau 4 : Amélioration du revenu agricole des bénéficiaires et non bénéficiaires
Bénéficiaires du PARRSA | Non bénéficiaires du PARRSA | ||
Amélioration du revenu agricole | Effectifs | Amélioration du revenu agricole | Effectifs |
Non | 67 | Non | 44 |
Oui | 323 | Oui | 46 |
Total | 390 | Total | 90 |
Le tableau 4 montre que la plupart des bénéficiaires du PARRSA ont senti une augmentation de leurs revenus agricoles. En revanche, la tendance pour les non bénéficiaires est presque opposée, mais très similaire en termes d'amélioration de revenu.
Tableau 5 : Impact du PARRSA sur le revenu agricole des bénéficiaires du PARRSA
Variables indépendantes | A | E.S. | Wald | ddl | Sig. | Exp(B) | IC pour Exp(B) 95% | |||
Inférieur | Supérieur | |||||||||
Genre | -,433 | ,334 | 1,681 | 1 | ,195 | ,648 | ,337 | 1,248 | ||
Age | ,085 | ,134 | ,396 | 1 | ,529 | 1,088 | ,836 | 1,416 | ||
Nivet | -,375 | ,243 | 2,391 | 1 | ,122 | ,687 | ,427 | 1,106 | ||
Etatciv | ,297 | ,229 | 1,673 | 1 | ,196 | 1,346 | ,858 | 2,110 | ||
Taillemen | -,337 | ,262 | 1,660 | 1 | ,198 | ,714 | ,427 | 1,192 | ||
Actmen | ,364 | ,508 | ,512 | 1 | ,474 | 1,439 | ,531 | 3,896 | ||
Actagri | ,113 | ,521 | ,047 | 1 | ,828 | 1,120 | ,403 | 3,111 | ||
Tenuter | -,365 | ,372 | ,964 | 1 | ,326 | ,694 | ,335 | 1,439 | ||
Accrédit | 20,29 | 12932,697 | ,000 | 1 | ,999 | 6454667 | ,000 | 1,263 | ||
Partontin | ,800 | ,368 | 4,726 | 1 | ,030* | 2,225 | 1,082 | 4,576 | ||
MbreOP | -,391 | ,327 | 1,424 | 1 | ,233 | ,677 | ,356 | 1,285 | ||
Ratdepen | -,185 | ,312 | ,351 | 1 | ,553 | ,831 | ,451 | 1,533 | ||
Remittance | ,136 | ,327 | ,175 | 1 | ,676 | 1,146 | ,604 | 2,174 | ||
Nombagri | ,116 | ,255 | ,207 | 1 | ,649 | 1,123 | ,681 | 1,853 | ||
Tailexpl | ,722 | ,323 | 4,991 | 1 | ,025* | 2,058 | 1,093 | 3,877 | ||
Constante | 1,972 | 1,300 | 2,304 | 1 | ,129 | 7,188 |
|
| ||
Tests | ||||||||||
-2log-vraisemblance | R2 de Cox & Snell | R2 de Nagelkerke | ||||||||
323,180a | ,085 | ,141 | ||||||||
Sig = p: probabilité; *: Différence significative au seuil de 0,05; # : pas de différence significative.
Le test statistique révèle qu’il y a une différence significative pour la participation des enquêtés aux tontines (p = 0,03 ≤ 0,05) et pour la taille d’exploitation (p = 0,025 ≤ 0,05). Par contre, il n’y a pas de différence significative pour les autres caractéristiques sociodémographiques des répondants (p > 0,05).
Tableau 6 : Impact du PARRSA sur le revenu agricole des non bénéficiaires du projet
Variables indépendantes | A | E.S. | Wald | ddl | Sig. | Exp(B) | IC pour Exp(B) 95% | |||
Inférieur | Supérieur | |||||||||
Genre | -1,432 | ,765 | 3,507 | 1 | ,061 | ,239 | ,053 | 1,069 | ||
Age | ,416 | ,332 | 1,569 | 1 | ,210 | 1,515 | ,791 | 2,904 | ||
Nivet | ,185 | ,567 | ,107 | 1 | ,744 | 1,203 | ,396 | 3,654 | ||
Etatciv | ,061 | ,548 | ,012 | 1 | ,911 | 1,063 | ,363 | 3,114 | ||
Taillemen | -,283 | ,550 | ,264 | 1 | ,608 | ,754 | ,256 | 2,217 | ||
Actmen | -1,496 | 1,255 | 1,421 | 1 | ,233 | ,224 | ,019 | 2,621 | ||
Actagri | -1,699 | 1,091 | 2,424 | 1 | ,119 | ,183 | ,022 | 1,552 | ||
Tenuter | 1,648 | ,985 | 2,803 | 1 | ,094 | 5,198 | ,755 | 35,807 | ||
Accrédit | -,557 | 2,806 | ,039 | 1 | ,843 | ,573 | ,002 | 140,319 | ||
Partontin | -,104 | ,732 | ,020 | 1 | ,887 | ,901 | ,215 | 3,782 | ||
MbreOP | -,956 | ,718 | 1,772 | 1 | ,183 | ,384 | ,094 | 1,571 | ||
Ratdepen | 1,029 | ,865 | 1,418 | 1 | ,234 | 2,799 | ,514 | 15,241 | ||
Remittance | -1,239 | ,859 | 2,080 | 1 | ,149 | ,290 | ,054 | 1,560 | ||
Nombagri | ,106 | ,606 | ,031 | 1 | ,861 | 1,112 | ,339 | 3,649 | ||
Tailexpl | -1,491 | ,547 | 7,418 | 1 | ,006 | ,225 | ,077 | ,658 | ||
Constante | 7,734 | 3,680 | 4,416 | 1 | ,036 | 2284,36 |
|
| ||
Test | ||||||||||
-2 Log likelihood | R2 de Cox & Snell | R2 de Nagelkerke | ||||||||
78,097a | ,399 | ,532 | ||||||||
Sig = p: probabilité; *: Différence significative au seuil de 0,05; # : pas de différence significative.
Le test statistique révèle qu’il y a une différence significative pour la taille d’exploitation (p = 0,006 ≤ 0,05). Par contre, il n’y a pas de différence significative pour les autres caractéristiques sociodémographiques des répondants (p > 0,05).
4. DISCUSSION
En se référant à l’hypothèse de cette recherche, le PARRSA a produit d’impact sur le revenu des ménages ruraux de la province du Sud-Ubangi (Tableau 4). Certes, l’augmentation substantielle de la superficie emblavée, de l’utilisation de semences améliorées, de bonnes pratiques culturales ont eu d’effets positifs sur la production agricole et par conséquence sur le revenu agricole des ménages ruraux. En effet, bien que d’autres paramètres puissent jouer, le revenu agricole de ménage est grandement tributaire de la production agricole. Les résultats ont mis en évidence que les actions du PARRSA ont favorisé une augmentation des revenus des ménages bénéficiaires par rapport à leur situation initiale avant la mise en œuvre du PARRSA. L’utilisation de revenu généré par les activités agricoles aurait permis d’améliorer contrefactuellement l’accès de ménages aux soins de santé, à l’accès à l’éducation et à l’amélioration de cadres de vie (habitat). La répartition de la production agricole et des revenus aurait également influencé la sécurité alimentaire des ménages ruraux, qu'ils soient bénéficiaires ou non du PARRSA.
Selon Michel (2019), les résultats des analyses de l’enquête sur l’impact environnemental et socio-économique des activités rizicoles dans la province du Sud-Ubangi, à Budjala, plus de la moitié des chefs de ménage (55 %) ont plus de 40 ans, tandis qu'à Kungu, cette proportion est de 41 %. Dans les deux territoires, plus de 95 % des responsables de foyers sont mariés. Dans chacun des territoires, les célibataires représentent 3 % et forment ainsi la classe la moins dominante. Sur le territoire de Budjala, une grande proportion des chefs de famille détient un diplôme d'études secondaires (81%), tandis qu'une minorité a atteint l'enseignement supérieur (10 %). Il est observé la même répartition à Kungu, où ces catégories affichent respectivement 51% et 6%.
Tanguy and al. (2023), dans leur étude intitulée « Impact of small farmers' access to improved seeds and deforestation in DR Congo », ont mis en évidence que l'accroissement de l'accès à des semences modernes dans les pays en développement a engendré d'importants effets bénéfiques sur le bien-être des ménages. Cependant, ils ont constaté que la promotion de variétés de semences modernes n'a pas provoqué une hausse générale de la déforestation chez les petits exploitants agricoles.
Mokili et al. (2019) sont également en harmonie avec les résultats de cette étude. Cependant ils sont en désaccord avec ceux obtenus en Côte d'Ivoire (Koné, 2007), en Afrique de l'Ouest par la Fondation pour une agriculture durable, en 2011 et par la FAO, en 2015. Dans la même logique Muayila et Tollens (2012) et Mofilinga (2016) a démontré l’impact positif de l’accès au crédit intrant sur la performance des exploitations agricoles.
En comparant le revenu en fonction de la taille d’exploitation (Tableaux 5 et 6), il n’y a pas de différence significative. La taille d’exploitation influe sur la production agricole et le revenu agricole. Plus la taille augmente, plus le revenu est supérieur et vice-versa. Il en est de même pour ce qui concerne la participation de ménages aux tontines pour les bénéficiaires du PARRSA. Le résultat montre que la participation de ménages aux tontines influe significativement sur le revenu de ménage (Tableau 5).
La démarche systémique d'évaluation d'impact, qui utilise le revenu agricole comme critère principal pour juger et reconstruire les données concernant l'impact des projets agricoles (Delarue, 2007), ne peut s'avérer efficace que dans une économie relativement stable où le revenu ne présente pas de vulnérabilité. Cependant, dans la situation instable et vulnérable de revenu permanent des ménages de la province du Sud-Ubangi, l'évaluation de l'impact du PARRSA pourrait être marquée par une grande incertitude.
En considérant ce qui précède, il est évident que le PARRSA (projets agricoles) a opéré conformément à ce qui est représenté dans le graphique suivant.
Figure 1 : Trajectoires du PARRSA dans la province du Sud-Ubangi
CONCLUSION
Cette recherche visait principalement à mesurer l'effet du Projet d’appui à la réhabilitation et à la relance du secteur agricole (PARRSA) sur le revenu agricole des ménages ruraux dans la Province du Sud-Ubangi. Outre les approches de recherche documentaire et d'observation, trois techniques scientifiques ont été employées, dont la méthode hypothético-déductive, l'approche d'appariement par score de propension et la méthode d'échantillonnage probabiliste enrichie par celle du réseau en boule. Les résltats ont démontré que la majorité des bénéficiaires et non-bénéficiaires du PARRSA ont constaté une hausse de leurs revenus liés à l'agriculture. Cela aurait facilité l'accès des ménages aux services de santé, à l'éducation et à l'amélioration des conditions de vie (logement). La distribution de la production agricole et des revenus aurait également un impact sur la sécurité alimentaire de ruraux, qu'ils soient ou non bénéficiaires du PARRSA. Cette étude fournit des orientations pour l'élaboration de nouvelles politiques agricoles et pour la résilience des fermes familiales en République Démocratique du Congo.
REFERENCES
Banque Mondiale, 2017. Rapport techniques d’activités de 2017 concernant le Projet d'appui à la reconstruction et à la réhabilitation du secteur agricole (PARRSA) en République Démocratique du Congo.
Biloso M. A., 2024. Séminaire d’Economie, Changement climatique et Gestion des Ressources Naturelles, Master en Economie Agricole, Faculté des Sciences Agronomiques et Environnement, Université de Kinshasa.
Bode M., 2024. Séminaire de Méthodologie de Recherche scientifique Master en Economie Agricole, Faculté des Sciences Agronomiques et Environnement, Université de Kinshasa.
Delarue J., 2007. Mise au point d’une méthode d’évaluation systémique d’impact des projets de développement agricole sur le revenu des producteurs. Etude de cas en région Kpele (République de Guinée). Paris: AgroParisTech, École doctorale ABIES.
Kinkela S. C., 2022. Cours inédit de Techniques de collecte des données. Département d’Economie Agricole, Faculté des Sciences Agronomiques, Université de Kinshasa
Lavagnon I. et Donnelly J., 2017. Success conditions for international development capacity building projects, International Journal of Project Management 35 (2017) 44 – 63.
Ministère de l’Agriculture et du Développement Rural de la RDC, 2007. Note de Politique Agricole. Kinshasa: Journal Officiel.
Ministère du Plan de la RDC, 2011. Document de la Stratégie de Croissance et de Réduction de la pauvreté, deuxième génération, volume 2. Kinshasa: Journal Officiel de la RDC.
Ministère de l’agriculture, pêche et élevage, 2017. Rapport d’activités de l’année 2017 concernant le Projet d'appui à la reconstruction et à la réhabilitation du secteur agricole (PARRSA) en République Démocratique du Congo.
Mobula M. L., 2024). Séminaire d’Economie quantitative et Econométrie approfondie, Master en Economie Agricole, Faculté des Sciences Agronomiques et Environnement, Université de Kinshasa.
Mofilinga C., (2016), Impact de l’accès au crédit intrant sur la performance des exploitations maraichères de Mbanza-Ngungu, Kinshasa, p.10
Mokili L. B., Bolakonga I. A.B, Benabdellah M., 2019. Impact des projets de développement agricoles sur la pauvreté des ménages en Territoire d’Isangi, en RD Congo: Facteur prédictif et construction de trajectoire. Rev. Mar. Sci. Agron. Vét., 7 (1): 191-202
Mpanzu B. P., 2024. Séminaire de Théorie de Changement dans les projets de développement, Master en Economie Agricole, Faculté des Sciences Agronomiques et Environnement, Université de Kinshasa.
Muayila K. et Tollens E., 2012. Assessing the impact of credit constraints and economic welfare of farm-household in the hinterland of Kinshasa », African Journal of Food, Agriculture, Nutrition and Development, p.12
Mujinga K., 2019. Dynamiques Associatives et Performance de l’Agriculture Familiale dans le territoire de Luiza au Kasaï central, Kinshasa.
N’toto M. R., 2024. Séminaire de Théories de développement et analyse des politiques agroalimentaires, Master en Economie Agricole, Faculté des Sciences Agronomiques et Environnement, Université de Kinshasa.
Nganda A. J., 2011. Dynamique associative et réduction de la pauvreté rurale : une étude comparative de villages inégalement couverts par des Organisations Non Gouvernementales dans la province du Bandundu et dans l’hinterland de Kinshasa., Thèse, UL- gembloux agro-bio tech.
Project Management Institute, 2017. A guide to the project management body of knowledge (PMBOK guide), Sixth edition, Series: PMBOK guide.
Rosenbaum P. R., et Rubin D. B., 1983. Le rôle central du score de propension dans les études observationnelles pour les effets causaux. Biometrika, 70(1), 41-55. Disponible sur : https://doi.org/10.1093/biomet/70.1.41.
Tanguy B., Sylvie L., Karen M. & Margaux V., 2023. Impact of small farmers' access to improved seeds and deforestation in DR Congo. Nature Commnications, (2023) 14:16031
Commentaires