1. Milieu d’étude

6 Cette recherche est réalisée auprès de riziculteurs de la région de Fatick [4]. C’est une région localisée dans la zone agroécologique du bassin arachidier qui couvre les régions de Louga, Thiès, Diourbel, Fatick et Kaolack et s’étend sur 14 783 km², soit 7,4 % du territoire national. La région de Fatick couvre une superficie de 6 685 km² en 2009. Dans la région, la pluviométrie est mal répartie dans le temps et dans l’espace. Elle varie entre 400 et 1 200 mm de pluie par endroit et selon les zones (CRF, 2013). L’agriculture y est la principale activité économique et emploie 90 % de la population active. Le système de production reste encore traditionnel et de type extensif. Il est dominé par la culture de l’arachide. Dans cette région, la riziculture se pratique de façon traditionnelle le long des vallées inondables. C’est une activité menée traditionnellement par les femmes dont la production est destinée en majorité à la consommation. Dans ce système, le travail est encore manuel sur de petites surfaces, sans engrais ni matériels végétaux améliorés et les rendements restent encore très faibles (3 t/ha). Toutes les opérations de récoltes et post-récoltes sont manuelles, du fauchage de la panicule au décorticage au mortier, mais le produit est de bonne qualité et est apprécié par les populations.

7 Dans le cadre du Programme national d’autosuffisance en riz (PNAR), composante rizicole du Programme d’accélération de la cadence pour l’agriculture sénégalaise (PRACAS), un rôle particulier a été accordé à la riziculture pluviale. Ainsi, une redéfinition de la mission des zones de production rizicoles a été opérée, à raison de 60 % pour la production irriguée et 40 % en pluvial, au lieu de 80 % et 20 % les années précédentes (MAER/CARD, 2014). Aussi, le choix de cette zone trouve sa justification par l’intervention d’Organisations non gouvernementales (ONGs) et de structures d’encadrement comme le Projet d’appui à la petite irrigation locale (PAPIL) et la Direction régionale pour le développement rural (DRDR) dans la promotion de nouvelles technologies agricoles et de bonnes pratiques culturales.

8 En 2012, la région de Fatick a été choisie par AfricaRice en collaboration avec les structures locales, comme pôle de développement rizicole en plus des deux pôles que sont la vallée du fleuve et la zone de Bagadadji (dans la région de Kolda). Ces pôles sont des entités géographiques utilisées pour mutualiser les efforts de recherche en vue de les vulgariser dans d’autres zones. Ainsi, un ensemble de paquets technologiques (par exemple, variétés à haut rendement, engrais, formation sur la production de semences améliorées, la mécanisation, des techniques de production, de stockage, de gestion, etc.) a été introduit pour enclencher une dynamique de rentabilité de la filière riz dans la région. Toutefois, afin de sortir du cercle de la faiblesse des rendements, il faut s’assurer que les technologies introduites soient adoptées. Malheureusement, il est noté une insuffisance d’études sur l’adoption des variétés améliorées dans la région de Fatick. L’objectif de cette étude est de combler ce manque d’informations (gestion actif-passif) en estimant ces taux et en éclairant les décideurs sur les facteurs qui influencent l’adoption de ces variétés.

2 Échantillonnage et collecte des données

9 Les données utilisées dans cette recherche sont issues de l’enquête de référence réalisée par AfricaRice (2012) dans le cadre du projet de l’Agence canadienne pour le développement international (ACDI). Afin de tenir compte de l’hétérogénéité des zones de production, tous les villages où le riz est cultivé ont été identifiés en collaboration avec les partenaires nationaux (DRDR, PAPIL, etc.) et les chefs de villages. Ainsi, les villages ont été répartis en trois classes en utilisant les critères de production et d’accessibilité [5]. Compte tenu de l’intensité élevée des activités de terrain, les villages étant difficilement accessibles ont été supprimés. La combinaison de ces critères a permis d’obtenir quatre strates. Dans chaque strate, 8 villages ont été choisis de façon aléatoire, soit un total de 32 villages pour le pôle de Fatick.

10 Dans chaque village, 8 à 10 ménages ont été choisis de façon aléatoire en incluant au moins 30 % de ménages dirigés par les femmes. Au total, 317 exploitants rizicoles ont été retenus et enquêtés ; l’objectif étant d’avoir suffisamment de villages (grappes) pour obtenir une puissance suffisante. C’est pourquoi le choix de 8 à 10 ménages a été jugé satisfaisant pour les analyses de comparaison mais également pour des raisons économiques et de délai concernant le démarrage des différentes activités des villages.

3. Le modèle d’adoption

11 Cette recherche utilise la procédure de Diagne et Demont (2007) et le cadre de l’effet moyen de traitement (ATE) [6] (voir par exemple Imbens et Angrist, 2004). Comme démontré par Diagne et Demont (2007), cette approche est nécessaire car les estimateurs des taux d’adoption habituellement utilisés [7] souffrent de ce que l’on appelle le biais de « non-exposition », même si l’assignation au traitement est aléatoire. Ce biais est lié au fait que les individus qui n’ont pas été exposés à une technologie ne peuvent pas l’adopter. Par conséquent, le vrai taux d’adoption correspond à ce qui est défini dans la littérature moderne comme l’ATE [8].

12 Suivant la littérature de l’effet moyen de traitement (Imbens et Wooldridge, 2009 ; Heckman et al., 1996 ; Rosenbaum et Rubin, 1983), nous utilisons le cadre des résultats contre-factuels par lequel chaque riziculteur a deux résultats potentiels : avec et sans exposition aux variétés. De façon concrète, soit y₁ le résultat potentiel d’un riziculteur quand il est exposé aux variétés et y₀ le résultat potentiel quand il n’est pas exposé. Dans le cadre de notre étude, l’adoption est envisagée comme un producteur qui a au moins cultivé une variété améliorée. Ainsi, l’effet de traitement pour un riziculteur i est mesuré par la différence entre y_{i 1} –y_{i 0}.

13 D’où l’impact prévu de l’adoption dans la population d’exposition aux nouvelles variétés, donné par la valeur estimée E(y₁ –y₀) , laquelle par définition est l’effet moyen du traitement (ATE).

14 Cependant, l’impossibilité d’observer à la fois un résultat et son contre-factuel fait qu’il est impossible en général de mesurer y₁ –y₀ pour un riziculteur. Étant donné que l’exposition aux nouvelles variétés est une condition nécessaire pour leur adoption, nous supposons que y₀ = 0 pour un riziculteur qui est exposé ou non aux nouvelles variétés. D’où l’impact de l’adoption d’un riziculteur i est donné par y_{i 1} et l’impact de l’adoption moyen est donné par ATE = Ey₁. Malheureusement, nous observons seulement y₁ pour les riziculteurs exposés aux variétés améliorées. Nous ne pouvons donc pas estimer la valeur prévue de y₁.

15 Supposons que w soit un indicateur binaire pour l’exposition aux variétés, où w = 1 représente l’exposition et w = 0 si non. L’impact moyen de l’adoption dans la sous-population exposée est donné par la valeur conditionnelle E(y₁|w = 1), qui est par définition l’effet moyen de traitement sur les traités, généralement noté ATT. Puisque nous observons y₁ pour les riziculteurs exposés ATT = Ey₁ = P(w =1) × ATE1 + (1 – P(W = 1)) × E(y₁|w = 0)   (1), où P(w = 1) est la probabilité d’exposition aux variétés. Ainsi, une fois que ATE, ATT et la probabilité d’exposition P(w = 1) sont estimés, nous pouvons obtenir à partir du (1) biais de non-exposition BNE = P(w = 1) × ATT – ATE, le biais prévu en utilisant le taux d’adoption moyen de l’échantillon à partir de l’exposition (défini ici comme étant la connaissance et l’accès aux variétés). Le biais de sélection (PSB) au niveau de la population est donné par : PSB = ATE1 – ATE = E(y₁|w = 1) – E(y₁)   (2)

16 L’effet moyen de traitement (ATE) peut être identifié en utilisant des méthodes qui s’appuient sur l’hypothèse d’indépendance conditionnelle. Ces méthodes stipulent que le statut de traitement w est indépendant des résultats potentiels y₁ et y₀ conditionnel à un ensemble de covariables z qui déterminent l’exposition (w). Les estimateurs ATE utilisant l’hypothèse d’indépendance conditionnelle sont soit basés sur une régression paramétrique pure, où les covariables peuvent être en interaction avec la variable statut de traitement pour tenir compte de l’hétérogénéité, soit reposent sur une procédure d’estimation à deux étapes, où la probabilité conditionnelle de traitement P(A = 1|X) ≡ P(X) (appelée score de propension) est estimée dans une première étape et ATE, ATE1 et ATE0 sont estimés dans une seconde étape par des méthodes de régression paramétrique ou non paramétrique. Cette étude utilise deux estimateurs différents pour estimer ATE 1) estimateur semi-paramétrique et 2) une méthode paramétrique.

2. Estimation paramétrique de l’effet moyen du traitement (ATE)

25 La procédure d’estimation de l’effet moyen de traitement est basée sur l’équation suivante qui identifie ATE(x), laquelle sous-tend l’hypothèse d’Indépendance conditionnelle (CI) (Diagne et Demont, 2007) : ATE(x) = E(y₁|x) = E(y|x, w =1) = g (x, β).

26 Où g est une fonction connue (non linéaire) du vecteur des covariables x et le paramètre β qui sera estimé par la méthode des moindres carrés en utilisant les observations (y_i, x_i) concernant la sous-population qui ont été exposées aux variétés avec y comme variable dépendante et x le vecteur des variables explicatives. Avec un paramètre estimé

27 , les valeurs prédites

28 sont calculées pour toutes les observations i de l’échantillon (y compris les observations dans la sous-population n’ayant pas été exposées) et ATE, ATE1 et ATE0 sont estimés en prenant la moyenne des valeurs prédites

29 à travers tout l’échantillon (pour ATE) et les sous-échantillons respectifs (pour ATE1 et ATE0).

30 Les effets des déterminants de l’adoption tels que mesurés par les effets marginaux Κ du vecteur Κ-dimensions des covariables x étant donné un point

31

32 L’hypothèse considérée dans cette recherche repose sur la sélection des observables. L’exposition aux variétés améliorées est un phénomène en partie exogène au producteur. En effet, un producteur ne choisit pas d’être exposé aux nouvelles variétés bien qu’il puisse entreprendre des actions (participation à des réunions, appartenance à des organisations paysannes, formation, etc.) qui lui faciliteront l’exposition à ces variétés. Toutefois, certains facteurs inobservables font que l’exposition n’est pas totalement exogène, ce qui peut être à l’origine d’un biais qui peut induire une surestimation de l’adoption (Diagne, 2006). Dans la zone d’étude, la dissémination des variétés passe par le canal des structures de recherche et d’encadrement qui fait que ce biais potentiel peut être négligé. Aussi, afin de minimiser ce biais, un plan d’échantillonnage aléatoire stratifié par villages (grappes) a été choisi. Toutes les estimations ont été réalisées avec le logiciel stata 11 en utilisant la commande adoption développée par Diagne et Demont (2007). La commande adoption est une commande complémentaire de stata qui fonctionne comme toutes les commandes de stata.

3. Justification et signes attendus des variables incluses dans le modèle

33 La décision du producteur d’adopter dépend de facteurs démographique et socioéconomique. Au regard de la littérature, en particulier ceux de Diagne et Demont (2007), Adekambi et al. (2009), Dontsop-Nguezet et al. (2013) et Dibba et al. (2012), les caractéristiques socioéconomiques des exploitations rizicoles sont des facteurs importants pour l’exposition et la rapidité avec laquelle les technologies seront adoptées par la population. En tenant compte de cette littérature, nous avons retenu les caractéristiques susceptibles d’influencer l’exposition et l’adoption (voir annexe, tableaux 9 et 10). Sachant qu’il existe des variétés améliorées Nerica et Sahel destinées à la riziculture pluviale, notre recherche prend en compte comme variable dépendante du modèle d’adoption l’utilisation d’au moins une variété améliorée (variable dichotomique qui prend 1 si le riziculteur adopte et 0 sinon).

1. Données et statistiques descriptives des exploitants rizicoles

34 Le tableau 1 résume les caractéristiques sociodémographiques des exploitants rizicoles étudiés. Notre échantillon est composé de 47 % de femmes et de 52 % d’hommes. La moyenne d’âge des exploitants rizicoles prouve que la population rurale active rizicole est composée essentiellement d’adultes. La taille moyenne d’une exploitation rizicole familiale fait état de 10,53 (±0,26) personnes dont 10,26 en moyenne pour les non-adoptants et 11,2 pour les adoptants. Elle s’approche de la moyenne nationale qui est de 10 et confirme les résultats obtenus dans d’autres études (ISRA/BAME, 2008). Le niveau d’éducation est très faible dans la zone : 34,7 % ont reçu une éducation formelle pour 12,61 % d’alphabétisés. Dans la sous-population des adoptants, 40,66 % des exploitants n’ont aucun niveau contre 56,19 % au niveau des non-adoptants.

Tableau 1. Caractéristiques des exploitants rizicoles selon le statut d’adoption

Tableau 1. Caractéristiques des exploitants rizicoles selon le statut d’adoption

Notes : STd Err sont entre parenthèses ; ***, ** et * significative au seuil de 1 %, 5 % et 10 %.

35 Il ressort de l’analyse du tableau 2 que l’agriculture constitue l’activité principale pour une grande majorité de riziculteurs. Plus de 55,83 % exercent une activité secondaire autre que l’agriculture, par exemple la pêche ou le commerce. Nous notons également que les superficies cultivées sont très importantes pour les adoptants ; ce fait confirme qu’ils ont plus de moyens de cultiver une plus grande superficie. En moyenne, les superficies sur lesquelles portent les technologies améliorées sont de 1,7 ha soit une différence de 1,15 ha statistiquement significative par rapport aux non-adoptants. De plus, les résultats indiquent que 23,97 % des riziculteurs enquêtés entretiennent des relations avec les structures de recherche. Ce taux est estimé à 40 % au niveau des riziculteurs adoptant au moins une variété améliorée et conforte le fait que la relation avec des structures de recherche permet d’être au courant des nouvelles technologies et améliore la probabilité d’utiliser les résultats de la recherche. Concernant la collaboration avec d’autres institutions, les riziculteurs sont en majorité (81,7 %) en contact avec les projets de développement. Cette situation peut s’expliquer par la mise en place du gouvernement sénégalais d’un programme d’accélération de la cadence agricole dans le but de booster ce secteur et la riziculture en particulier. Dans ce cadre, de nombreux bailleurs ont répondu favorablement avec la mise en place de projets de développement agricole en milieu rural.

Tableau 2. Activités et dotations des exploitants rizicoles selon le statut d’adoption

Tableau 2. Activités et dotations des exploitants rizicoles selon le statut d’adoption

Notes : STd Err sont entre parenthèses. ***, ** et * significative au seuil de 1 %, 5 % et 10 % ; a : Le petit matériel et est constitué de charrue, charrette, pulvérisateur, houe, semoir et billonneur ; b : Le gros matériel est constitué de tracteurs, offset, groupe motos pompe, moissonneuses batteuses, batteuses et décortiqueuses

36 Les tableaux 3 et 4 présentent les caractéristiques des riziculteurs en fonction du statut d’exposition à au moins une variété améliorée. Il ressort de l’analyse du tableau 3 que 45 % des exposés aux variétés ont reçu une éducation formelle contre 27,4 % dans la sous-population des non-exposés soit une différence de 17,6 %, significative au seuil de 5 %. L’alphabétisation étant une autre forme d’éducation a été intégrée au modèle d’adoption et les riziculteurs exposés ont été plus alphabétisés. Les résultats du tableau 4 révèlent aussi une différence significative de l’exposition sur cinq variables. Il s’agit de l’activité secondaire autre qu’agricole, à savoir : le contact avec un projet de développement, la formation en riziculture, la superficie rizicole et la superficie totale du producteur. Cette différence peut s’expliquer par le fait que la plupart des programmes de développement n’agissent pas de façon aléatoire pour identifier les ménages qui seront exposés aux nouvelles technologies. En réalité, les individus qui sont exposés à un programme diffèrent généralement de ceux qui n’ont pas été exposés au programme. Aussi, les programmes sont placés dans des zones spécifiques et choisissent des personnes particulières.

Tableau 3. Caractéristiques des exploitants rizicoles selon le statut d’exposition

Tableau 3. Caractéristiques des exploitants rizicoles selon le statut d’exposition

Notes : STd Err sont entre parenthèses. ***,** et * significative au seuil de 1 %, 5 % et 10 %.

Tableau 4. Activités et dotations selon le statut d’exposition

Tableau 4. Activités et dotations selon le statut d’exposition

STd Err sont entre parenthèses. ***, ** et * significative au seuil de 1 %, 5 % et 10 %.

2. Taux d’adoption des variétés améliorées

37 Avant de présenter les résultats sur les taux d’adoption, il est nécessaire de faire une vérification de l’hypothèse d’un support commun. Les méthodes d’estimations utilisées reposent aussi sur cette hypothèse. Elle nous permettra de nous assurer que, pour chaque producteur exposé, il existe des producteurs dans le groupe des non-exposés ayant les mêmes caractéristiques (figure 1). De ce point de vue, si certains ont été exposés et pas d’autres, nous pouvons l’attribuer au hasard (hypothèse d’exogénéité).

Figure 1. Distribution des scores de propension en fonction du statut d’exposition

Figure 1. Distribution des scores de propension en fonction du statut d’exposition

38 Les résultats du tableau 5 indiquent que tous les paramètres estimés sont significatifs au seuil de 1 %. Ces résultats révèlent un taux d’adoption potentiel (ATE) de 72 % et un taux actuel d’adoption (JEA) de 28,5 %. Cela signifie que si toute la population était exposée aux variétés améliorées, les taux d’adoption seraient (en 2012) de plus de 72 %. À ce jour, ce n’est pas le cas. C’est ce qui a entraîné un GAP négatif de 43 %. Ces différents résultats démontrent bien qu’il est encore possible de rehausser le taux d’adoption dans la zone d’étude en permettant aux producteurs d’être exposés à ces variétés. Ces taux d’adoption sont en deçà de ceux trouvés par Glover et al. (2012) sur le Nerica au niveau de trois pays de l’Afrique de l’Ouest : la Gambie, la Guinée et la Côte d’Ivoire. Par ailleurs, sur toute la population exposée à la variété améliorée (estimation paramétrique) plus de 68 % l’ont adoptée. A contrario, au sein de la population qui n’a pas été exposée, nous observons un taux d’adoption supérieur (74 %) au taux observé dans la population des exposés. Ceci révèle que les adoptants potentiels sont plus importants dans la population des non-exposées. Ainsi, les individus qui devaient être exposés ne le sont pas à cause d’un mauvais ciblage. Des résultats similaires ont été observés par Ouedraogo et Dakouo (2017). Selon ces auteurs, les producteurs peuvent être exposés à d’autres variétés en compétition avec les variétés améliorées. Le PSB montre que l’exposition aux variétés est tributaire de l’adoption de technologies améliorées mais ce paramètre n’est pas statistiquement significatif. Ces résultats corroborent ceux trouvés par Diagne (2006), et Dibba (2012) qui ont révélé que l’exposition est un déterminant fondamental dans l’adoption de variétés améliorées.

Tableau 5. Taux d’adoption et écart d’adoption des variétés améliorées en 2013 à Fatick

Tableau 5. Taux d’adoption et écart d’adoption des variétés améliorées en 2013 à Fatick

Notes : STd Err sont entre parenthèses. ***,** et * significative au seuil de 1 %, 5 % et 10 %.

39 Concernant les variétés Nerica de type pluvial, les taux d’adoption sont moins importants (tableau 6). Nous observons un taux d’adoption de 10 % contre un taux d’adoption potentiel de 43 % avec un gap de 33 %. Ceci peut s’expliquer par le fait que les populations ne connaissent pas encore les performances de ces variétés. Ce taux est inférieur à celui trouvé par Ouedraogo et Dakouo (2017). En revanche, les variétés Sahel ont un taux d’adoption de 21,8 % au niveau de la région de Fatick alors que les taux potentiels sont de 68,96 % ; ce qui engendre un gap énorme à combler de 47 % (tableau 6). Dans la Vallée du Fleuve Sénégal, le taux d’adoption des variétés Sahel est, quant à lui, estimé à 92,6 % (Basse, 2015) contre un taux d’adoption de 10 % durant les premières années (Fall, 2005). Cette rapide pénétration des Sahel dans la Vallée du Fleuve Sénégal s’explique par leur bonne résistance à la verse et aux insectes contrairement aux technologies traditionnelles qui disposent d’une capacité moyenne (Traoré et al., 2010). Nous observons le même constat que précédemment : le taux d’adoption potentiel est plus élevé dans la population des non-exposés, en particulier pour les variétés Sahel. En effet, dans l’échantillon, le riz est cultivé en majorité dans les bas-fonds alors que les variétés Sahel sont plus performantes au niveau du plateau. Ceux qui sont donc exposés ont une plus faible propension à adopter plutôt que ceux qui ne le sont pas et se situent au niveau du plateau (60 % des non-exposés au Sahel sont sur le plateau). Il faut remarquer que les différences de taux d’adoption des variétés Nerica et Sahel sont largement dues au fait que, pendant la saison 2012/2013, un programme de multiplication de semences de base de trois variétés Sahel sur 21 ha (S177, S108 et S209) a été opéré dans la zone.

Tableau 6. Taux d’adoption et écart d’adoption des variétés de type Nerica et Sahel en 2013 à Fatick

Tableau 6. Taux d’adoption et écart d’adoption des variétés de type Nerica et Sahel en 2013 à Fatick

Notes : STd Err sont entre parenthèses ; ***, ** et * significative au seuil de 1 %, 5 % et 10 %.

3. Les déterminants de l’exposition aux variétés améliorées AfricaRice

40 L’exposition joue un rôle fondamental dans le processus d’adoption des innovations technologiques. C’est la raison pour laquelle, tout processus de diffusion doit comprendre les facteurs influençant l’exposition. Les déterminants de l’exposition sont mesurés par le modèle probit d’exposition avec les effets marginaux qui nous renseignent sur la probabilité d’être exposés aux variétés. Les informations sur le log Likelihood, LR chi2(22) et R2 (tableau 7) montrent que le modèle est bien spécifié. Il ressort du tableau 7 que le fait d’avoir une éducation formelle est déterminant dans l’exposition aux variétés avec un seuil de significativité de 1 % ainsi que la superficie totale disponible. Par conséquent, plus la personne est éduquée plus la probabilité d’exposition est importante. Cette influence positive s’explique par le fait que les producteurs ayant reçu une éducation formelle ont plus d’opportunités sur l’existence de nouvelles variétés de riz que ceux qui n’ont pas reçu une éducation formelle, comme l’a souligné Fall (2005). Ce dernier a montré que les jeunes producteurs de la Vallée du Fleuve Sénégal, d’un niveau d’instruction plus élevé que ce qu’on connaissait jadis dans le monde, sont ouverts aux innovations technologiques mais restent très critiques. Aussi, la superficie totale disponible a un effet positif et significatif au seuil de 5 % sur l’exposition aux variétés. Cela se justifie par le fait que, dans les programmes de multiplications de semences, les acteurs ciblent en général ceux qui disposent d’une plus grande superficie. Il est observé que le type d’écologie est aussi déterminant. Ceux qui travaillent au niveau des bas-fonds sont plus à même d’être exposés car traditionnellement dans la région la plupart des producteurs de riz cultivent au niveau de cette écologie. Très peu de producteurs le font au niveau des plateaux qui étaient auparavant destinés aux cultures de rente (arachide, mil, etc.). Les autres variables qui sont déterminantes dans le modèle d’exposition et qui sont statistiquement significatives au seuil de 1 % sont le fait d’exercer une activité secondaire autre que l’agriculture et l’appartenance à une organisation de producteurs. Par ailleurs, les effets marginaux révèlent que d’avoir une éducation formelle et l’écologie bas-fonds pourraient améliorer la probabilité d’exposition respectivement de 24 % et 27 %.

Tableau 7. Modèle probit sur la probabilité d’exposition aux variétés améliorées (NERICA et SAHEL) à Fatick

Tableau 7. Modèle probit sur la probabilité d’exposition aux variétés améliorées (NERICA et SAHEL) à Fatick

Notes : STd Err sont entre parenthèses ; ***,** et * significative au seuil de 1 %, 5 % et 10 %.

4. Les déterminants de la probabilité d’adoption des variétés améliorées

41 Le tableau 8 présente les coefficients du modèle probit des déterminants de l’adoption des variables. Le pseudologlikelihood de -68,565 et le Wald Chi2 46,53 sont significatifs au seuil de 1 % montrant que le modèle est bien spécifié et que les variables exogènes retenues peuvent expliquer l’adoption des Sahel et Nerica parmi les riziculteurs.

Tableau 8 . Déterminants de l’adoption de variétés améliorées Africa Rice par la méthode paramétrique

Tableau 8 . Déterminants de l’adoption de variétés améliorées Africa Rice par la méthode paramétrique

42 Les résultats montrent que le niveau d’éducation formelle augmente la probabilité d’adopter de 14,2 %, statistiquement significatif au seuil de 10 %. Cela implique que les riziculteurs les plus éduqués ont une plus forte probabilité d’adopter les variétés améliorées. Ceci montre le rôle important de l’éducation dans le processus d’adoption des innovations technologiques. Un tel effet de l’éducation sur la probabilité d’adoption était attendu et le même résultat a été obtenu par d’autres auteurs (Dontsop-Nguezet et al., 2013 ; Basse, 2015). L’adoption des variétés améliorées est aussi fortement liée au type de riziculture pratiqué (bas-fonds). Ceci n’est pas surprenant et compréhensible puisque les efforts de recherche se sont focalisés dans cette zone. Un tel résultat a été trouvé par Dontsop-Nguezet et al. (2013) où le type d’écologie (plateau) était déterminant dans l’adoption des variétés Nerica au Nigeria. La riziculture pluviale de bas-fonds a été considérée comme un moyen d’intensification de l’amélioration de la productivité rizicole. Ceci a conduit l’État à promouvoir la production du riz dans cette zone par de lourds investissements en infrastructures hydro-agricoles. Le coefficient de la variable appartenance à une organisation paysanne est positif et significatif au seuil de 5 %. Cela veut dire que la participation à une dynamique sociale augmente la probabilité d’adoption des variétés. Ceci résulte du fait que les Organisations paysannes (OP) ont développé des initiatives propres visant à faciliter l’exposition et l’utilisation des technologies agricoles. Les OP sont les seules éligibles aux crédits de campagne auprès de la Caisse Nationale de Crédit Agricole du Sénégal (CNCAS), ce qui favorise l’exposition aux variétés améliorées. Cet effet positif (attendu) à l’adhésion à une organisation paysanne sur l’adoption a été également démontré par Sharma et Kumar (2000).