Observatoire du Sahara et du Sahel Projet SASS III

Rapport préliminaire sur les premiers résultats obtenus de l’analyse des données de la première campagne de l’enquête socioéconomique

« Echantillon algérien » - Février 2013

1

Photo : Enquête sur une exploitation dans la Wilaya de (commune d’Ourlel) le 21/11/2011

© Observatoire du Sahara et du Sahel (OSS), 2011

Rapport préliminaire sur les premiers résultats obtenus de l’analyse des données de la première campagne de l’enquête socioéconomique « Echantillon algérien » Février 2013

REDIGE PAR : Mohamed Salah Matoussi Consultant Régional Agro-Environnementaliste

LU PAR : Abdelkader Dodo LE Coordinateur Programme Eau Djamel Latrech Le Coordinateur du Projet SASS III

REVU PAR : Khatim Kherraz Le Secrétaire Exécutif de l’OSS

2

Acronymes

ANRH Agence Nationale des Ressources en Eau d’Algérie CLSP Comité Local de Suivi du Pilote CN Consultant National CR Consultant Régional CRDA Commissariat Régional au Développement Agricole en Tunisie CP Coordinateur du Projet EAC Exploitation Agricole Collective EAI Exploitation Agricole Individuelle APFA Accession à la Propriété Foncière Agricole GDRE Direction Générale des Ressources en Eau de Tunisie GWA General Water Authority of Libya DRANRH Direction Régionale de l’ANRH DSA Direction des Services Agricoles d’Algérie INRAA Institut National de la Recherche Agronomique d’Algérie IRA Institut des Régions Arides ONID Office National de l’Irrigation et du Drainage OSS Observatoire du Sahara et du Sahel SA Service Agricole SASS Système Aquifère du Sahara Septentrional PPI Périmètre Public Irrigué PIP Périmètre Irrigué Privé

3

SOMMAIRE

INTRODUCTION ...... 5 I. PRÉSENTATION GÉNÉRAL DU CADRE D’ANALYSE (DÉFINITION DES CONCEPTS ET DES OUTILS D’ANALYSE) ...... 6 I.1 Liste des variables retenues dans le cadre de notre analyse ...... 6 I.2 Définitions préliminaires de quelques concepts socioéconomiques importants ...... 7 La Médiane, un paramètre statistique, d’un ensemble de valeurs est une valeur m, qui se situe au milieu de la série, telle que le nombre de valeurs de la série supérieures ou égal à m est exactement égal au nombre de valeurs inférieur ou égale à m...... 13 I.3 Le Logiciel STATA ...... 13 II. RAPPEL BREF SUR LA CONSTRUCTION DE L’ÉCHANTILLON D’EXPLOITANTS AGRICOLES ALGÉRIENS ...... 13 2.1. Construction de l’échantillon de Biskra ...... 14 2.1.1. Généralités sur la Wilaya de Biskra ...... 14 2.1.2. Bref aperçu sur les étapes de la construction de l’échantillon ...... 15 2.2. La Wilaya d’ (le pays de Souf) ...... 19 2.3. Construction de l’échantillon de la wilaya d’Ouargla ...... 26 2.4 La construction de l’échantillon de Ghardaïa ...... 34 III. ANALYSE DESCRIPTIVE ...... 35 3.1. Taille de l’Echantillon retenu dans l’analyse ...... 35 3.2. Découpage approprié ...... 37 3.3. L’Analyse proprement dite ...... 38 IV. ANALYSE QUANTITATIVE ET COMMENTAIRE DES RÉSULTATS OBTENUS ...... 43 4.1. Analyse quantitative globale à l’échelle du SASS Algérien ...... 44 4.1.1. La consommation d’eau par hectare et par exploitant (WHA) ...... 44 4.1.2. La Productivité Economique de l’Eau (WP) ...... 46 4.1.3. La marge brute par hectare ou le bénéfice dégagé par un m3 d’eau utilisé pour l’irrigation ...... 48 4.1.4. La Production Totale par hectare ...... 49 4.2. Analyse quantitative désagrégée selon le Coût de l’eau supporté par l’exploitant ...... 51 4.2.1. La consommation d’eau par hectare par exploitant (WHA) ...... 51 4.2.2. La Productivité Economique de l’Eau (WP) ...... 52 4.2.3. La marge nette par hectare ou le bénéfice dégagé par un m3 d’eau utilisé pour l’irrigation ..... 54 3.2.4. La Production Totale par hectare ...... 54 3.3. Analyse quantitative selon l’optique spatiale...... 56 4.1. La consommation d’eau par hectare et par exploitant (WHA) ...... 56 4.2. La Productivité Economique de l’Eau (WP) ...... 57 4.3. La marge Brute par hectare ...... 58 4.4. La Production Totale par hectare ...... 59 4.5. Un Zoom particulier sur La Wilaya d’Adrar ...... 60 V. Synthèse de l’essentiel des résultats obtenus dans l’analyse quantitative de l’échantillon tunisien et quelques éléments de «Policy recommandations» ...... 61 Annexe I : LISTE ET DEFINITION DES VARIABLES ...... 64 Annexe II. : Outputs de l’ordinateur pour les différentes estimations grâce au logiciel STATA11 ...... 69

4

INTRODUCTION

La composante socioéconomique, qui constitue l’un des deux volets principaux du projet SASSIII, vise principalement à enrichir les acquis de la connaissance hydrogéologique de la ressource eau par des données socio-économiques et environnementales décrivant la réalité du fonctionnement des exploitations agricoles et surtout le comportement réel de l’irriguant en mettant un accent particulier sur sa capacité d’adaptation aux défis menaçants la durabilité de tout l’édifice. Ces défis sont de nature diverse qui vont de l’épuisement de la ressource suite à une surexploitation excessive aux impacts négatifs des changements climatiques.

L’objectif premier de ce rapport est donc celui de présenter les résultats préliminaires obtenus de l’analyse des données algériennes. Ce rapport constitue la suite logique du précédent qui a été consacré aux résultats préliminaires obtenus de l’analyse des données tunisiennes.

Ce rapport est organisé en cinq sections :

 La première section définit le cadre général et surtout les concepts socioéconomiques de base qui sont indispensables à la conduite et à la compréhension de l’analyse aussi bien descriptive que quantitative. Cette section mettra l’accent sur :

 La définition des variables à utiliser dans l’analyse et le traitement quantitatif des données collectées durant la première campagne d’enquêtes socioéconomiques et environnementales.

 Les définitions des concepts économiques de base ainsi que les outils utilisés. L’accent sera mis surtout sur les élasticités prix, la Disposition à payer (DAP) des usagers primaires afin de mobiliser ou d’acquérir la ressource en en eau qui constitue le facteur le plus limitatif à toute production agricole soutenue dans ces contrées démunies et au concept clef de la productivité Economique de l’eau. Ce dernier concept dégage la valeur produite grâce à un m3 d’eau allouée à l’irrigation de la culture en question.

 Les définitions des découpages appropriés selon lesquels le travail d’estimation et d’analyse sera conduit par la suite.

 La deuxième section sera consacrée à un rappel bref sur la construction de l’échantillon d’exploitants agricoles algériens. Les caractéristiques distinctives de chaque zone retenue dans la construction de l’échantillon global des exploitations à enquêter sur le terrain seront dégagées d’une manière plutôt synthétique. Un accent particulier sera mis sur la comparaison des échantillons  prévus et effectivement réalisés.

 La troisième présentera une analyse descriptive des données algériennes. Cette section, qui s’appuiera sur des statistiques rudimentaires simples permettra de mener à une

5

analyse intuitive des données collectées afin de préparer l’analyse quantitatives proprement dite.

 La quatrième section est dédiée à l’analyse quantitative de l’information récoltée en Algérie et surtout aux commentaires des résultats obtenus. Cette section, qui constitue la composante principale de ce rapport, présentera les estimations économétriques effectuées grâce au logiciel STATA 11. Ce logiciel, qui est mise au point et conçu essentiellement pour traiter convenablement les données d’enquêtes, est le plus approprié à notre étude. Deux résultats importants à retenir de cette analyse :

 Ce travail montre d’une manière explicite la pertinence d’une analyse désagrégée des données collectées et surtout sa supériorité sur toute analyse globale lors de toute estimation de l’impact de la variable prix sur la demande de la ressource en eau.

 Une tarification appropriée infléchit la croissance de la demande exponentielle de l’eau et réalise ainsi l’objectif majeur de conservation de cette ressource précieuse dans ce milieu aussi démunie que tout responsable en la matière souhaite vivement.

 La dernière section clôturera le rapport par une brève synthèse des résultats obtenus ainsi que la proposition de quelques éléments de recommandations opérationnelles en vue de gérer durablement cet aquifère caractérisé par sa nature très peu renouvelable.

 Enfin les annexes reproduisent en détail toutes les estimations telles qu’elles sont fournies par les outputs de l’ordinateur ainsi qu’une liste exhaustive des variables dégagées du dépouillement de l’enquête originale.

I. PRÉSENTATION GÉNÉRAL DU CADRE D’ANALYSE (DÉFINITION DES CONCEPTS ET DES OUTILS D’ANALYSE) L’objectif de cette section est celui de présenter d’une manière synthétique les outils et concepts économiques de base indispensables à l’analyse aussi bien descriptive que quantitative de l’information récoltée dans le cadre de la composante socioéconomique du projet SASSIII.

I.1 Liste des variables retenues dans le cadre de notre analyse Le nombre total de variables aussi bien de nature quantitative que qualitative que nous pouvons dégagé de l’enquête socioéconomique et environnementale se comptent par centaines. Nous ne retenons dans le cadre de cette analyse préliminaire que celles que nous jugeons les plus pertinentes. Le Tableau suivant définit les variables que nous utiliserons dans cette analyse préliminaire. Une liste non exhaustive préliminaire des variables figure en Annexe 3.

Tableau 1.1 : liste et définition des variables principales

Variables retenues Définition de la Variable

1. WHA Consommation d’eau par hectare

2. WCMC Coût du m3 d’eau utilisée

3. RTHA Recette Totale par hectare

4. NIV Niveau d’instruction

6

5. SEI Superficie effectivement irriguée (ha)

6. SALI Salinité de l’eau d’irrigation utilisée

7. WP Water Productivity

8. BHA Bénéfice net par hectare

9. FLHA Family Labor par hectare (en hommes par année)

10. HLHA Hired labor par hectare (Le coût de la main d’œuvre salariale)

11. WCHA Le coût de l’eau par hectare

12. INTHA Les intrants par hectare (Engrais, insecticide, herbicide, fumier, etc.)

13. ALIM Le coût de l’alimentation du bétail

14. ANCI Ancienneté dans la pratique de l’irrigation par année

15. RHE RHE1 =0, si l’exploitant a une activité secondaire et 1 sinon

16. WOR WOR = 0 si eau gratuite, 1 si réseau public et 2 réseau privé

17. ASE % de la recette totale de l’exploitation sans l’élevage.

I.2 Définitions préliminaires de quelques concepts socioéconomiques importants Nous présenterons dans ce cadre quelques concepts économiques indispensables à la conduite de l’analyse aussi bien descriptive que quantitative qui constitue l’un des objectifs majeurs de cette composante et même du projet dans sa globalité.

Le Coût de l’eau

La notion de coût est hautement complexe et surtout d’une importance capitale à toute gestion durable d’une ressource très peu renouvelable. Nous tenons à rappeler comment l’illustre économiste J. M. Clark mettait l’accent sur cette notion. « Un cours d’économie serait un succès, si les étudiants parvenaient à une maîtrise réelle de la signification du coût dans tous ses aspects multiples ».

Une définition simple d’un concept aussi complexe que le coût est vraiment difficile.

Nous proposons deux tentatives de définitions :

 Le coût est la somme d’argent, de temps et de ressources engagées en vue de produire ou d’acquérir un bien économique.

 Le coût est habituellement une évaluation monétaire de l’effort engagé, des biens matériels utilisés, des ressources consommées, du temps et des utilités perdues, du risque encouru et des opportunités manquées dans la production et la fourniture des biens et des services.

Afin d’évaluer correctement le coût réel de la ressource en eau, qui constitue le facteur limitant dans tout développement économique et social dans la région SASS, l’idéal aurait été de disposer d’une information complète sur le coût de l’eau qui intègre explicitement

7 toutes les variables requises (coût de pompage, coût d’opérations et de maintenance de l’équipement et surtout le coût fixe d’investissement). Dans le cadre de cette enquête, nous n’avons pu récolter que les coûts variables du réseau public. Par contre pour les exploitants privés nous avons pu collecter des informations fines sur les coûts variables ainsi que sur les coûts fixes. Dans le cadre de cette analyse préliminaire nous n’avons retenus pour les exploitants privés que les coûts variables afin de pouvoir comparer dans les mêmes conditions les deux catégories d’exploitants privés et publics.

Le coût marginal est le coût induit par la production d’une unité additionnelle d’un bien ou service. Ce coût pourrait aussi être défini ainsi : c’est le changement dans le coût total lorsque la quantité produite change d’une unité ; c.à.d. le coût de produire une unité supplémentaire du bien ou service en question.

Le coût d’opportunité La notion de ce que les économistes appellent le coût d’opportunité est crucial à tout processus d’allocation de ressources rares qui pourraient être affectées à des utilisations alternatives.

Définition C’est le coût de toute activité mesuré en termes de la valeur de la meilleure alternative manquée suite au choix opéré. Lorsque l’économiste se réfère au coût d’opportunité d’une ressource, il entend par là la valeur du meilleur usage alternatif de cette ressource. D’une manière encore plus simple c’est le bénéfice que vous aurez pu recevoir en choisissant la meilleure action alternative.

Cas particulier des ressources non renouvelables

Deux situations pourraient illustrer cette réalité.

(1) Lorsque l’exploitation des nappes souterraines renouvelables dépasse largement le taux de recharge naturelle, et

(2) Dans le cas d’une exploitation minière de nappes souterraines profondes dont le stock a été accumulé depuis des millénaires, alors qu’actuellement le taux de recharge est négligeable.

L’analyse économique dans ces deux cas de figure diffère de celle où la ressource est un flux renouvelable non-exhaustible. En effet, il est primordial d’intégrer dans ce contexte, un coût d’opportunité additionnel de la ressource.

 Le coût d’opportunité classique que nous venons de présenter, traduisant la non- disponibilité de la ressource pour un autre usage courant, reste commun aux deux ressources renouvelables et non-renouvelables. Nous appellerons ce type de coût : le coût d’opportunité contemporain.

 Etant donné que les usages actuels épuisent le stock et le rendent non disponible pour les utilisations futures (surtout celles des générations à venir), il y a un coût d’opportunité à ne pas avoir l'eau disponible pour ces usagers. Nous appellerons ce coût « un coût opportunité inter-temporel ou intergénérationnel ».

Tarification au coût marginal (marginal-cost pricing) La théorie économique moderne nous enseigne que lorsque le prix de la ressource est fixé égal au coût marginal, l’usager rationnel achètera des unités additionnelles aussi longtemps que sa valorisation dépassera ce coût. Toute utilisation au delà de ce niveau implique nécessairement le recours à des unités dont la valeur est inférieure au coût supplémentaire

8 de l’offre. Tandis que pour une consommation qui se situe au-dessous de ce seuil, toute acquisition d’unité additionnelle permettra un accroissement de la valorisation supérieure à son coût de mobilisation. La tarification au coût marginal permet alors d’atteindre une allocation efficiente de la ressource en eau.

Tout scientifique objectif et averti réalisera facilement qu’une tarification semblable est très intéressante pour la société quel que soit sa forme d’organisation politique. En effet, nous venons d'avancer l’un des résultats des plus connus de la théorie économique moderne qui pourrait s’énoncer ainsi :

"L’économie ne parviendra à une valorisation maximale de ses ressources rares et précieuses et produire l’output maximal que si et seulement si le prix du bien concerné (ici ce sera l’eau) est égal à son coût marginal de mobilisation".

Nous savons maintenant que toute allocation des ressources naturelles et environnementales, qui s’appuient sur la tarification au coût marginal, conduit à l’efficience économique et surtout à l’optimum social. Les composantes à introduire dans le calcul de ce coût marginal seraient alors d’une importance capitale.

La réalisation de l’affectation optimale escomptée requiert donc l’intégration des différents coûts marginaux suivants :

 coûts de maintenance et de gestion courante,  coûts futurs de l’investissement additionnel, et  coûts supplémentaires infligés à l’environnement.

Cette orientation nous mène directement au principe du Coût Marginal de Long Terme (CMLT) qui se définit ainsi : Le coût additionnel des ajustements de la capacité optimale, suite à l’offre future d’une unité additionnelle durable.

Notons d’emblée, qu’étant donné que le calcul du CMLT implique, par définition, une évaluation à long terme des coûts, il devient ainsi un véhicule susceptible d’intégrer explicitement tous les aspects de la gestion environnementale.

Nous tenons aussi à rappeler que les approches de la tarification traditionnelle reposent essentiellement sur le recouvrement des « sunk cost » alors que le CMLT s’appuie plutôt sur la valeur économique des ressources potentielles (futur) utilisées ou conservées par les décisions de l’usager. En effet, vu que les prix sont des montants payés pour des consommations additionnelles, ils devraient en principe impliquer le coût marginal.

La Marge Brute La marge brute (MB) d’une exploitation, définie comme étant la différence entre son revenue et ses coûts variables, est habituellement la variable utilisée dans les discussions commerciales concernant la branche. Cependant il faut bien noter que la marge brute n’est pas le profit, et en plus elle peut varier significativement entre exploitations, étant donnée que les coûts peuvent être différemment définis comme fixes ou variables, ou bien peuvent être partagés entre plusieurs exploitations (coûts joints, join cost).

Les rubriques principales les plus courantes du coût variables sont :

 Le coût de la main d’œuvre salariale ;

9

 Le coût de la ressource eau pour l’agriculture irriguée (ici aussi il faut distinguer entre le coût supporté directement par l’exploitant et le coût réel supporté par la collectivité).  Le coût des fertilisants, semences et insecticides,  Le coût de l’alimentation du cheptel.

Notes : Ces sont les quatre types de coûts variables que nous retiendrons dans le cadre de cette analyse préliminaire.

Productivité Economique de l’Eau (Economic Water Productivity (EWP)) La Productivité Economique de l’eau est définie comme étant la valeur en terme monétaire dérivée de l’utilisation d’une unité de cette ressource. Dans ce contexte ce sera la valeur en dinars obtenue grâce à un m3 d’eau utilisée dans la production d’une culture irriguée dans la zone SASS. En effet le recours au concept d’« Economic Water Productivity » au lieu de la définition classique de « Physical Water productivity » est aujourd’hui mieux approprié dans le contexte d’une croissance rapide de la rareté et de la dégradation de la ressource surtout dans un contexte caractérisé par une surexploitation comme toute la région SASS.

Les possibilités d’améliorer la productivité économique de l’eau grâce à la promotion d’une gestion plus adéquate dépasse largement l’augmentation de la productivité physique de l’eau dans les milieux exposées à des contraintes physiques drastiques de la ressource. Les expressions de « plus de nourritures par goûtes d’eau : more nutrition per drop » ou encore «plus de travail par goûtes : more job per drop » sont courantes dans la littérature spécialisée. Dans le cadre de notre analyse nous utilisons EWP pour désigner l’ « Economic Water Productivity ».

Calcul de la Productivité Economique Brute de l’Eau (GEWP) :

M arge Brute GEWP par m3  Volume total de l'eau utilisée

Remarques importante : Pour avoir La Productivité Economique Nette de l’Eau (NEWP) Il faut remplacer dans la formule ci-dessus, la Marge Brute par la Marge Nette. Cependant le passage de la Marge Brute à la Marge Nette n’est malheureusement pas une opération aisée. En effet ce passage requiert la disponibilité de données qui n’existent pas pour le moment.

Parmi les données indispensables, au calcul de la marge brute, il faut au moins avoir ;

 Les coûts d’investissement dans la mobilisation de la ressource,  Le montant de toutes les subventions que l’Etat accorde à ce secteur,  Les diverses taxes imposées à ce secteur.

La Disposition à Payer (DAP) La DAP est une méthode qu’on utilise généralement pour évaluer (approximer) le prix d’un bien. Cette méthode est surtout utilisée dans les cas où il est quasi-impossible de connaître le prix autrement. Cette démarche est courante pour estimer le prix d’un bien d’environnement qui ne dispose pas de marché classique (bien non-marchand). Cette méthode essaye de déterminer le prix que les utilisateurs sont disposés à payer pour le bien en question.

10

Calcul de la DAP dans notre contexte : DAP annuelle totale de l’eau = Recette brute totale (recette de la production arboricole + recette des cultures Intercalaires + recette des cultures plein champ + recette de la production de la serriculture + recette de l’élevage) – Coût (salaires payé + Coûts des intrants + coûts de l’alimentation et de l’entretien du bétail).

Remarque : Dans ce calcul nous avons retenus tous les coûts à l’exception de celui de l’eau.

DAP Totale de l'eau DAP par m3  Volume total de l'eau utilisée

Remarque

Les définitions de WP et DAP sont très proche. La seule différence réside dans le fait que pour la DAP nous retenons la Marge brute (on omet le coût de l’eau dans le calcul des dépenses) et pour la WP nous considérons la Marge nette (on retient toutes les dépenses y compris le coût de l’eau). Comme ces variables sont très proches on peut utiliser l’une ou l’autre comme approximation du prix de l’eau. Dans cette présentation nous utiliserons plutôt la WP.

Dans ce calcul de la DAP, nous avons ignoré toutes les distorsions provoquées par une intervention massive de l’Etat dans la gestion et l’allocation de la ressource en eau dans les trois de cette one SASS.

Les distorsions dans le calcul de la Marge Brute, la Productivité Economique de l’Eau et la DAP

Il faut donc tenir compte des subventions que les fermiers reçoivent, qui distordent les prix et les éloignent donc significativement des coûts d’opportunités sous jacents. Cette distorsion handicaperait alors toute tentative d’estimer correctement les (MB, EWP et DAP) réelles pour l’eau. Afin d’estimer la valeur des subventions il faut recourir au PSE (Producer Subsidy Equivalent), qui est donnée par l’expression suivante :

(V  D V ) PSE  m w (1) Vm

Où Vm est l’output évalué au prix domestiques, Vw est l’output évalué aux prix mondiaux et D sont les subventions directes.

La DAP de la ressource en eau

Le calcul de la DAP de l’eau maximale par exploitant pour chaque culture s’effectue ainsi :

NM / ha TNM   PSE (6) t Y t

Où TNMt est la marge nette réelle par tonnes, NM est la marge nette, PSEt est l’équivalent des subventions au producteur et Y le rendement par hectare.

11

Les chiffres de la vraie DAP devraient inclure le montant que le fermier paye réellement pour l’eau d’irrigation qu’il utilise. La vraie DAP pour l’eau par hectare est alors :

TNM  WC DAP / ha  t (7) Y

Où WC est le montant actuel que l’exploitant paye pour l’eau utilisée.

Cette brève analyse nous montre très clairement que l’eau allouée à l’irrigation ainsi qu’aux autres usages est actuellement significativement sous évaluée (c.à.d. cédée aux usagers à un prix largement inférieur aux coûts réels de la ressource) dans toute la région SASS. Le résultat direct de cette sous évaluation est que l’eau est sur utilisée dans toutes les cultures pratiquées. En effet si les décisions d’irrigation étaient prises sur la base des coûts réels de mobilisation de la ressource, la demande d’irrigation décroitrait très vraisemblablement pour toutes les cultures pratiquées. En outre les exploitants passeraient à des techniques d’irrigation plus performante et à des cultures plus valorisantes de la ressource.

Taux d’Intensification (TI) : Une définition très restrictive a été retenue dans ce cadre :

TI = Superficie réellement irriguée durant l’année de l’enquête / Superficie équipée pour être irriguée.

SEI TI  . SI

Définition du concept d’élasticité Définition générale : L’élasticité est la variation en quantité d’une grandeur (en %) étant donnée la variation d’une autre grandeur aussi en %.

L’élasticité la plus connue et surtout la plus généralement utilisée dans les applications est l’élasticité prix de la demande d’un bien. Cette élasticité mesure la variation de la quantité en pourcentage d’un bien donné (ce sera par exemple dans notre contexte la demande de l’eau d’irrigation), lorsque son prix change (Sachant que le revenu de l’exploitant reste inchangé).

Pourcentage devar iation dela quantitédemandéed'un bien(ici l'eau)  w  p Poucentage d'évolution du prix du bien en question

(q1q0 ) q Elasticité prix de la demande  1 . ( p1 p0 ) p1 Où

 q0 et q1 sont respectivement les quantités demandées durant la période 0 et la période 1.

 p0 et p1 sont respectivement les prix observés durant la période 0 et la période 1.

12

Autrement dit, si nous prenons l’exemple de l’eau, cette élasticité mesure le % de variation du volume d’eau demandée par l’exploitant divisé par le % de la variation tarifaire (le prix de l’eau) imposée par l’autorité de l’eau ou bien par le marché dans le cas d’une gestion privée.

La Médiane La Médiane, un paramètre statistique, d’un ensemble de valeurs est une valeur m, qui se situe au milieu de la série, telle que le nombre de valeurs de la série supérieures ou égal à m est exactement égal au nombre de valeurs inférieur ou égale à m.

Cet outil est très utile et donne une meilleure information que la moyenne classique lorsque la série de données dont on dispose est hétérogène.

Calcul pratique de la Médiane d’une série de données

 Ordonner les données de la série en question en une liste croissante.  Choisir la valeur qui est au centre de cette liste.

Le Coefficient de variation

Ecart  type Coefficient de Variation  . Moyenne

Plus ce coefficient est élevé, plus grande est la dispersion des observations autour de la moyenne. Ce coefficient est un bon indicateur de la variabilité des observations d’un phénomène donné.

I.3 Le Logiciel STATA Nous avons retenu pour notre analyse l’une des dernières versions du Logiciel STATA, qui est spécialement conçue pour des estimations économétriques sur données en coupes transversales (Variabilités Spatiales ou régionales). En effet notre enquête nous fournit des données très riches qui tiennent comptes de la diversité régionale caractérisant nos 12 zones réparties à travers les trois pays du SASS à savoir l’Algérie, la Tunisie et la Lybie. Notons au passage qu’à l’intérieur de chaque pays nous avons aussi une diversité régionale importante.

L’instruction reg du logiciel STATA nous permet d’estimer un modèle économétrique par la méthode des moindres carrées ordinaires (m.c.o.) d’une spécification en Logarithme afin de dégager directement les élasticités qui nous permettront d’analyser les résultats obtenus directement. Dans des analyses ultérieures nous passerons à des spécifications plus complexes, qui tiennent compte d’une manière plus explicite de la réalité des données. Le logiciel STATA nous permettra d’intégrer aisément toute la complexité de la réalité du terrain.

II. RAPPEL BREF SUR LA CONSTRUCTION DE L’ÉCHANTILLON D’EXPLOITANTS AGRICOLES ALGÉRIENS

L’objectif principal de rappel est celui de mettre l’accent sur la démarche de construction de l’échantillon d’exploitations à enquêter sur le terrain en Algérie et surtout de le comparer

13 avec l’échantillon réellement réalisé, qui constitue la base de l’analyse aussi bien descriptive que quantitative.

2.1. Construction de l’échantillon de Biskra

2.1.1. Généralités sur la Wilaya de Biskra Située dans la région Sud-est de l'Algérie, la Wilaya de Biskra s'étend sur une superficie de 21 671 km2. Un climat saharien présentant une pluviométrie de 120 à 150 mm/an, chaud et sec en été, assez froid en hiver surtout sur les hauteurs. Sur le plan administratif, la Wilaya de Biskra compte 33 communes et 12 daïras.

Le tableau suivant donne un éclairage sur l‘agriculture irriguée de cette Wilaya.

Tableau 2.1 : récapitulatif de quelques informations de base sur l’agriculture irriguée dans la wilaya

Superficie Production (Qx) Nbre de pieds (ha) % Total Par ha

Phoeniculture 41 714 41.5 4 171 447 2 614 085 62.7

Maraichage 15 052 15.0 3 959 800 263 (dont Protégées) (2 926) (2.9) (2 472 661) (845) (Plein Champs) (12 126) (1.21) (1 487 139) (123)

Arboriculture 5 357 5.3 170 967 32

Oléiculture 3 381 3.4 41 571 12.3

14

Céréales 26 219 26.1 666 914 25.4 (Blé dur) (12 057) (12.0) (350 862) (29.1) (Blé tendre) (4 815) (4.8) (137 658) (28.5)

Fourrages 7 321 7.3 386 736 53

Cultures Indust. 1 359 1.4 25 826 19

Totale 100 403 100.

(Source : service Statistique Wilaya de Biskra 2011)

Caractéristiques distinctives de la Wilaya

 La Wilaya de Biskra se distingue par la production la plus importante de dattes du pays et surtout celles de la variété la plus demandée de Deglet Nour.  Cette région se caractérise par la plus grande production de cultures maraichères sous serre du pays. En effet avec une superficie de l’ordre de 2.476 ha de cultures sous- serre, Biskra concentre à elle seule plus que le tiers de cette activité dans le pays.  Biskra, avec environ 100 000 ha de terres irriguées, est l’une des plus grandes zones d’irrigation du pays et la première des régions sahariennes.  Cette zone, qui souffre déjà de la raréfaction de la ressource et surtout de sa dégradation qualitative, est menacée si le facteur eau n’est pas géré d’une manière appropriée intégrant explicitement la dimension de la durabilité.

Pour cette wilaya, très importante pour le Projet comme celle d’El Oued, nous avons eu la chance de disposer de riches données statistiques ce qui nous a permis de retenir plusieurs critères pour construire un échantillon représentatif de la population globale des irrigants de cette région clef.

2.1.2. Bref aperçu sur les étapes de la construction de l’échantillon

Le Tableau suivant donne le découpage de la Wilaya de Biskra par zone homogène.

Tableau 2.2 : Découpage en Zones homogènes : Wilaya de Biskra

Zone Cultures principales

Zone1 : (Steppique) Elevage, Phoenicultures Ras El Miad, Besbes, Ech Chabia Cult. Maraichères Zone 2 : Phoenicultures Sidi Khaled, Ouled Djellel Cult. Maraichères Céréales, Cult. Industrielles Zone 3 : Phoenicultures (D.N) Doucen, El Ghrous Cult. Sous Serres Céréales, Elvaage (Bovins) Zone 4 : Piémont Nord Phoenicultures (Var. Normales) El Kantara, Ain Zaatout, Djemorah, Mchouneche Arbo (Oliviers) Apicultures Zone 5 :Tolga, Lichana, Foughala, Borj B. Azzouz Phoenicultures (Degl. Nour) Cult. Maraichères Zone 6 : Phoenicultures Biskra El Hadjab Cult. Maraichères Zone 7 :Lioua, Mekhadma, Ourlal, Mlili, , Phoenicultures

15

Bouchagroun Cult. Maraichères Elevage Bovins Zone 8 : Céréales, Elevage Plaine d’El Outaya Phoenicultures Cult. Maraichères Zone 8 Bis : Céréales, Elevage El Feidh, El Haouch Phoenicultures Cult. Maraichères Zone 9 : Cult. Mar. (sous serres) Chemta, sidi Okba Phoenicultures Céréales, Zone 10 : Cult. Maraichères,Céréales, Phoenicultures Ain Naga, Mziraa, Khanget Sidi nadji, Zribet El Oued Elevage,Cult. Industrielles

Nous adopterons la construction de notre échantillon d’exploitations à enquêter sur le terrain sur la base de 4 critères :

Critère 1 : La taille des exploitations Le Tableau 2.3 suivant indique le nombre d’exploitations considérées dans l’échantillon global par zone et par taille. A titre d’exemple, 13 exploitations ayant une taille de 1 à 5 ha. Ont été retenues dans la zone 1, qui comprend les communes de Ras el Miad, Besbes, et El Chabia.

Tableau 2.3 : Répartition Proposée de l’échantillon selon le critère de la taille des exploitations

Zones < 0.5 ha .5 à 1. 1.à 5. 5 à 20. > 20 Tot. % Sans Taille superc. Ech. Zone 1 1 1 13 5 2 22 5.1 26 48 Zone 2 4 8 13 5 1 31 7.2 2 33 Zone 3 1 3 21 12 2 39 9.1 1 40 Zone 4 8 9 7 5 2 31 7.2 1 32 Zone 5 6 24 38 4 2 74 17.3 1 75 Zone 6 3 6 21 6 1 37 8.6 1 38 Zone 7 6 18 45 16 3 88 20.6 1 89 Zone 8 5 2 9 9 3 28 6.5 0 28 Zone 1 2 4 13 3 23 5.4 1 24 8bis Zone 9 1 3 8 9 2 23 5.4 2 25 Zone 10 2 3 4 17 6 32 7.5 1 33 Tot. 38 79 183 101 27 428 100. 37* 465

Tableau 2.4 : Répartition Réalisée de l’échantillon selon le critère de la taille des exploitations

Zones < 0.5 ha .5 à 1. 1.à 5. 5 à 20. > 20 Tot. % Taille Ech. Zone 1 1 1 13 5 2 22 35 Zone 2 4 8 13 5 1 31 16 Zone 3 1 3 21 12 2 39 37 Zone 4 8 9 7 5 2 31 26 Zone 5 6 24 38 4 2 74 69 Zone 6 3 6 21 6 1 37 31 Zone 7 6 18 45 16 3 88 86

16

Zone 8 6 4 13 22 6 52 54 Zone 9 1 3 8 9 2 25 27 Zone 10 2 3 4 17 6 32 32 Tot. 38 83 204 147 23 410 100. 465

Tableau 2.5. : Répartition de l’échantillon selon le critère de la taille des exploitations

Zones 0 à 1. 1.à 5. 5 à 20. > 20 Tot. % Taille Taille (ha) Ech. Ech. Proposé Réalisé

Zone 1 48 35

Zone 2 33 16

Zone 3 40 37

Zone 4 32 26

Zone 5 75 69

Zone 6 38 31

Zone 7 89 86 52 54 Zone 8

Zone 9 25 27

Zone 10 33 32

Tot. 117 183 101 27 428 100. 465 412 Proposé Tot Réalisé 36 204 147 23 410

Critère 2 : Statut Juridique des exploitations

Le tableau 2.6 indique la répartition de l’échantillon selon le Statut juridique. A titre d’exemple, il faut prendre dans l’échantillon global 15 exploitations dans la zone 1 ayant le statut Privée.

Tableau 2.6 : Répartition de l’échantillon selon le critère du Statut Juridique des exploitations

Zone Privée Public APFA Autres Echan.

Zone 1 15 14 13 6 48

Zone 2 7 17 7 2 33

Zone 3 27 4 7 2 40

Zone 4 23 4 2 3 32

Zone 5 30 28 15 2 75

Zone 6 19 14 4 1 38

Zone 7 39 30 16 4 89

Zone 8 8 14 4 2 28

Zone 8bis 5 13 5 1 24

Zone 9 11 9 3 2 25

Zone 10 2 18 12 1 33

17

Tot. 186 165 88 26 465

Tableau 2.7 : répartition selon le Statut juridique

Zone Privée Public APFA Autres Tot. Echan.

Zone 1 2978 2794 2510 942 9 224 48 (32.3) (30.3) (27.2) (10.2) Zone 2 1406 3174 1285 358 6.226 33 (22.6) (51.) (20.6) (5.8) Zone 3 11450 1543 2689 755 16 437 40 (70.) (9.4) (16.4) (4.6) Zone 4 3705 637 299 435 5 076 32 (73.) (12.5) (5.9) (8.6) Zone 5 3544 3379 1869 110 8 902 75 (39.8) (38.) (21.) (1.2) Zone 6 3542 2538 742 85 6 907 38 (51.3) (36.7) (10.7) (1.2) Zone 7 10026 7933 4009 1028 22 996 89 (43.6) (34.5) (17.4) (4.5) Zone 8 4647 8826 2642 962 17 077 28 (27.2) (51.7) (15.5) (5.6) Zone 8bis 6889 16646 5671 340 29 546 24 (23.3) (56.3) (19.2) (1.2) Zone 9 6571 5571 2101 1140 15383 25 (42.7) (36.2) (13.7) (7.4) Zone 10 1775 27287 18052 590 47 704 33 (3.7) (57.2) (37.8) (1.2) Tot. 56 334 80 327 41 869 6 743 185 473 465

Critère 3 : source d’eau

Le tableau 2.8 indique la répartition de l’échantillon selon le critère de la source d’eau. A titre d’exemple 43 exploitations, qui utilisent des forages ont été retenues dans la zone 1.

Tableau 2.8 : Répartition de l’échantillon selon le critère de la source d’eau

Ressources superficielles Ressources souterraines Tot.

Barrages et Prise au fil Epandages Forages Puits Sources Retenue col. de l’eau des crues Zone 1 0 0 0 43 5 0 48

Zone 2 0 0 0 28 5 0 43

Zone 3 0 0 0 36 4 0 40

Zone 4 0 0 0 29 2 1 32

Zone 5 0 0 0 55 20 0 75

Zone 6 0 0 0 22 16 0 38

Zone 7 0 0 0 58 31 0 89

Zone 8 9 12 0 5 1 1 28

Zone 8bis 0 0 0 24 0 0 24

Zone 9 11 0 0 14 0 25

Zone 10 0 3 0 30 0 0 33

Tot. 20 15 0 344 84 2 465

18

Tableau 2.9 : Répartition selon la source d’eau

Ressources superficielles R essources souterraines Tot.

Barrages et Prise au fil de Epandages Forages Puits Sources Retenue col. l’eau des crues Zone 1 0 0 0 2166 237 0 2 363 (90.) (10.) Zone 2 0 0 0 4213 816 0 5 029 (83.8) (16.2) Zone 3 0 0 0 9480 955 0 10 435 (90.8) (9.2) Zone 4 0 0 0 2659 126 8 2 793 (95.2) (4.8) Zone 5 0 0 0 6288 2185 0 8 473 (74.2) (25.8) Zone 6 0 0 0 2936 2070 0 5 006 (58.6) (41.4) Zone 7 0 0 0 10543 5664 0 16 207 (65.) (35.) Zone 8 1500 2120 0 947 75 5 4 647 (32.2) (45.6) (20.4) (1.6) (0.) Zone 8bis 0 0 0 13 739 0 0 13 739 (100.) Zone 9 2250 0 0 3003 0 0 5 253 (42.8) (57.2) Zone 10 0 1580 0 22956 0 0 24 536 (6.4) (93.6)

Tot. 3 750 3700 0 78 887 12 128 13 98 478 (3.8) (3.8) (80.1) (12.3) (0.)

2.2. La Wilaya d’El Oued (le pays de Souf) Située dans la région Sud-est de l'Algérie, la Wilaya d’El Oued s'étend sur une superficie de 44 586 km2. Sur le plan administratif, la Wilaya d’El Oued compte 30 communes et 12 daïras. Dans la Wilaya d’El Oued, l’agriculture irriguée (AI) se caractérise pare :

 Une concentration des superficies irriguées dans 2 régions principales, le Souf à l’Est, autour de la ville d’El Oued et l’Oued Rhir à l’Ouest. Le Souf compte 24 070 ha irrigués (51% des superficies), l’Oued Rhir 14 525 ha en irrigué (31%) ;  Une irrigation dans l’Oued Rhir et la région des Chotts qui concerne presque exclusi- vement des palmeraies, Extension de l’agriculture irriguée par régions agricoles traditionnelles ou d’implan-

19

tation plus récente. Dans le Souf, les palmeraies ne représentent plus que 40% des surfaces irriguées. La pomme de terre connaît un très fort développement et couvre déjà près de 35% des superficies.

L’irrigation individuelle domine très largement dans la partie Est de la Wilaya (Souf et zone frontalière de ) ; par contre, c’est le collectif qui est prépondérant dans l’Ouest (Oued Rhir et région des Chotts).

L’irrigation gravitaire prédomine à l’Ouest, dans l’Oued Rhir (93%) et la région des Chotts (82%), alors que dans le Souf, le gouttes-à-gouttes (44%) et l’aspersion (42%) sont prépondérants.

Tableau 2.10 : Répartition des cultures irriguées

Cultures Superficie en ha %

Palmiers 25 962 53

Cultures Maraîchères 13 120 26.8

Céréales Fourrages 4 783 9.7

Autres culture fruitière 3 326 6.8

Cultures industrielles 1 560 3.2

Autres cultures 233 0.5

Total superficie développée en irriguée 48 984 100

(Source : Etude inventaire PMH 2008)

Ainsi si la SAU physique irriguée est de 46 867 ha, pour la campagne considérée à savoir 2006/2007, la superficie irriguée développée est de 48 984 ha soit un taux d’occupation du sol de 1,04. Les cultures irriguées sont dominées par les palmiers avec 53 % de la SAU irriguée développée.

Les GRANDS PERIMETRES IRRIGUES : Les périmètres gérés par l’ONID(GPI) représentent 4 843 ha en SAU physique irriguée et 2 914 exploitations qui sont principalement localisées dans la région de l’Oued Rhir.

Les grandes régions agricoles de la Wilaya

 La région du Souf, qui s’étend sur la partie Nord de l’Erg oriental et couvre le Centre Est de la Wilaya, autour de la ville d’El Oued, comprend les communes d’ El Oued, , Oued el Alenda, Bayada, Nakhla, Guemar, , , Taghzout, , , , Sidi Aoun, , Magrane, Ourmas, El Ogla et Mih Ouansa. Cette région porte 47% de la SAU totale ; l’irrigation y couvre 24 073 ha, soit 51% des superficies physiques irriguées de la Wilaya. C’est une région de tradition phoenicicole, où la proximité de la nappe superficielle avait permis la culture du palmier sans irrigation organisée (technique du Ghot) ; depuis quelques années, la région connaît un développement important des cultures maraîchères irriguées, pomme de terre en particulier.

20

 La région de l’Oued Rhir, qui s’allonge du Nord au Sud, à l’Ouest de la Wilaya, depuis les chotts jusqu’à la Wilaya de Ourgla, où elle se prolonge. Elle comprend les communes d’El Mghaïr, , Tenidla, , , ainsi que la commune de Mrara, présentant des caractéristiques spécifiques. Cette région porte 34% de la SAU totale ; l’irrigation y couvre 14 525 ha, soit 31% des superficies physiques irriguées de la Wilaya. C’est la région des palmeraies traditionnelles et la culture phoenicicole irriguée y demeure l’activité agricole principale, avec en sous étage un peu d’arboriculture et de cultures fourragères.

 La zone frontalière de Taleb Larbi, à l’extrême Est, qui s’allonge le long de la frontière tunisienne sur le Nord Est de l’Erg oriental. Elle comprend les communes de Taleb Larbi, Douar el Maa et Béni Guecha. Cette région porte 14% de la SAU totale ; l’irrigation y couvre 5 950 ha, soit 13% des superficies physiques irriguées de la Wilaya. C’est une région, dont le développement est assez récent, porté par des programmes de mise en valeur ; la commune de Béni Guecha, au Nord, s’y distingue avec près de 5 000 ha irrigués, dont 2 850 en céréales.

 La région des Chotts, au Nord de la Wilaya, qui s’étend autour des chotts Melrhir et Merouane ; elle comprend les communes de Still, et . Cette région porte 5% de la SAU totale ; l’irrigation y couvre 2 319 ha, soit 5% des superficies physiques irriguées de la Wilaya. C’est une région de transition (phoenicicole au Sud et agropastorale au Nord et à l’Ouest).

Mode de gestion de la ressource en eau Nous insistons sur ce critère du mode de gestion de la ressource eau parce qu’il constitue un des piliers principaux de l’analyse quantitative qui fera l’objet de la section suivante.

 Dans la région du Souf, l’irrigation individuelle est dominante ; 99% des superficies irriguées de la région, soit 23 870 ha, sont en mode individuelle.

 Dans la région de l’Oued Rhir, c’est le collectif qui domine ; 94% des superficies irriguées (13 616 ha) relèvent de périmètres à gestion collective.

Tableau 2.11 : répartition des grandes régions agricoles de la Wilaya selon le type d’irrigation

Régions Communes Superficie Cultures Type d’irrigation Nbre ha % Type Sup % d’exploi

ElOued, Robbah, Oued 24 073 51 Palmiers, Individuel 23 870 99 13 879 Souf Alenda, Bayada, Nakhla, CM (PDT) Guemmar, Kouinine, Reguiba, Taghzout, Debila, Hassani Abdelkrim, Hasssi Khalifa, Sidi aoun, Trifaoui, Magrane, Ourmas, El Ogla, et Mih Ouansa

El Mghaïr, Sidi Khelil, 14 525 31 Oasis Tradit. Collectif 13 616 94 11416 Oued Rhir Tenidla, Djamaa, sidi Amrane, Mrara Irrigation Taleb Larbi Taleb Larbi, Douar el Maa, 5 950 13 récente (850 Individuel 5593 94 1 158 Beni Guecha ha céréales) Palmiers au Still, Oum Touyour, Hamraia 2 319 5 sud et agro- Collectif 1809 78 1 532 Les Chotts pastoral au nord et l’Ouest

21

Total Toutes les communes 46 867 100 Individuel 30 882 66 Collectif 15985 34 27985

Découpage de la région d’El Oued en zones homogènes

La région d’El Oued a été décomposée en 9 zones homogènes selon les trois critères suivants :

 La nature du sol,  La source d’eau d’irrigation utilisée, et  Les cultures principales pratiquées.

Tableau 2.11 : Découpage de la région d’El Oued en zones homogènes

Répartition selon la taille des exploitations

Pour chacune des 9 Zones retenues, nous avons calculés le nombre d’exploitations selon les tailles suivantes :

 Les exploitations de tailles très réduites ayant une superficie inférieure à 0.5 hectares.  Les exploitations de tailles réduites ayant une superficie ente 0.5 et 1. hectare.  Les exploitations de tailles moyennes ayant une superficie entre 1. et 5 ha.  Les exploitations de grandes tailles ayant une superficie entre 5 et 20 ha.  Les exploitations de très grandes tailles ayant une superficie supérieure à 20 ha.

22

Le tableau suivant nous montre le nombre d’exploitations par zone et par taille. A titre simplement illustratif nous avons 4 951 exploitations dans la zone 1 ayant une superficie inférieure à 0.5 hectare.

Tableau 2.12 : Répartition des exploitations selon le critère de la taille des superficies irriguées

Taille Zones < 0.5 ha et .5 à 1. ha 1.à 5. ha 5 à 20.ha > Total % de l’ech. % 20. ha Zone 1 4 951 428 1 612 165 12 7 168 21.4 85 Zone 2 3 502 2 469 4627 1.103 20 11 721 35.0 130 Zone 3 394 10 25 107 115 651 1.9 10 Zone 4 953 382 191 45 01 1 572 4.7 20 Zone 5 453 790 755 47 03 2 048 6.1 25 Zone 6 1 304 1 777 3 102 311 841 6 535 19.5 75 Zone 7 410 593 1 680 284 08 2 975 8.9 35 Zone 8 50 187 321 01 0 559 1.7 10 Zone 9 16 66 122 18 0 222 0.7 10 Total 12 033 6 702 12 435 2 081 200 33 451 100 400 % (36.0) (20.0) (37.2) (6.2) (0.6) (100.0)

Tandis que le Tableau 2.13 suivant illustre la répartition selon laquelle l’échantillon d’exploitations a été enquêté sur le terrain. Prenons l’exemple suivant pour mieux expliquer la procédure suivie : 58 exploitations de taille inférieure à 0.5 ha ont été retenues dans la Zone 1, ce qui représente environ 69.1 % de l’ensemble des exploitation de la zone.

Tableau 2.13 : Répartition de l’échantillon selon le critère du nombre d’exploitations irriguées

Zones < 0.5 ha et .5 à 1. ha 1.à 5. ha 5 à 20.ha > Nb. Expl Taille % 20. ha Par zone % de l’ech. Zone 1 58 5 19 2 1 7 168 21.4 85 (69.1) (6.0) (22.5) (2.3) (0.2) (100) Zone 2 39 27 51 12 1 11 721 35.0 130 (29.9) (21.1) (39.5) (9.4) (0.2) (100) Zone 3 6 0 0 2 2 651 1.9 10 (60.5) (1.5) (3.8) (16.4) (17.7) Zone 4 12 5 2 1 0 1 572 04.7 20 (60.1) (24.3) (12.2) (2.9) (0.0) Zone 5 6 9 9 1 0 2 048 6.1 25 (22.1) (38.6) (36.9) (0.2) (0.0) Zone 6 15 20 35 4 1 6 535 19.5 75 (20.0) (27.2) (47.5) (4.8) (0.6) Zone 7 5 7 20 3 0 2 975 8.9 35 (13.8) (19.9) (56.5) (9.5) (0.3) Zone 8 1 3 6 0 0 559 1.7 10 (8.9) (33.4) (57.4) (0.0) (0.0) Zone 9 1 3 5 1 0 222 0.7 10 (7.2) (29.7) (55.0) (8.1) Total 143 79 147 26 5 33 451 100 400 % (36.0) (20.0) (37.2) (6.2) (0.6) (100.0)

Répartition selon le critère de la source d’eau d’irrigation

Le Tableau 2.14 suivant nous donne le nombre d’exploitations par zone selon le critère de la source d’eau. Trois sources d’eau principales d’irrigations ont été retenues dans la wilaya d’El Oued à savoir :

 L’irrigation par puits à partir de la nappe phréatique qui représente à elle seule environ les 2/3 du total de la superficie irriguée dans la wilaya.  L’irrigation par forages à partir du CI et du CI, et enfin  L’irrigation selon la technique du Ghout. Cette technique, malgré qu’elle ne concerne que 3.7 % du total avec uniquement 2 225 ha, est d’une grande importante dans la

23

région. En effet cette technique représente un patrimoine aussi bien culturel qu’historique, à préserver pour son originalité et son unicité dans le monde.

Nous avons pour chaque zone la superficie irriguée ainsi que son % dans le total de la zone pour chacune des sources d’eau d’irrigation retenues.

Tableau 2.14: superficie irriguée ainsi que son % dans le total de la zone pour chacune des sources d’eau d’irrigation retenues

Zone Forages Puits Ghouts Total Superficie en ha % Superficie en ha % Superficie en ha % Superficie en ha % Zone 1 255 3.2 6 367 80 1 379 17 8 001 13.1 Zone 2 600 3.0 21 869 94.6 586 2.5 23 115 38.0 Zone 3 288 5.6 4 817 93.0 74 1.4 5 179 8.5 Zone 4 413 36.5 533 47.1 186 16.4 1 135 1.9 Zone 5 1 338 45.9 1 579 54.1 0 0 2 917 4.8 Zone 6 1 2 080 100 09 0. 0 0 12 086 19.8 Zone 7 5 608 77,8 1 604 22.2. 0 0 7 212 11.9 Zone 8 683 100 0 0 0 0 683 1.1 Zone 9 34 6.5 492 93.5 0 0 526 1.0 Tot. 21 359 35.1 37 266 61.2 2 225 3.7 60 850 100

Le tableau 2.15 suivant nous donne le nombre d’exploitants à intégrer dans l’échantillon total de la région par zone et selon la source d’eau retenue. Nous avons, par exemple ; intégré dans l’échantillon global de la région 68 exploitants de la zone 1 qui irriguent à partir de puits.

Tableau 2.15 : Répartition de l’échantillon selon les sources d’eau

Zone Forages Puits Ghouts Total Nombre % % % % Zone 1 3 3.2 68 80 14 17 85 13.1

Zone 2 4 3.0 122 94.6 4 2.5 130 38.0

Zone 3 1 5.6 8 93.0 1 1.4 10 8.5

Zone 4 7 36.5 9 47.1 4 16.4 20 1.9

Zone 5 11 45.9 14 54.1 0 0 25 4.8

Zone 6 74 100 1 0 0 0 75 9.8

Zone 7 27 77,8 8 22.2. 0 0 35 11.9

Zone 8 10 100 0 0 0 0 10 1.1

Zone 9 1 6.5 9 93.5 0 0 10 1.0

Tot. 138 35.1 239 61.2 23 3.7 400 100

Répartition selon le critère du Statut juridique

Le Tableau 2.16 suivant nous donne le nombre d’exploitations par zone selon le critère de leurs statuts juridiques. Nous avons aussi le % des exploitations par zone selon le satut jurique. Nous avons retenu uniquement les statuts juriques les plus importants, qui totlisent 97.4 % de l’ensemble des exploitations, à savoir :

 EAC privé,

24

 APFA, et  EAC+ EAI. Tableau 2.16 : Répartition selon le critère du Statut Juridique des exploitations

Zones EAC privé APFA EAC+EAI Total

Nombre % Nombre % Nombre % Nb. % inclus Exploitat. Zone1 5 815 83.5 1 147 16.5 01 0.0. 6 963 97 Zone 2 7 305 63.7 3 771 32.9 393 3.4 11 469 98 Zone 3 0 0 651 100 0 0 651 100 Zone 4 0 0 1 445 100 0 0 1 445 92 Zone 5 861 44.7 794 41.2 273 14.1 1 928 94 Zone 6 4 113 64.4 1 289 20.2 984 15.4 6 383 98 Zone 7 1 790 60.7 591 20.0 570 19.3 2 951 99 Zone 8 0 0 224 40.1 335 59.9 559 100 Zone 9 0 0 222 100 0 0 222 100 Tot. 19.884 61.0 10 134 31.1 2 556 7.9 32 574 97.4

Le tableau 2.17 suivant donne le nombre d’exploitants dans l’échantillon total de la région par zone et selon le Statut juridique retenue. Nous avons par exemple intégré dans l’échantillon global de la région 70 exploitants de la zone 1 Ayant le Statut jurique de EAC privé.

Tableau 2.17 : Répartition de l’échantillon selon le critère du Statut Juridique des exploitations

Zones EAC privé APFA EAC+EAI Nb. Exploitat. de l’échan. Dans la zone Nombre % Nombre % Nombre %

Zone1 70 83.5 14 16.5 01 0.0. 85 Zone 2 82 63.7 43 32.9 5 3.4 130 Zone 3 0 0 10 100 0 0 10 Zone 4 0 0 20 100 0 0 20 Zone 5 11 44.7 10 41.2 4 14.1 25 Zone 6 48 64.4 15 20.2 12 15.4 75 Zone 7 21 60.7 7 20.0 7 19.3 35 Zone 8 0 0 4 40.1 6 59.9 10 Zone 9 0 0 10 100 0 0 10 Total 232 61.0 133 31.1 35 7.9 400

Répartition selon le critère du type de cultures pratiquées

Le Tableau 2.18 suivant nous donne la répartition des exploitations selon le type de cultures pratiqué. Nous avons retenue deux catégories principales :

- Cultures permanentes qui comprennent essentiellement les Palmiers et les Oliviers. - Cultures Herbacées (Les Céréales, Les Fourrages, Les Cultures Maraichères, et Les Cultures Industrielles).

Tableau 2 .1 8 : Répartition des superficies irriguées selon le critère du type de cultures

Cultures permanantes (Arbo) Cultures Hérbacées Types superficie % Types superficie % Palmiers 35 700 58.7 Céréales 3 635 6.0 Oliviers 2 913 4.8 Fourrages 1 154 1.9 Divers 633 1.04 Cult. Mar. 15 025 24.7 Cullt. Ind 1 790 3.4

Total 39 246 64.5 Tot. 21 604 35.5

TOTAL GENERAL 60 850 ha (100.0)

25

Le Tableau 2.19 illustre la répartition de l’échantillon de la région d’El Oued selon le critère des cultures pratiquées. A titre d’exemple 235 exploitations, qui pratiquent essentiellement la culture du palmier dattier, ont été retenues. Par l’échantillon enquêté.

Tableau 2.19 : Répartition de l’échantillon selon le critère du type de cultures

Cultures permanentes (Arbo) Cultures herbacées Types Nbr. exploitants % Types Nbr. exploitants %

Palmiers 235 58.7 Céréales 24 6.0

Oliviers 19 4.8 Fourrages 08 1.9

Divers 04 1.04 Cult. Mar. 99 24.7 Cullt. Ind. 13 3.4

Total 258 64.5 Total 142 35.5

TAILLE TOTALE DE L’ECHANTILLON 400

2.3. Construction de l’échantillon de la wilaya d’Ouargla

Située dans la région Sud-Est de l'Algérie, la Wilaya d’Ouargla s'étend sur une superficie de 163.230 km2 (DPAT, 2007).

Le climat est Saharien, avec des températures élevées, et des précipitations très faibles, inferieures à 100 mm/an en moyenne. Le vent constitue une contrainte climatique importante au sein de la Wilaya.

Sur le plan administratif, la Wilaya d’Ouargla compte 21 communes et 10 daïras.

26

Selon les résultats préliminaires du RGPH 2008, la Wilaya compte 549 781 habitants. Environ 75% de la population est considérée comme urbaine. La commune d’Ouargla possède plus du 1/3 de la population avec environ 200 00 habitants.

La Wilaya possède avec Hassi Messaoud l’un des 10 plus importants champ pétrolier au monde, produisant 400 000 barils par jour. Le tissu industriel public productif de la Wilaya est fortement marqué par les activités pétrochimiques.

Extension de l’irrigation par zones agricoles

Les éléments qui caractérisent l’irrigation de la Wilaya d’Ouargla pourraient être synthétisés ainsi :  Une agriculture irriguée qui représente une superficie physique irriguée de 19 296 ha dont 18 201 ha sont travaillés en palmiers dattier ;

 une irriguation concentrée principalement dans les 2 régions de l’Oued Rhir (49%) et d’Ouargla (38%), où l’on retrouve les anciennes grandes palmeraies irriguées de la Wilaya et la majorité des périmètres fonctionnels ;

 une prédominance du mode d’irrigation collective avec 92 % du total ;

 un périmètre de l’Oued Rhir, géré par l’ONID, conçu à l’échelle de la vallée dans le cadre d’un projet Banque Mondiale initié il y a 20 ans et mis en service en 2006 pour irriguer 6 680 ha, faisant double emploi avec les réseaux d’irrigation existants, auxquels les agriculteurs ont refusé d’adhérer à l’exception de certains irrigants des communes de Nezla et de Sidi Slimane ;

 une irrigation dominée à 82% par le mode gravitaire localisé à 90% dans les 2 régions de l’Oued Rhir et d’Ouargla ou se concentrent les grandes palmeraies irriguées.

On peut distinguer 5 unités physiques différentes qui sont définis comme suit :

 Le grand Erg oriental couvrant environ 2/3 du territoire de la Wilaya. Les dunes peuvent y atteindre 200 m de hauteur.  La Hamada qui est un plateau caillouteux situé à l’Ouest et au Sud de la Wilaya.  Les vallées de l’oued Rhir et de l’oued Mya.  Les plaines localisées à la limite occidentale de la Wilaya, du Nord au Sud.  Les dépressions, peu nombreuses localisées dans la zone de l’oued Righ.

Tableau 2.20 : Extension de la PMH par région agricole

Région agricole Nombre SAU irriguée SAU irriguée SAU irrigable Coefficient d'exploitations physique développée (ha) d'intensification irriguées (ha) (ha)

OUARGLA 8 731 7 749 8 352 11 456 1,08 BOURS N'GOUSSA - 1 601 1 696 1 944 3 723 1,15 HADJIRA

GASSI TOUIL 125 309 3 352 2 752 1,14

OUED RIGH 10 929 9 172 12 428 9 545 1,35

LE SOUF 349 370 444 1 033 1,20

TOTAL WILAYA 21 735 19 296 23 519 28 509 1,22

27

La construction de l’échantillon d’exploitants enquêté sur le terrain a respecté scrupuleusement les critères suivants :

Répartition selon la taille des exploitations

Pour chacune des 5 Zones retenues, le nombre d’exploitations a été calculé selon les critères suivants :

 Les exploitations hors sol.  Les exploitations de tailles réduites ayant une superficie entre 0.5 et 1. hectare.  Les exploitations de tailles moyennes ayant une superficie entre 1. et 5 ha.  Les exploitations de grandes tailles ayant une superficie entre 5 et 20 ha.  Les exploitations de très grandes tailles ayant une superficie supérieure à 20 ha.

Le tableau 2.21 montre le nombre d’exploitations par zone et par taille. A titre simplement illustratif nous avons 5 748 exploitations dans la zone 1 ayant une superficie inférieure à un hectare.

Tableau 2.21: Répartition des exploitations selon le critère taille

Zones Hors Sol 0.5 à 1. 1. à 5. 5. à 20. > à 20. Tot. % Taille de l’échan. Zone 1 269 5 748 3 048 125 30 9 220 32.3 89 (2.9) (62.3) (33.1) (1.4) (0.3) Zone 2 154 3 283 1 748 72 15 5 272 18.3 50 (2.9) (62.3) (33.2) (1.4) (0.3) Zone 3 146 3 166 1 706 69 17 5 104 17.7 49 (2.9) (62.3) 33.2) (1.4) (0.3) Zone 4 196 4 135 2181 92 21 6 625 23.0 63 (2.9) (62.3) (33.0) (1.4) (0.3) Zone 5 76 1 629 867 36 09 2617 9.1 25 (2.9) (62.2) (33.1) (1.4) (0.3) Tot. 841 17 961 9 550 394 92 28 838 100 276 % 2.9 62.3 33.1 1.4 0.3 100

Le Tableau 2.22 illustre la répartition par zone et par tranche de taille que l’échantillon d’exploitations enquêté sur le terrain a respectée. Prenons l’exemple suivant pour mieux expliquer notre procédure : nous avons sélectionné dans l’échantillon de la wilaya d’Ouargla, qui comprend au total 276 exploitations, 50 exploitations de taille inférieure à 1. ha dans la Zone 1, ce qui représente environ 62.3 % de l’ensemble des exploitations de la zone 1.

28

Tableau 2.22 : Répartition de l’échantillon selon le critère du nombre d’exploitations irriguées

Zones Hors 0.5 à 1. 1. à 5. 5. à 20. > 2 0 % Taille de l’échan. Sol Zone 1 04 50 29 03 0.3 32.2 89 Zone 2 0.3 27 16 02 02 18.1 50 Zone 3 03 26 16 02 02 17.8 49 Zone 4 03 35 21 02 02 22.8 63 Zone 5 02 13 08 01 01 9.1 25 Tot. 15 151 90 10 10 100.0 276 % 5.4 54.8 32.6 3.6 3.6 100. 100.

Répartition selon le critère de la Technique d’irrigation

Le Tableau 2.23 donne le nombre d’exploitations par zone selon le critère de la source d’eau. Trois techniques d’irrigations ont été retenues dans la wilaya d’Ouargla à savoir :

 L’irrigation classique, selon la technique du Gravitaire, qui représente à elle seule environ les 4/5 du total de la superficie irriguée dans la wilaya avec plus que 16 505 hectares sur un total de 18 977 ha, soit exactement 87 % du Total.  L’irrigation selon la technique du Goutte à goutte qui représente 10 % du total et enfin  L’irrigation selon la technique de l’aspersion qui ne représente qu’à peine 3 % du Total..

Nous avons pour chaque zone la superficie irriguée en hectares ainsi que son % dans le total de la zone pour chacune des trois techniques d’irrigation.

Tableau 3.23 : Répartition des superficies selon la technique d’irrigation en ha.

Zone Gravitaire Goutte à Aspersion Tot (ha) % Goutte Zone 1 5 463 1 268 360 7 091 37.4 Zone 2 1 360 332 130 1 822 9.6 Zone 3 4 394 97 0 4 491 23.7 Zone 4 4 994 173.4 0. 5167.4 27.2 Zone 5 294 22 90 406 2.1 Tot. 16 505 1 892.4 580 18 977.4 100. % 87. 10. 3.1 100.

Le tableau 2.24 donne le nombre d’exploitants intégré dans l’échantillon total de la région par zone et selon la technique d’irrigation. Nous avons par exemple intégré dans l’échantillon global de la région 78 exploitants de la zone 1 qui recourent encore à la technique d’irrigation du Gravitaires.

Tableau 2.24 : Répartition de l’échantillon selon technique d’irrigation du Gravitaire

Zone Gravitaire Goutte à Aspersion Tôt % Goutte Zone 1 78 17 08 103 37.4 Zone 2 18 05 03 26 9.4 Zone 3 60 05 0 65 23.6 Zone 4 70 05 0 75 27.2 Zone 5 04 01 02 07 2.5 Tot. 230 33 13 276 100.1 % 83.3. 12. 4.7 100.

29

Répartition selon le critère du Statut juridique

Le Tableau 2.25 donne le nombre d’exploitations par zone selon le critère de leurs statuts juridiques. Nous avons aussi le % des exploitations par zone selon le statut juridique. Dans la Wilaya d’Ouargla il n’y a que deux types de statut à savoir:  EAC privé,  APFA.

Tableau 2.25 : Répartition des exploitations selon le Statut juridique

Zones EAC Privée APFA Tot. % Taille de l’échan.

Zone 1 8 821 642 9 463 33.1 91 (9 3.2) (6.8) Zone 2 2 528 02 2 530 8.8 24 (99.) Zone 3 5 401 62 5 463 19.1 53 (98.8) Zone 4 9 112 534 9 646 33.7 93 (94.4) Zone 5 1 528 0 1 528 5.3 15

Tot. 27 390 1 240 28 630 100.

% 95.7 4.3 100. 276

Le tableau 2.26 donne la répartition de l’échantillon à construire pour les 5 zones de la Wilaya d’Ouargla selon le critère du Statut juridique des exploitations. Dans cet échantillon nous avons tiré, par exemple, 64 exploitations dans la zone 1 ayant le statut juridique de type EAC Privée.

Tableau 2.26 : Répartition de l’échantillon selon le Statut juridique

Zones EAC Privée APFA % Taille de l’échan.

Zone 1 84 7 33.1 91

Zone 2 23 1 8.8 24

Zone 3 50 03 19.1 53

Zone 4 87 06 33.7 93

Zone 5 15 0 5.3 15

Tot. 259 17 100. 276

% 95.7 4.3 100.

Répartition selon le critère du type de cultures pratiquées

Le Tableau 2.27 illustre la répartition des superficies irriguées en hectares selon le critère de cultures principales. Trois types de cultures ont été retenus à savoir :  Cultures Herbacées  Cultures fruitières, et  Cultures Maraichères.

30

Tableau 2.27 : répartition des superficies irriguées selon le critère de cultures principales (ha)

Zones Cultures Cultures Cultures Tot. % Taille de Herbacées fruitières Maraichères (ha) l’échan Zone 1 7 283 6 904 87 14 590 41.9 115 (50.) (47.3) (0.7) Zone 2 1 900 1 660 92 3 652 10.5 29 (52.) (45.5) (2.5) Zone 3 1 823 3 197 0 5 020 14 .4 40 (36.3) (63.7) Zone 4 4 077 6 506 0 10 583 30.4 84 (38.5) (61.5) Zone 5 313 330 313 956 2.7 08 (32.7) (34.5) (32.7) Tot. 15 396 18 597 492 34 801 100. 276

% 44.6 53.9 1.4 100.

Le Tableau 2.28 illustre la répartition de l’échantillon de la région d’Ouargla selon le critère des cultures pratiquées. A titre d’exemple, l’échantillon global comprend 57 exploitations qui pratiquent essentiellement les cultures herbacées dans la zone1.

Tableau 2.28 : répartition de l’échantillon selon le critère de cultures principales (ha)

Zones Cultures Cultures Cultures % Taille de l’échantillon Herbacées fruitières Maraichères Zone 1 57 54 04 41.7 115

Zone 2 15 13 1 10.5 29

Zone 3 15 25 0 14.5 40

Zone 4 32 52 0 30.4 84

Zone 5 02 03 03 3.0 08

Tot. 121 147 08 100.1 276

% 43.9 53.3 2.9

WILAYA D’ADRAR La Wilaya d’Adrar s’étend sur la partie du Sud Ouest de l’Algérie ET couvre une superficie de 427 968 km2 soit 18 % du territoire National (DPAT, 2007).

Elle est Composée de 11 daïras regroupant 28 communes.

La superficie physique irriguée de la Wilaya est de 31 148 ha ; tandis que la superficie irriguée développée égale à 40 659 ha, soit un taux d’intensification cultural de 1,3.

La Wilaya d’Adrar est généralement découpée en 4 régions agricoles relativement homogènes qui se répartissent ainsi:

 Touat : Cette région agricole, qui comprend 12 communes et occupe la partie centrale de la Wilaya, s’étend entre Sbaa et Reggane et représente plus de la moitié (58,3%) de la superficie irriguée de la Wilaya avec 18 164 ha.

 Gourara : Cette région agricole qui comprend toute la région Nord de la Wilaya avec Timimoun point central, regroupe avec 10 538 ha, 33,8% de la superficie physique irriguée de la Wilaya. Cette région comprend 10 communes.

31

 Tidikelt : Cette région agricole enserrée à l’Est entre le Touat et le Gourara, avec 2 446 ha, ne regroupe que 7,9% de la superficie physique irriguée de la Wilaya. Cette région comprend 4 communes situées au Centre Est de la Wilaya.

 La région de Tanezrouft localisée dans l’extrême Sud de la Wilaya ne présente pas de périmètres irrigués, elle est tournée vers le pastoralisme.

Il s’agit d’une agriculture basée sur le palmier dattier avec des cultures céréalières, fourragères et maraichères en intercalaire.

Tableau 2.29 : Répartition des cultures en irriguée

Cultures Superficie irriguée Répartition des cultures développée (ha) en %

Céréales et fourrages 7639 18,8 Maraîchage 2622 6,4 Arboriculture fruitière diverse y compris la vigne 230 0,6 et l’olivier ainsi que le tabac Palmiers dattiers 29767 73,2 Divers 401 1 Total cultures en irriguée 40659 100

Source : Etude d’inventaire PMH 2008

Les caractéristiques socio-économiques et environnementales de l’immense Wilaya :

 La dégradation d’un nombre important de foggaras à travers toute la zone, qui se traduit par une baisse importante des débits et l’abandon inéluctables de parties importantes de plusieurs palmeraies.  La remontée de sel suite à des problèmes de drainage.  La pratique de céréales irriguées, sur de grandes surfaces par des pivots géants avec des rendements médiocres, est-elle durable dans une zone connaissant un rabattement significatif de la nappe ? Ces caractéristiques essentielles ont été intégrées explicitement dans le questionnaire de l’enquête conduite sur le terrain.

Découpage de la Wilaya d’Adrar en zones homogènes.

Zone 1 : Timimoun, Charouine, Talmine, O. Aissa, O. Said. Zone 2 : Aougrout, Metarfa, Deldoul, Tsabit, Sbaa Zone 3 : Tinerkouk, Ksar Kadour Zone 4 : Adrar, Timi, Bouda, Fenoughil, Tamentit,Tamest. Zone 5 : Reggane, ZT Kouta, Inzegmir, Sali

Construction de l’échantillon d’exploitations à enquêter sur le terrain :

La taille globale de l’échantillon enquêté sur le terrain est de 255 exploitations.  Afin de se prémunir contre l’éventualité de ne pas trouver certains exploitants sur place lors des déplacements, une liste complémentaire d’exploitants de remplacement d’environ une trentaine d’exploitants a été confectionnée.  Comme la problématique des Foggaras est capitale pour notre projet, le nombre d’exploitants sur Foggaras a été renforcé.

32

 Par Zone, toutes les communes impliquées ont été concernées par l’enquête sur le terrain.  L’échantillon retenue a intégré explicitement quelques grandes exploitations qui pratiquent les céréales irrigués par pivots ainsi que quelques grandes exploitations pratiquant les cultures maraichères sous serres surtout géantes.

La répartition de l’échantillon de la Wilaya d’Adrar par Zone retenue

Tableau 2.30 : Nombre d’exploitations par Zone, par taille et selon le type d’Oasis de l’échantillon enquêtées

Exploitations Oasienne Exploitations mise en valeur (Oasien évolué) Taille de (Palmeraies anciennes) l’échantillon par Zone < 0.5 ha 0.5 à 1. ha 1. à 5. ha 5 à 20 ha >20 ha Zone 1 : 42 4 14 0 0 60 Zone 2 27 5 10 0 3 45 Zone 3 29 2 4 0 0 35 Zone 4 30 16 11 5 3 65 Zone 5 31 6 6 2 5 50

Total 159 33 45 7 11 255

Tableau 2.31 : Répartition de l’échantillon selon le classement zones d’irrigation individuelle ou périmètres collectifs

Taille de Nombre d’exploitations en zone Nombre d’exploitations dans l’échantillon d’irrigation individuelle les périmètres collectifs Zone 1 60 31 29 Zone 2 45 27 18 Zone 3 35 25 10 Zone 4 65 24 41 Zone 5 50 9 41

Total 255 116 139

Photo 11: Enquête sur une petite exploitation dans la région d’Adrar

33

2.4 La construction de l’échantillon de Ghardaïa La Wilaya de Ghardaïa est située dans la région Sud de l'Algérie, elle s'étend sur une superficie de 86.560 km2 (DPAT, 2006).

Sur le plan administratif, la Wilaya de Ghardaïa compte 13 communes et 9 daïras. Selon les résultats préliminaires du RGPH 2008, la Wilaya de Ghardaïa compte 373 688 habitants. Le taux d’accroissement inter censitaire 1987/2008 est de 1,73, ce qui est supérieur à la moyenne nationale (1,49). La population est concentrée dans la partie Nord de la Wilaya Plus de 90% de la population est concentrée dans les chefs-lieux de communes.

La superficie physique irriguée dans la Wilaya Ghardaïa est égale à 16 431ha et la superficie irriguée développée est de 19 271 ha soit un taux d’intensification cultural de l’ordre de 1,17.

Deux principaux types d’agriculture se côtoient :

. Le système oasien traditionnel, vieilles palmeraies caractérisé par une forte densité de palmiers âgés ;

. La mise en valeur - qui comprend les grandes palmeraies pré-indépendance des années 1940, les périmètres collectifs et hors périmètres individuels (HP) octroyés dans le cadre du programme APFA de 1983 (respectivement, à 14% et 86% - DPAT 2006), ceux réalisés par la GCA depuis le début des années 2000 et ceux du CDARS.

Il s’agit d’une agriculture conduite pour 54 % en exploitations individuels (avec 9479 exploitation) et pour 46 % en périmètres collectifs (avec 5 130 exploitations).

La superficie irriguée se répartie dans 3 les régions agricoles de la façon suivante :

. 44% dans la région centrale des Chebkas du M’Zab dépourvue d’artésianisme, avec des palmeraies traditionnelles et des périmètres APFA concentrés le long des oueds, avec une exploitation de la nappe sub-superficielle à l’aide de puits ;

. 31% dans la région Sud des Regs d’El Meniaa, avec des palmeraies pré- indépendance et quelques grandes exploitations (9) Hors périmètres APFA gérés par des investisseurs qui y cultivent principalement des céréales sous pivots à partir de forages à l’albien ;

. 25% dans la région des Dayas de Guerrara-Zelfana avec des palmeraies traditionnelles alimentées par des puits individuels et des palmeraies pré- indépendance, ainsi que de nouvelles plantations de palmiers issues de la mise en valeur.

Tableau 3.32 : Données générales sur l’agriculture irriguée dans la Wilaya de Ghardaïa

Rubrique Données

Nbre de puits 6 406 Nbre de Forages 302 Nbre de sources 0 Principales Productions agricoles Dattes et élevage Nbre d’exploitations 14 544 Superficie physiques irriguée 16 431

Source : DPAT 2006, RGPH, Série B 2005 et Etude Inventaire PMH 2008

34

Pour la Wilaya de Ghardaïa, nous n’avons disposé de statistiques fiables que pour trois critères de sélection (répartition des exploitations par taille, par type d’Oasis et selon le type de plantations). Voilà pourquoi nous étions contraints de ne retenir que les trois clefs de répartition suivantes illustrées par les tableaux 3.33 et 3.34 à savoir :

 Répartition selon la par taille des exploitations  Répartition de l’échantillon selon le type d’Oasis  Répartition de l’échantillon selon le type de plantation (arboricultures ou terres nues).

Tableau 3.33 : Nombre d’exploitations par Zone, par taille et selon le type d’Oasis de l’échantillon

Exploitations Exploitations mise en Taille de Oasienne valeur (Oasien évolué) l’échantillon par (Palmeraies Zone anciennes) < 0.5 0.5 à 1. à 5. 5 à 20 >20 ha 1. Ha ha ha ha

Zone 1 14 8 20 5 3 50 Zone 2 12 7 14 5 3 42 Zone 3 24 8 20 3 3 58 Zone 4 2 5 18 3 3 31 Zone 5 11 7 17 4 1 40 Total 63 35 91 20 13 220

Tableau 3.34 : Répartition de l’échantillon selon le critère de Plantation

Terres Terres Totales nues Plantées en Arbo Zone 1 16 34 50 Zone 2 09 32 41 Zone 3 11 47 58 Zone 4 14 17 31 Zone 5 11 29 40 Total 61 159 220

III. ANALYSE DESCRIPTIVE L’analyse descriptive, qui fera l’objet de cette section, permettra surtout de préparer le terrain à l’analyse quantitative. En effet dans ce cadre l’accent sera mis sur quelques résultats intuitifs à démontrer et surtout à quantifier dans la prochaine section qui constitue l’apport majeur de ce rapport préliminaire.

3.1. Taille de l’Echantillon retenu dans l’analyse Le Tableau 3.1 suivant décrit l’échantillon prévu ainsi que l’échantillon réalisé sur le terrain.

35

Tableau 3.1. : Echantillon prévu et échantillon réalisé

Wilaya Echantillon prévu Echantillon réalisé % de réalisation

Biskra 460 460 100

El Oued 400 400 100

Ouargla 270 220 81

Adrar 255 255 100

Ghardaïa 220 200 91

Total 1605 1535 96

Malgré toutes les difficultés rencontrées, du essentiellement à l’étendu du territoire couvert et des distances entre les exploitations enquêtées, le taux de réalisation de 96 % est plus qu’honorable.

Le Tableau 3.2 suivant donne un éclairage sur l’échantillon retenu aussi bien dans l’analyse descriptive que dans l’analyse quantitative proprement dite.

Tableau 3.2. : Taille de l’échantillon retenu dans l’analyse

Wilaya Echantillon Echantillon % de rejet Echantillon retenu dans Enquêtes non réalisé validé l’Analyse retenues

Taille % Taille %

Biskra 460 410 11 410 100 0 0

El Oued 400 390 2.5 390 100 0 0

Ouargla 220 166 24 166 100 0 0

Adrar 255 247 3 247 100 0 0

Ghardaïa 200 102 49 0 0 100 100

Total 1535 1315 14 1213 92 100 8

Ainsi sur un échantillon prévu de 1605 exploitations, la première campagne d’enquête a réalisé effectivement 1535 soit un taux de couverture de 96 %.

Dans le processus de validation, qui a consisté à vérifier la qualité de l’information collectée par l’enquête réalisée sur le terrain, 220 enquêtes ont été rejetées. Ce taux de rejet d’environ de 14 % est aggravé par le rejet important dans la Wilaya de Ghardaïa. En effet si nous mettons de côté la Wilaya de Ghardaïa, ce taux tombe à 3 %, ce qui est un excellent résultat.

36

Le taux de rejet de l’ordre de 50 % dans la Wilaya de Ghardaïa s’explique tout simplement par la mauvaise performance des enquêteurs qui étaient chargés de la réalisation de cette campagne sur le terrain.

Sur les 1315 enquêtes validées seulement 1213 ont été retenues pour l’analyse aussi bien descriptive que quantitative, soit un pourcentage de 92%. En effet l’échantillon de Ghardaïa, qui n’est formé que de 100 exploitations après validation, n’est plus représentatif de l’ensemble des exploitations de la Wilaya selon les critères préétablis. Retenir cet échantillon tronqué introduit un biais dans toute l’analyse ; c’est pourquoi il est plus judicieux de l’écarter que de le conserver. Heureusement que cette Wilaya ne représente qu’à peine 7 % de l’ensemble des superficies irriguées du SASS algérien (16431 ha sur un total des 5 wilaya de 234 834 ha superficie effectivement irriguées).

En résumé sur les 1605 enquêtes prévues, 1213 ont été réalisées correctement sur le terrain et ainsi retenues dans le cadre de cette analyse, soit un taux de couverture de l’ordre 78.2 %. Etant donnée que l’échantillon prévu était sur dimensionnée, ce taux de couverture est plus qu’acceptable. Rappelons que les échantillons prévus pour les trois pays de la zone SASS ont été surdimensionnés exprès afin de tenir compte du taux de rejet des enquêtes non conformes aux critères préétablis.

3.2. Découpage approprié L’analyse des données collectées dans les 5 zones Algériennes du SASS est conduite selon deux optiques :

 La première met l’accent sur la dimension importante de la nature de la ressource en eau utilisée et surtout sur les modalités de paiement du coût de cette mobilisation.

Le questionnaire de l’enquête sur le terrain a distingué les modalités de mobilisation suivante de la ressource :

(1) Forage privé individuel Profondeur débit (l/s) (2) Forage privé collectif Profondeur débit (l/s) (3) Forage réalisé par l’Etat Profondeur débit (l/s) (4) Puits de surface privé : Profondeur débit (l/s) (5) Puits de surface collectif : Profondeur débit (l/s) (6) Forage artésien : Profondeur débit (l/s) (7) Autres (Foggara, Gout) à préciser :

Sur la base de cette distinction trois catégories de modalités d’irrigation sont retenues :

 « Gratuit » : L’exploitant bénéficie d’une source d’eau gratuite. L’eau utilisée provient soit d’une source, d’un forage artésien, d’une Foggara ou bien offerte gratuitement par l’Etat. Cette modalité retient les types d’irrigations opérées selon les modes d’irrigations (6) et (7).

 « Collectif » : L’exploitant est branché à un réseau d’irrigation collectif. La collectivité publique supporte tous les coûts fixes d’investissement et n’impute à l’exploitant qu’une fraction des coûts variables d’opérations et de maintenance de l’équipement de mobilisation. Cette modalité retient les types d’irrigations opérées selon les modes d’irrigations (2), (3) et (5).

 « Privé » : L’exploitant mobilise par ses propres moyens l’eau utilisée. Trois composantes, qui constituent le coût de mobilisation de la ressource, sont considérées

37

par l’enquête. (1) l’équipement (Forage et équipement de pompage et de distribution de l’eau), (2) le coût d’entretien et de maintenance et (3) le coût variable (Coût d’électricité et/ ou de diesel). Dans cette analyse préliminaire, seule les coûts de l’énergie et de l’entretien sont retenus. Cette modalité retient les types d’irrigations opérées selon les modes d’irrigations (1), et (4).

 La deuxième optique retient la dimension spatiale qui est aussi importante que celle du mode de paiement du coût de l’eau. La partie SASS algérienne est subdivisée en 4 régions homogènes :

 La région de Biskra.  La région de l’Oued Souf  La région de l’Oued Righ, et  La région d’Adrar.

Ces quatre régions produisent l’essentiel de la production agricole irriguée de tout le Sahara algérien. En effet ces quatre régions à elles seules fournissent plus de 85 % de la production agricole en irriguée du Sahara. En outre ces quatre régions consomment aussi l’essentiel des eaux SASS en Algérie. Voilà pourquoi, nous privilégions dans cette analyse préliminaire ces régions.

3.3. L’Analyse proprement dite

Le Tableau 3.3, qui retient l’optique mode de paiement du coût de l’eau, donne la moyenne, le minimum, le maximum , l’écart type et la médiane des variables clefs de cette analyse préliminaire pour l’ensemble du pays et les trois catégories retenues.

Tableau 3.3 : Répartition selon le type de réseau d’irrigation

SEI MBHA ASE WP DAPMC TI WHA WCMC WCHA Global sans Ghout

Moy 5,02917157 436525,425 0,84803714 29,395807 31,8845086 0,83696735 13431,6825 2,48870155 26512,687 Min 0,05 822,999975 0 0,15875771 1,46407091 0,015 1166,4 3,6075E-10 0,00001 Max 254 12317560 1 633,619342 634,619342 2 39398,4 13,744213 101333,333 Med 2 283866,667 1 25,6397891 28,5952381 1 12960 2 25439,3305 ET 10,8910713 616529,009 0,23340999 28,212917 28,2050864 0,2477283 6506,08987 1,74454538 13843,6139 Global sans gratuits

Moy 5,32524457 437207,859 0,86450053 30,2747487 32,9252604 0,83242442 12748,7638 2,65051178 27898,241 Min 0,05 822,999975 0 0,15875771 1,46407091 0,015 1166,4 0,36168981 3110,4 Max 254 12317560 1 633,619342 634,619342 2 39398,4 13,744213 100000 Med 2,5 274546,4 1 26,5078742 29,5552249 1 12441,6 2,08917601 26939,9385 ET 11,2425296 631994,25 0,22002199 28,8767856 28,7894837 0,24980895 6100,18477 1,70082679 12911,5858

Individuel

Moy 5,86462324 501526,234 0,84093347 35,4032107 38,4835768 0,80489118 11870,7094 3,08036607 29868,0817 Min 0,06 822,999975 0 0,15875771 3,12945157 0,03888889 1166,4 0,40154951 3110,4 Max 90 12317560 1 633,619342 634,619342 2 39398,4 13,744213 73333,3333 Med 3 323893,333 1 30,462963 33,3777591 1 11108,5714 2,72633745 28853,3333 ET 9,26862949 720894,273 0,23642296 31,8591265 31,4745101 0,2633327 6088,99925 1,79186419 12598,1625

38

Collectif

Moy 4,00956386 280319,113 0,92198656 17,7651357 19,3671244 0,89958493 14890,56 1,60198869 23093,3026 Min 0,05 3200 0,08235725 0,47483381 1,46407091 0,015 1658,88 0,36168981 3666,66667 Max 254 1896000 1 68,5763889 69,3721065 1 31104 7,2337963 100000 Med 2,00 186140,00 1,00 13,74 15,43 1,00 15552,00 1,63 20000,00 ET 14,94 268211,27 0,16 13,13 13,27 0,20 5583,33 0,75 12414,29

Gratuit

Moy 1,18 427661,81 0,63 17,98 18,37 0,90 22301,59 0,39 8516,78 Min 0,06 30250,00 0,00 3,38 3,44 0,15 7488,00 0,00 0,00 Max 10,00 1980000,00 1,00 68,75 70,14 1,00 32400,00 3,52 101333,33 Med 0,80 336200,00 0,66 15,10 15,45 1,00 23040,00 0,24 5000,00 ET 1,33 361947,10 0,29 12,87 12,98 0,21 4927,69 0,49 12978,03

Le Tableau 3.5, mettra l’accent sur les caractéristiques les plus importantes à tirer de ce Tableau, mais auparavant quelques remarques s’imposent :

 La moyenne des superficies irriguées par les exploitants privés est plus élevée que celle des exploitants reliés à un réseau d’irrigation collectif et surtout des exploitants bénéficiant d’une source d’eau gratuite (6.4 hectares pour les privés, 4 hectares pour les exploitations alimentées par un réseau d’irrigation collectif et 1.7 hectare pour les gratuits).  S’agissant de l’ancienneté dans la pratique de l’irrigation, l’exploitation privée est un phénomène plus récent que les deux autres types (20 ans en moyenne pour les privés, 25 et 22 ans respectivement pour les collectifs et gratuits). Le Tableau 3.4, qui retient le critère de l’homogénéité spatiale, donne la moyenne, le minimum, le maximum, l’écart type et la médiane des variables clefs de cette analyse préliminaire pour l’ensemble du pays et les trois régions retenues. Le Tableau 3.6 mettra l’accent sur les caractéristiques les plus importantes à tirer de ce Tableau, mais auparavant quelques remarques s’imposent :

 La moyenne des superficies irriguées par les exploitants de la région de Biskra est plus élevée que celles des exploitants des deux autres régions (7.2 hectares pour Biskra, 4.7 pour O. Souf, 3.2 O. Righ et 3.7 pour Adrar). La Médiane des superficies irriguées par les exploitants de la région de Biskra est aussi plus élevée que celles des exploitants des deux autres régions (4 hectares pour Biskra et seulement 2 ha pour les trois autres régions).  S’agissant de l’ancienneté dans la pratique de l’irrigation, la Zone d’O. Righ avec 25 ans d’ancienneté moyenne, se distingue par les pratiques les plus anciennes.

39

Tableau 3.4 : Répartition selon les 4 Régions considérées

SEI MBHA ASE WP DAPMC TI WHA WCMC WCHA

Biskra

Moy 7,25 513447,95 0,93 36,85 39,37 0,80 12383,40 2,52 24121,60 Min 0,20 823,00 0,00 0,16 2,61 0,04 1166,40 0,06 1428,57 Max 254,00 4408461,60 1,00 282,88 289,39 1,00 39398,40 8,96 56164,38 Med 4,00 411527,50 1,00 35,19 37,52 1,00 11722,77 2,02 22308,78 ET 14,39 482770,18 0,18 21,90 21,67 0,26 6747,49 1,58 10403,13

Osouf

Moy 4,70 606422,83 0,85 37,44 41,05 0,80 13023,02 3,61 36571,24 Min 0,06 2000,00 0,00 0,39 5,12 0,04 2114,26 0,08 1666,67 Max 58,00 12317560,00 1,00 633,62 634,62 2,00 33696,00 13,74 73333,33 Med 2,00 332125,00 1,00 28,00 31,79 1,00 12960,00 3,20 35714,29 ET 8,55 1102206,49 0,28 48,25 47,68 0,29 6455,15 2,14 12494,34

Origh

Moy 3,24 191918,66 0,92 13,52 15,32 0,88 14217,88 1,80 22760,71 Min 0,05 3200,00 0,07 0,47 1,46 0,02 3110,40 0,12 2272,73 Max 30,00 945239,47 1,00 44,11 45,21 1,00 31104,00 10,68 100000,00 Med 2,00 151173,64 1,00 10,95 12,58 1,00 14052,96 1,68 20000,00 ET 4,55 155105,79 0,15 9,06 9,37 0,21 5541,84 1,31 12268,17

Adrar

Moy 3,09 406066,39 0,64 26,69 28,87 0,89 14517,71 2,18 25945,91 Min 0,06 9111,11 0,05 3,44 3,44 0,17 2620,80 0,00 0,00 Max 90,00 1980000,00 1,00 103,49 106,59 1,00 32400,00 8,83 101333,33 Med 1,06 318241,03 0,67 24,28 26,01 1,00 12830,40 2,24 24434,72 ET 9,25 353263,30 0,20 15,74 16,14 0,20 6564,65 1,35 16339,27

Adrar Sans Gratuits

Moy 3,74 379933,73 0,66 28,48 31,16 0,87 11948,08 2,67 30542,55 Min 0,20 9111,11 0,05 3,48 7,38 0,17 2620,80 0,61 4964,29 Max 90,00 1924750,00 1,00 103,49 106,59 1,00 29433,60 8,83 68000,00 Med 1,50 289833,33 0,69 26,04 28,82 1,00 11232,00 2,59 29117,65 ET 10,34 337844,25 0,19 15,82 16,00 0,21 4402,29 1,04 13294,31

Les Tableaux 3.5 et 3.6 retiennent quelques variables clefs, d’importance primordiale pour notre analyse quantitative, calculées selon les deux optiques spatiales et mode de paiement du coût de l’eau.

Quelques résultats préliminaires pourraient être déjà dégagés du tableau 3.5 qui retient l’optique du type de réseau d’irrigation :

40

 La consommation (ou demande) de l’eau par hectare et par exploitant :

 Les exploitants privés, qui supportent l’essentiel du coût de mobilisation de l’eau, utilisent cette ressource avec modération avec en moyenne 11 871 m3 par hectare.

 Ceux qui sont reliés à un réseau collectif et qui payent uniquement une faible part du coût réel, utilisent davantage de ressource, avec 14 891 m3 (soit 25 % de plus que les privés).

 Les exploitants, qui ont la chance de disposer d’une eau gratuite, utilisent à volonté cette ressource. En effet avec 22 301 m3 en moyenne par hectare, ils utilisent environ le double que l’exploitant privé.

Ce résultant démontre à lui seul, sans aucune ambigüité, l’importance du coût de l’eau dans toute politique de rationalisation et surtout de conservation de cette ressource rare et précieuse dans ces contrées largement démunies.

Tableau 3.5 : Répartition selon le type de réseau de pompage de l’eau (Collectif, privé, gratuit)

Algérie Algérie(Sans Réseau Réseau Gratuits (Sans ghout) gratuits) Individuel Collectif (Foggaras, forage artésien)

Nombre d’exploitants 1189 1104 783 321 85

Consommation d’eau par hectare et par exploitants (m3/ha) 13 432 12 749 11 871 14 891 22 302

Coût de l’eau (DA/m3) 2.49 2.65 3.08 1.60 0.39

Water Productivity (DT/m3) 29.40 30.27 35.40 17.77 17.98

DAP (DA/m3) 31.88 32.93 38.48 19.37 18.37

Taux d’Intensification (super. irriguée/ sup. 0.84 0.83 0.80 0.90 0.90 Irrigable)

 Le Coût de l’eau par m3 :

Le coût du m3 d’eau payé directement s’élèvent à 1.60 DA/m3 pour l’exploitant relié à un réseau collectif tandis que le privé débourse au moins 3 DA/m3, soit environ le double de la charge de l’irrigant collectif. Notons au passage que le coût réellement supporté par le privé est largement supérieur à ce montant si on intègre les coûts fixes.

Nous verrons l’importance de cette différence des coûts payés par les exploitants du secteur collectif et ceux du secteur privé dans la conservation de la ressource rare démontrée par l’analyse quantitative, qui sera exposée en détail dans la section 4.

 Water Productivity :

Le tableau 3.5 fournit un résultat fort intéressant sur la valorisation de la ressource en eau par les différentes catégories d’irrigants :

41

 Les exploitants bénéficiant d’une eau gratuite et ceux reliés à un réseau collectif valorisent le moins cette ressource précieuse avec seulement 18 DA/m3.  Par contre les exploitants, qui assument l’essentiel du coût de mobilisation de la ressource, à savoir les privés, valorisent beaucoup mieux l’eau utilisée que les deux catégories précédentes avec 35 DA millièmes/m3.

Ce résultat sur la productivité du m3 alloué à la production agricole est diamétralement opposé à celui obtenu pour la consommation. En effet le privé utilise moins la ressource et la valorise beaucoup plus que les deux catégories qui ne payent pas le coût réel de l’eau demandée.

 DAP par m3 : Comme les définitions de «Water Productivity » et celle de la DAP sont assez proche (la seule différence réside dans le fait que le coût de l’eau a été retranché de WP et non de la DAP) leurs interprétations sont aussi assez similaires dans ce contexte. En effet le privé, qui assume la charge la plus importante pour la mobilisation de son eau d’irrigation, est le plus disposé à la payer à un prix fort (38), suivi par l’exploitant bénéficiant d’un réseau collectif largement subventionné par la collectivité (19) et enfin l’exploitant disposant actuellement d’une ressource d’eau quasi-gratuite est quant à lui disposer à la payer à uniquement 17 DA/m3.

 Taux d’Intensification : Les TI sont respectivement en moyenne de 0.9 pour l’exploitant ayant une ressource gratuite et celui relié à un réseau collectif et enfin 0.8 pour l’exploitant privé. Il est fort probable que le privé est handicapé par le manque de ressource et par le coût exorbitant qu’il doit consentir pour la mobiliser. Ces deux raisons expliqueraient son incapacité à irriguer toute la superficie irrigable à sa disposition.

Quelques résultats préliminaires pourraient aussi être déjà dégagés du tableau 3.6 qui retient l’optique du découpage spatiale de la zone SASS algérienne en trois régions homogènes.

Tableau 3.6 : Répartition selon les Zones géographiques

Algérie Biskra O. Souf O. Righ Adrar

Nombre d’exploitants 1189 410 239 244 246

Consommation d’eau par hectare 13 432 12 383 13 023 14 218 14 518 et par exploitants (m3/ha)

Coût de l’eau (DT/m3) 2.49 2.52 3.6 1.8 2.18

Water Productivity (DT/m3) 29.40 36.8 37.4 13.5 26.7

DAP (DT/m3) 31.88 39.4 41.1 15.3 29.4

Taux d’Intensification (super. irriguée/ sup. Irrigable) 0.84 0.80 0.80 0.88 0.84

 La consommation (ou demande) de l’eau par hectare, par exploitant et par zone : La consommation d’eau par hectare est différente selon les zones. En effet, elle passe de 12 383 m3/ha dans la zone de Biskra à 14 218 m3/ha dans la zone de l’Oued Righ. Cette différence s’explique tout simplement par l’importance du réseau collectif dans chaque région. En effet l’Oued Righ, qui se caractérise par la consommation la plus élevée, est la région où le réseau collectif est le plus dominant. L’importance du réseau

42

collectif est plutôt faible dans les deux zones de Biskra et d’Oued Souf. La consommation très élevée de la wilaya d’Adrar, qui s’élève à 14 515 m3/ha, est certainement dû à l’aridité extrême de cette région.

 Le Coût de l’eau par m3 : Le coût de l’eau payé par l’exploitant est plus important dans les deux zones de Biskra et d’Oued Souf avec respectivement 2.52 et 3.6 DA/m3 que dans l’Oued Righ (1.8 DA/m3). Cette différence, assez significative, s’explique par le fait que dans les deux premières zones il y a beaucoup d’exploitants privés alors que dans l’Oued Righ, où prédominent les périmètres publics l’eau est largement subventionnée. La faiblesse relative du coût moyen de l’eau à Adrar est certainement dû à la présence d’une proportion importante d’irrigants bénéficiant de Foggaras.

 Water Productivity :

La valorisation de la ressource passe de 13.5 DA/m3 dans l’Oued Righ à environ 37 DA/m3 dans les deux régions de Biskra et d’Oued Souf, soit une augmentation de 274 %. Cette forte différence s’explique par les problèmes complexes que vit actuellement l’immense palmeraie de l’Oued Righ. En effet La baisse sensible de productivité de cette région s’explique, au moins partiellement, par la remontée de salinité. Une des causes de cette remontée est du à une irrigation excessive suite à la dominance de réseau d’irrigation collective hautement subventionné.

 DAP par m3 : Le même commentaire est aussi valable pour la DAP.

IV. ANALYSE QUANTITATIVE ET COMMENTAIRE DES RÉSULTATS OBTENUS Cette analyse quantitative, qui a pour objet principal de démontrer et surtout quantifier les propositions de recommandations opérationnelles à restituer aux preneurs de décision, sera menée en trois niveaux :

 Le premier niveau s’appuiera sur la base de l’échantillon global de toute l’Algérie.

 Le deuxième, qui mettra l’accent sur la dimension coût de la ressource, retiendra la décomposition de l’échantillon global en trois grands blocs selon le coût de mobilisation de la ressource en eau supporté directement par l’exploitant :

 « Bloc gratuit » : Les exploitations bénéficiant d’une ressource en gratuite.  « Bloc Collectif » : Les exploitations alimentées par un réseau Collectif.  « Bloc Privé » : Les exploitations irriguées par un réseau Privés.

 Le troisième niveau tiendra compte explicitement du découpage spatial qui donnera un éclairage particulier sur les spécificités régionales :

 La Wilaya de Biskra.  Les Oasis de l’Oued Righ,  Les Exploitants de la région du Souf et  La Wilaya d’Adrar

Pour chacun de ces niveaux, nous retenons les critères d’analyse qui nous semblent les plus pertinents dans cette phase préliminaire, à savoir :

 La consommation d’eau par hectare et par exploitant (WHA).  La Productivité économique de l’Eau (WP).

43

 La marge brute par hectare ou le bénéfice brut dégagé par un m3 d’eau utilisé et enfin,  La Production Totale par hectare.

4.1. Analyse quantitative globale à l’échelle du SASS Algérien Comme explicité ci-dessus, notre analyse globale sera conduite selon les critères de la consommation d’eau par exploitant, la productivité économique de l’eau, la marge brute et la production totale.

Remarque : L’échantillon global algérien retenu dans cette analyse comprend 1213 exploitations. Sur ces exploitations 26 sont irriguées selon le système traditionnel du Ghout. Ce système qui recourt à une irrigation naturelle directement de la nappe pourrait être assimilé au système de production alimenté par l’eau pluviale « Rainfed » et ainsi exclu de notre échantillon d’exploitation alimenté par une irrigation classique. Ainsi une fois écarté ces exploitations Ghout (26), l’échantillon algérien final sera donc composé de 1187 Exploitations.

4.1.1. La consommation d’eau par hectare et par exploitant (WHA) La spécification retenue est conçue pour identifier les déterminants de la variable clef exprimée en Log, qui est la consommation d’eau par hectare et par exploitant.

La variable WHA est ainsi exprimée en fonction de l’ensemble des variables explicatives retenues selon la spécification (1).

lwha 0 1lwcmc 2salin 3lsei 4lflha 5lhlha 6Rhe 7Wor 8 Re (1)

Où :

- 0,1,...... 8 sont les paramètres (ici les élasticités) à estimer grâce aux données récoltées et au modèle retenu.

- Lwha : log de la demande en eau d’irrigation par l’exploitant i. - Lwcmc : log du coût d’un m3 supporté par l’exploitant. - LSalin : log de la Salinité de l’eau utilisée par chaque exploitant i. - Lsei : log de la superficie effectivement irriguée en hectare.

- Rhe : cette variable prend la valeur 0 si l’exploitant à une activité en dehors de l’agriculture et 1 sinon.

- Lflha : Log de la main d’œuvre salariale de chaque exploitant i - Lhalha : log du montant salarial payé aux ouvriers aussi bien permanents que temporaires. - Re : Cette variable indique la région chaque exploitant i.

- Wor : Cette variable prend 0 si l’eau es gratuite, 1 si l’eau provient d’un réseau public et 2 si l’eau est mobilisée directement par l’exploitant.

Le tableau qui donne les résultats de l’estimation de la spécification 1 grâce au logiciel STATA 11 tel que fournit directement par l’ordinateur figure en Annexe.

Le Tableau 4.1 synthétise les résultats, relatifs à l’ensemble des exploitants de l’échantillon Algérien, donnés par l’output de l’ordinateur qui concerne tous les irrigants retenus. Ce

44 tableau illustre aussi les mêmes résultats avec l’échantillon global sans les irrigants bénéficiant d’une eau gratuite (colonne 3) :

Tableau 4.1 : La consommation d’eau par hectare par exploitant (WHA)

Echantillon global Echantillon global (Sans Ghout) (Sans gratuits)

Variable Expliquée La consommation d’eau par hectare et par exploitant (WHA)

Variables explicatives

1. Lwcmc - 0.06 (0.000) *** - 0.45 ***

2. Lsei - 0.12 (0.000) *** - 0.12***

3. Rhe 0.02 (0.496) 0.02

4. Lsalin - 0.68 (0.000) *** -0.38***

5. Lflha 0.02 (0.000) *** 0.02***

6. Lhlha 0.01 (0.000) *** 0.01***

7. Wor 0.01 (0.565) 0.05***

8. Re -0.06 (0.000)*** -0.04 ***

9. Cte 10.0 (0.000)*** 10.03 ***

N 1187 1104

Adj R—squared 0.46 0.57

F 129.82 180.19

Les P-values sont entre parenthèses. ***, **, *: statistiquement significatif respectivement aux niveaux 1, 5 et 10 %.

 Le passage de l’échantillon global à celui où on élimine les exploitations bénéficiant d’une source d’eau gratuite améliore très sensiblement la qualité de l’estimation. En effet la variable clef dans cette modélisation à savoir le prix de l’eau (LWCMC) passe d’une élasticité quasi insignifiante (6%) à une élasticité non négligeable de l’ordre de 45 %.

 Les variables retenues à savoir le prix de l’eau, la superficie effectivement irriguée, la salinité de l’eau utilisée, la main d’œuvre familiale et salariale, l’origine de la source d’eau et la région considérée, expliquent au moins 57 % de la variabilité de la de la consommation d’eau par hectare et par exploitant. Selon les performances du modèle retenu pour des données spatiales, ce résultat est excellent.

 L’élasticité prix est très significative et a le signe approprié.

Deux critères ont été retenus pour l’estimation de ce paramètre clef:

 Le premier consiste à approximer la variable prix par le coût payé directement par l’exploitant.  Le deuxième, donné simplement à titre simplement indicatif, retiendra la DAP comme approximation du prix de la ressource.

L’analyse s’appuiera, dans ce cadre, essentiellement sur la première option.

45

 Prix de la ressource en eau approximé par le coût payé par l’exploitant : Lorsque le prix de l’eau (ici le coût payé par l’exploitant) augmente de 100 % dans la zone SASS Algérienne, la consommation (la demande d’eau) par hectare baisse uniquement de 6 %. Cette élasticité est très faible et justifie le consensus qui règne parmi les preneurs de décisions en la matière à savoir que la variable prix n’est pas pertinente dans toute politique de maitrise de la demande de cette ressource se distinguant par des spécificités propres. Cependant ce résultat apparemment négatif est tout simplement dû à une analyse globale et brute. Le passage à une analyse plus fine révélera que la variable prix, comme préconisée par toute la littérature économique consacrée à ce flan très important du savoir humain, montrera la vraie pertinence de cette élasticité prix. En effet lorsqu’on élimine de l’échantillon les exploitants qui ne payent pas l’eau (colonne 3), cette élasticité passe à 45 %, c.à.d. pour augmentation de 100 % du prix de la ressource, la consommation (la demande d’eau) par hectare baisse de 45 %. Ce résultat est très important puisqu’il montre que le prix de l’eau à un impact significatif sur la demande en eau d’irrigation. Une tarification appropriée de l’eau agricole contribuerait ainsi à maitriser significativement la demande et induire ainsi les irrigants à mieux allouer la ressource rare et surtout à la conserver. Ce résultat important sera confirmé par une analyse plus fine basée sur une désagrégation plus appropriée des données.

 Prix de la ressource en eau approximé par la DAP de l’exploitant : L’élasticité prix de la demande en eau pour l’ensemble de l’Algérie passe de 0.45 à 0.83 lorsqu’on retient la DAP comme approximation du prix au lieu du coût de mobilisation. Ce résultat, qui est illustré par l’output de l’ordinateur (voir annexe), renforce d’avantage le rôle joué par le prix de l’eau dans la gestion de cette ressource rare et précieuse dans ce contexte fragile.

 L’effet taille des exploitations sur la demande en eau : Le résultat obtenu montre que lorsque la taille de l’exploitation irriguée augmente la consommation par hectare diminue. Ceci serait la conséquence de deux effets. Le premier résulterait de la baisse de l’intensification suite à l’extension des surfaces irriguées. Le deuxième serait du à une amélioration des techniques d’irrigation.

 L’effet du type de réseau d’irrigation (Wor) et de la région (Re) : Ces deux variables sont très significatives. Ce résultat important justifie amplement la démarche adoptée à savoir la désagrégation de l’échantillon global selon les deux critères clefs de la variation spatiale et du type du réseau d’irrigation.

4.1.2. La Productivité Economique de l’Eau (WP)

La spécification pour l’estimation des déterminants de la Productivité Economique de l’Eau est la suivante :

lwp 0 1lwcmc 2lsalin 3wor 4lflha 5lsei 6 Re 7 Ase (2)

Où :

- 0 ,1,...... 6 sont les paramètres (ici les élasticités) à estimer grâce aux

46

données récoltées et au modèle retenu.

- Lwp1 : Le log de la productivité économique de l’eau d’irrigation par l’exploitant i. - Lwcmc : Le log du coût de l’eau par m3 pour l’irrigant en - question. - Lflha : Le log du nombre de membre de la famille qui travaille à plein temps dans l’exploitation.

Le reste des variables retenues sont déjà définies précédemment.

Le tableau qui donne l’estimation de la spécification (2) telle qu’elle est produite par le logiciel STATA pour l’échantillon global figure en Annexe.

Le Tableau 4.2 récapitulera ces résultats d’une manière synthétique.

Tableau 4.2 : Water Productivity (échantillon global )

Algérie Globale (sans les irrigants bénéficiant d’une eau gratuite) Variable Expliquée Log de Water Productivity (LWP) Variables explicatives

1. Lsali - 0.53 (0.000) ***

2. Lsei - 0.05(0.000) ***

3. Ase - 0.32 (0.002) ***

4. LFLHA 0.006 (0.231)

5 Lhlha 0.013 (0.000) ***

6. Re 0.20 (0.004) ***

7. Rhe 0.22 (0.000) ***

8. Ct 2.97 0.000) *** N Adj R—squared 1104 F 0.25 51.09

Les P-values sont entre parenthèses. ***, **, *: statistiquement significatif respectivement aux niveaux 1, 5 et 10 %.

 Les variables indépendantes (les déterminants) retenues expliquent 25 % de la variabilité de la productivité de la ressource en eau (variable dépendante ou expliquée). Le test F est largement significatif pour la spécification retenue.

 L’élasticité de la salinité est hautement significative pour l’échantillon global. Lorsque la salinité augmente de 100 % la productivité de l’eau baisse de 53 %.

 L’élasticité Taille. Lorsque la taille de l’exploitation augmente la productivité de l’eau diminue. Ce résultat très important justifie une réforme agraire au profit des petites exploitations dans ce contexte de rareté extrême de la ressource vitale à savoir l’eau.

47

 L’élasticité de l’impact de la main d’œuvre familiale. Cette variable a un impact positif et significatif sur la productivité de l’eau. Cependant cet impact est quand même assez faible.

 L’élasticité Agriculture Sans élevage (ASE). Le résultant obtenu indique que lorsque l’exploitant exclue l’élevage de son exploitation la productivité de l’eau allouée baisse de l’ordre de 33 %. Cette élasticité est très importante mérite une attention particulière. En effet, ce résultat illustre parfaitement la dimension élevage dans ces régions.

 L’impact de la disponibilité de l’exploitant. Lorsque l’exploitant n’a pas d’activité hors de l’agriculture, la productivité de la ressource en eau augmente de 22 %.

Conclusion importante : Les dimensions qui ont un impact significatif et non négligeable sur la productivité économique de l’eau sont :  La salinité  La taille de l’exploitation  La main d’œuvre familiale  La disponibilité du chef de l’exploitation, et  L’importance de l’élevage dans le revenu de l’exploitation.

Toute politique économique qui vise l’amélioration de la qualité de la gestion actuelle de cette ressource précieuse dans un contexte d’une haute fragilité passe par des mesures axées sur ces variables clefs.

4.1.3. La marge brute par hectare ou le bénéfice dégagé par un m3 d’eau utilisé pour l’irrigation

La spécification retenue pour l’estimation des déterminants de la marge nette est :

lmbha10 1lwcmc 2lsalin 3wor 4lflha 4lsei 5 Re 6 Ase (3) Où : - Lmbha : Log de la marge brute par hectare - Ase : Agriculture sans élevage.

Le Tableau 4.3 récapitulatif des résultats d’une manière synthétique.

Tableau 4.3 : Marge Brute par hectare

Variable Expliquée Log de la Marge Brute par hectare (lmbha)

Variables explicatives

1. Lwcmc -0.37 (0.000) *** 2. Lsali -0.97 (0.000) *** 3. wor -0.002 (0.678) 4. LFLHA 0.01 (0.121) * 5. LSEI -0.11 (0.000) *** 6. Re 0.1 (0.000) *** 7. ASE -0.37 (0.004) *** 8. Cte 13.4 (0.000) ***

N 1104 Adj R—squared 0.33 F 79.61

Les P-values sont entre parenthèses. ***, **, *: statistiquement significatif respectivement aux niveaux 1, 5 et 10 %.

48

Les deux résultats les plus importants à dégager de cette estimation sont :

 L’importance de la Variable salinité. En effet selon les résultats illustrés par le tableau 4.3, lorsque le taux de salinité augmente de 100 % la marge brute dégagée par un hectare irrigué baisserait d’au moins de 97 %. Cette forte sensibilité de la valorisation de l’eau à la salinité devrait être considérée très sérieusement par les preneurs de décision en la matière. La lutte contre ce fléau dans ces régions hautement fragile est à mettre dans la priorité des priorités.  L’importance de la variable prix de la ressource. Cette estimation montre très clairement que cette variable à un impact directe sur la marge brute de l’exploitation. En effet lorsque le prix de l’eau augmente de 100 % la marge brute de l’exploitant baisserait d’au moins 37 % ce qui est loin d’être négligeable.

4.1.4. La Production Totale par hectare

La spécification retenue pour l’estimation des déterminants de la production totale par hectare est :

LRTHA     LFLHA   LHLHA   LWCHA   LINTHA   LALIM  0 1 2 3 4 5 (4) 6LSEI  7 LSALIN  9LANCI  10WOR  11RE Où : - INTHA : Le coût de intrants (fumiers, engrais, insecticides, herbicides etc..) - ALIM : Le coût de l’alimentation du bétail.

Le reste des variables est déjà définies plus haut.

Tableau 4.4 : La production Totale par hectare (LRTHA)

Variable Expliquée Le Log de la production Totale par hectare (LRTHA)

Variables explicatives

0.012 (0.014) ** 1. LFLHA 0.03 (0.000) *** 2. LHLHA 0.54 (0.000) *** 3. LWCHA 0.32 (0.000) *** 4. LINTHA 0.12 (0.000) *** 5. LALIM -0.007 (0.060) * 6. WOR 0.13 (0.000) *** 7. RE -0.65 (0.000) *** 8. LSALIN -0.15 (0.000) *** 9. LSEI 7.09 (0.000) *** 10. CTE

N 1104 Adj R—squared 0.48 F 111.75 Les P-values sont entre parenthèses. ***, **, *: statistiquement significatif respectivement aux niveaux 1, 5 et 10 %

49

Le Tableau 4.4 donne les résultats de l’estimation des déterminants de la production totale par hectare pour l’ensemble de l’Algérie.

Tous les résultats obtenus sont pertinents, significatifs et de signe approprié :

- L’ensemble des variables retenues expliquent presque la moitié de la variabilité de la production totale.

- Le test F est hautement significatif.

- Les élasticités de tous les inputs, Family Labor par hectare (en hommes par année), Hired labor par hectare (Le coût de la main d’œuvre salariale), Le coût de l’eau par hectare, Les intrants par hectare (Engrais, insecticide, herbicide, fumier, etc.), et le coût de l’alimentation du bétail) sont positives et hautement significatives.

- L’élasticité salinité sur la production est négative et hautement significative. On constate que lorsque la salinité de l’eau d’irrigation augmente de 100 % la production par hectare diminue très sensiblement de 103 %. Ce résultat est très important puisqu’il illustre les conséquences néfastes de la salinisation croissante de la ressource suite à sa surexploitation.

- L’effet du revenu hors exploitation sur la production totale est positif et hautement significatif à l’échelle de l’échantillon global. En effet lorsque l’exploitant principal a une activité hors de l’agriculture sa production par hectare baisse sensiblement. - L’effet du mode d’irrigation sur la production totale est significatif et se distingue par le signe approprié. En effet lorsqu’on passe d’une source hautement subventionnée à une irrigation totalement à la charge de l’exploitant la production par hectare augmente sensiblement.

- L’effet régional est aussi significatif et important.

 L’élasticité Superficie : Cette élasticité est d’une importance capitale dans cette analyse. En effet, grâce à cette estimation, s’appuyant sur une base de données aussi bien riche qu’originale, nous sommes en mesure de donner quelques éléments de réponse à une question cruciale qui préoccupe l’ensemble des économistes de développement à savoir :

Pour améliorer la balance alimentaire dans les pays pauvres faut-t-il promouvoir des exploitations de grande taille grâce à une réforme agraire musclée ou plutôt opter pour des exploitations de taille réduite afin d’occuper le maximum de gens à la campagne ?

L’élasticité superficie obtenue grâce à l’échantillon global est hautement significative et négative. En effet si la superficie irriguée d’une exploitation irriguée double, sa production baisserait de 15. Selon ces résultats, illustrés par le tableau ci-dessus, Il serait donc judicieux d’opter pour une réforme agraire axée sur des exploitations de taille réduite afin d’occuper le maximum de gens à la campagne.

N.B : Les deux facteurs les plus importants dans la détermination de la variabilité totale de la fonction de production agricole irriguée à l’échelle globale sont :

50

- L’input l’eau avec une élasticité de l’ordre de 0.54 ce qui veut dire pour une augmentation de 100 % dans les dépenses en eau par ha, l’output global augmenterait de 54 %. - La Salinité avec une élasticité de l’ordre de -0.65 ; ce qui implique qu’une augmentation du taux de salinité de la ressource en eau de 100, l’output global décroitrait 65 %.

4.2. Analyse quantitative désagrégée selon le Coût de l’eau supporté par l’exploitant Cette analyse, qui retient la décomposition s’appuyant sur le coût réellement supporté par l’irrigant, sera conduite selon les critères de la consommation d’eau par exploitant, la productivité économique de l’eau, la marge brute et la production totale.

4.2.1. La consommation d’eau par hectare par exploitant (WHA)

La spécification (1) est maintenant estimée grâce aux échantillons des irrigants disposant d’un réseau individuel et ceux associés à un réseau d’irrigation collective.

Le Tableau synthèse les résultats de ces estimations.

Tableau 4.5 : La consommation d’eau par hectare par exploitant (WHA)

Algérie (Sans Ghout) Algérie (sans Individuel Collectif gratuit)

Variable La consommation d’eau par hectare et par exploitant (LWHA) Expliquée Variables explicatives

1. Lwcmc - 0.06 (0.000) *** - 0.45 *** -0.57 *** -0.20 ***

2. Lsei - 0.12 (0.000) *** - 0.12*** -0.14*** -0.06 ***

3. Rhe 0.02 (0.496) 0.02 0.02) -0.01

4. Lsali - 0.68 (0.000) *** -0.38*** -0.30 *** -0.58 ***

5. Lflha 0.02 (0.000) *** 0.02*** 0.012 *** 0.017 ***

6. Lhlha 0.01 (0.000) *** 0.01*** 0.007 *** 0.01 ***

7. Wor 0.01 (0.565) 0.05*** -- --

8. Re -0.06 (0.000)*** -0.04 *** -0.06 *** -0.05 ***

9. Cte 10.0 (0.000)*** 10.03 *** 10.2 *** 10.1 ***

N 1187 1104 783 321 Adj R—squared 0.46 0.57 0.63 0.34 F 129.82 180.19 166.90 23.99 Les P-values sont entre parenthèses. ***, **, *: statistiquement significatif respectivement aux niveaux 1, 5 et 10 %.

51

Ce tableau donne l’estimation des déterminants de la consommation d’eau par hectare et par exploitant respectivement pour l’échantillon global de l’Algérie (Colonne 2), l’échantillon global de l’Algérie sans les exploitants qui bénéficient d’une eau gratuit (colonne 3), l’échantillon des exploitants qui disposent d’un équipement de pompage individuel (Colonne 4) et l’échantillon des exploitants qui sont connectés à un réseau collectif de distribution de l’eau (Colonne 5).

 L’élasticité prix de la demande en eau. Cette estimation confirme l’essentiel des résultats obtenus à l’échelle globale de toute l’Algérie. Cependant l’éclairage sous l’angle du mode de paiement de l’eau d’irrigation apporte des éléments nouveaux et forts intéressants pour l’analyse. En effet pour les exploitants individuels, cette élasticité (colonne 4) grimpe à 57 %, alors que celle des exploitants bénéficiant d’un réseau collectif (colonne 5) descend à 20 %. Ce résultat confirme et quantifie une intuition de tous les expert en la matière à savoir que le comportement des irrigants bénéficiant d’une ressource à des prix très réduits, grâce à une subvention publique importante, sont moins sensibles que les irrigants individuels qui assument le coût réel de la ressource. L’élasticité de la demande des irrigants individuels est donc largement supérieure à celle des irrigants collectifs (57/20 = 2.85).

Le tableau 4.6, qui met l’accent uniquement sur le prix de l’eau comme facteur explicatif de la variation de sa demande, illustre davantage cette dimension. En effet les résultats des colonnes 4 et 5 montrent très clairement la différence significative entre les élasticités prix sur la demande en eau des exploitants subventionnés par l’Etat et les élasticités prix de l’exploitant individuel (-0.17 et -0.65 respectivement, soit une différence de 1 à 4 environ). Notons aussi que la variable prix de l’eau, dans le cas des exploitants individuels, explique à elle seule 43 % de la variabilité de la demande en eau de tous les irrigants individuels de la zone algérienne du SASS, alors que le pouvoir explicatif de la variable prix dans la variation totale de la demande d’eau des exploitants reliés à un réseau collectif est quasi négligeable avec à peine 3 %.

Tableau 4.6 : La consommation d’eau par hectare et par exploitant mettant l’accent sur le prix de l’eau uniquement

Algérie Algérie individuel collectif (sans gratuit)

Variable Expliquée La consommation d’eau par hectare par exploitant

Variable explicative

1. Lwcmc -0.08*** - 0.53*** -0.65*** -0.17***

2. Cte 9.4*** 9.8*** 9.9*** 9.6***

N 1189 1104 783 321 Adj R—squared 0.11 0.35 0.43 0.03 F 153.70 604.58 596.00 10.56

Les P-values sont entre parenthèses. ***, **, *: statistiquement significatif respectivement aux niveaux 1, 5 et 10 %.

4.2.2. La Productivité Economique de l’Eau (WP)

52

La spécification (2) est estimée sur la base des échantillons des exploitants individuels et collectifs.

Les tableaux qui figurent en Annexe donnent les estimations telles qu’elles sont produites par le logiciel pour les deux catégories d’exploitants retenues.

Le Tableau 4.7 récapitulera ces résultats d’une manière synthétique.

Tableau 4.7 : Water Productivity (selon l’optique nature de la source d’eau)

Algérie Individuel Collectif

Variable Expliquée Log de Water Productivity (LWP)

Variables explicatives

1. Lsali - 0.53 (0.000) *** - 0.34 (0.000) *** -1.04 (0.000) ***

2. Lsei - 0.05(0.000) *** -0.10 (0.000) *** -0.49 (0.156) *

3. Ase - 0.32 (0.002) *** -0.34 (0.001) *** 0.36 (0.107) *

4. LFLHA 0.006 (0.231) 0.006 (0.281) 0.005 (0.567)

5 Lhlha 0.013 (0.000) *** 0.01(0.000) *** 0.009 (0.047) **

6. re 0.20 (0.004) *** -0.007 (0.817) 0.17 (0.000) ***

7. rhe 0.22 (0.000) *** 0.16 (0.001) *** 0.24 (0.002) ***

8. Ct 2.97 0.000) *** 3.75 (0.000) *** 2.3 (0.00) ***

N 1104 783 321 Adj R—squared 0.25 0.15 0.43 F 51.09 21.13 35.69

Les P-values sont entre parenthèses. ***, **, *: statistiquement significatif respectivement aux niveaux 1, 5 et 10 %.

 Les variables indépendantes (les déterminants) retenues expliquent entre 15% et 43 % la variabilité de la productivité de la ressource en eau (variable dépendante ou expliquée) selon l’échantillon considéré. Le test F est largement significatif pour les trois spécifications retenues.

 L’élasticité de la salinité est hautement significative et se distingue par le signe approprié pour les trois échantillons retenus. L’échantillon des exploitants collectifs se caractérisent par une élasticité qui dépasse même les 100 %. L’impact négatif de la salinité sur la productivité de l’eau est donc plus néfaste pour les irrigants alimentés par un réseau public que ceux disposant d’un réseau individuel.

 L’élasticité de superficie effectivement irriguée. L’élasticité de cette variable très importance se distingue par un impact significatif et positif sur la productivité de l’eau dans les deux catégories d’irrigants aussi bien privés que collectifs. Ce résultat appuierait l’argumentation déjà développé pour l’échantillon global.

 La disponibilité de l’exploitant : Lorsque l’exploitant se consacre totalement à son exploitation agricole la productivité de la ressource en eau augmente de 16 % dans le cas d’un réseau d’irrigation individuel et de 24 % pour un réseau collectif.

53

4.2.3. La marge nette par hectare ou le bénéfice dégagé par un m3 d’eau utilisé pour l’irrigation

Le Tableau 4.8 récapitulera les résultats, présentés en détail dans l’Annexe, d’une manière synthétique.

Tableau 4.8 : Marge Brute par hectare (selon l’optique nature de la source d’eau)

Algérie Réseau Individuel Réseau collectif

Variable Expliquée Log de la Marge Nette par hectare (lmbha)

Variables explicatives

1. Lwcmc -0.37 (0.000) *** -0.97 (0.000) *** 0.15 (0.094)

2. Lsali -0.97 (0.000) *** -0.53 (0.000) *** -1.64 (0.000) ***

3. wor -0.002 (0.678) - -

4. LFLHA 0.01 (0.121) * 0.005 (0.458) 0.02 (0.097)

5. LSEI -0.11 (0.000) *** -0.2 (0.000) *** -0.05 (0.140)

6. Re 0.1 (0.000) *** -0.19 (0.000) *** 0.11 (0.001) ***

7. ASE -0.37 (0.004) *** -0.42 (0.001) *** 0.04 (0.877)

Cte 13.4 (0.000) *** 14.9 (0.000) *** 12.8 (0.000) ***

N 1104 783 321 Adj R—squared 0.33 0.48 0.51 F 79.61 105.65 57.11

Les P-values sont entre parenthèses. ***, **, *: statistiquement significatif respectivement aux niveaux 1, 5 et 10 %.

Les estimations des déterminants de la marge brute par hectare selon la désagrégation réseau individuel réseau collectif confirment l’essentiel des résultats obtenus dans la section précédente qui mettaient l’accent sur la productivité économique de la ressource en eau. La différence principale à signaler est l’importance de l’impact hautement négatif de la salinité sur la marge brute par hectare irrigué. On constate qu’une augmentation du taux de salinité de l’eau de 100 % provoquerait une diminution importante de 164 % de la marge brute par hectare dans les périmètres irrigués par un réseau collectif. On remarque aussi l’importance de la variable prix dans le contexte d’un réseau privé et sa non pertinence même pour le réseau collectif.

3.2.4. La Production Totale par hectare Le Tableau 4.9 donne les résultats de l’estimation des déterminants de la production totale par hectare pour l’ensemble de la Tunisie (colonne 2), pour les exploitants du secteur collectif (colonne 4) et pour ceux disposant d’un réseau d’irrigation privé (colonne 3).

Tableau 4.9 : La production Totale par hectare (LRTHA) (selon l’optique nature de la source d’eau)

Algérie Réseau Individuel Réseau Collectif

Variable Expliquée La production Totale par hectare (LRTHA)

Variables explicatives

54

1. LFLHA 0.012 (0.014) ** 0.016 (0.000) *** 0.007(0.300)

2. LHLHA 0.03 (0.000) *** 0.03 (0.000) *** 0.17 (0.000)** *

3. LWCHA 0.54 (0.000) *** 0.38 (0.000) *** 0.51 (0.000) ***

4. LINTHA 0.032 (0.000) *** 0.03 (0.000) *** 0.03 (0.000) ***

5. LALIM 0.12 (0.000) *** 0.014 (0.000) *** 0.007 (0.017) **

6. WOR -0.007 (0.060) * -0.005 (0.199) -

7. RE 0.13 (0.000) *** -0.022 (0.511) 0.15 (0.000) ***

8. LSALIN -0.65 (0.000) *** -0.58 (0.000) *** -0.94 (0.000) ***

9. LSEI -0.15 (0.000) *** -0.22 (0.000) *** -0.07 (0.006) ***

10. CTE 7.09 (0.000) *** 9.32 (0.000) *** 7.53 (0.000) ***

N 1104 783 321 Adj R—squared 0.48 0.43 0.66 F 111.75 66.66 77.14

Les P-values sont entre parenthèses. ***, **, *: statistiquement significatif respectivement aux niveaux 1, 5 et 10 %.

Tous les résultats obtenus sont pertinents :

 L’ensemble des variables retenues expliquent entre 43 et 66 % de la variabilité de la production totale pour les trois catégories d’exploitants. Le test F est hautement significatif pour les trois catégories d’exploitants.

 L’effet de tous les inputs de la production, (Family Labor par hectare (en hommes par année), Hired labor par hectare (Le coût de la main d’œuvre salariale), Le coût de l’eau par hectare, Les intrants par hectare (Engrais, insecticide, herbicide, fumier, etc.), et le coût de l’alimentation du bétail), est positif et hautement significatif.

 La taille des exploitations (SEI), a le signe et l’effet attendu. En effet plus la superficie effectivement irriguée est réduite plus la production par hectare est élevée. Ce résultat s’explique tout simplement par la rareté de la ressource. En effet lorsque la superficie effectivement irriguée est élevée l’exploitant est contraint à pratiquer plutôt une agriculture semi intensive et utiliser donc moins d’eau par hectare irrigué.

 L’effet de la salinité sur la production est négatif et hautement significatif. En effet on constate que lorsque la salinité de l’eau d’irrigation augmente la production par hectare diminue très sensiblement pour les trois catégories d’exploitants. Ce résultat est très important puisqu’il illustre les conséquences néfastes de la salinisation croissante de la ressource suite à sa surexploitation.

N.B : Lorsque nous retenons le critère du type de réseau d’irrigation, les deux facteurs les plus importants dans la détermination de la variabilité totale de la fonction de production agricole irriguée, aussi bien des exploitations disposant d’un réseau d’irrigation individuel que celles reliées à un réseau collectif sont aussi :

55

 L’input l’eau

 Pour les exploitations disposant d’un réseau d’irrigation individuel, l’élasticité est de l’ordre de l’ordre de 0.38 ce qui veut dire pour une augmentation de 100 % dans les dépenses en eau par ha, l’output global augmenterait de 38 %. Tandis que pour les exploitations reliées à un réseau collectif cette élasticité passe à 0.51 %.

 La Salinité de la ressource en eau

 Pour les exploitations disposant d’un réseau d’irrigation individuel, l’élasticité est de l’ordre de -0.58 ; ce qui implique qu’une augmentation du taux de salinité de la ressource en eau de 100, l’output global décroitrait de 58 %. Alors que pour les exploitations reliées à un réseau collectif cette élasticité passe même à -0.94 %.

3.3. Analyse quantitative selon l’optique spatiale L’analyse précédente a retenu le critère du type de réseau d’irrigation utilisé par l’exploitant. En effet ce critère met essentiellement l’accent sur le coût de l’eau d’irrigation supporté directement par l’exploitant. Nous passons maintenant à un autre critère aussi important que le premier et qui met un éclairage particulier sur les spécificités régionales de la grande zone SASS Algérienne.

La partie SASS algérienne est subdivisée en 4 régions homogènes :

 La région de Biskra.  La région de l’Oued Souf  La région de l’Oued Righ, et  La région d’Adrar.

Ces quatre régions produisent l’essentiel de la production agricole irriguée de tout le Sahara algérien. Voilà pourquoi, nous privilégions dans cette analyse préliminaire ces régions.

Nous retenons ici aussi les mêmes critères d’analyse que ceux adoptés dans la section précédente, à savoir :

 La consommation d’eau par hectare et par exploitant (WHA)  La Productivité Economique de l’Eau par m3 (WP), et  La marge brute par hectare dégagé par un m3 d’eau utilisé et  La fonction de production.

4.1. La consommation d’eau par hectare et par exploitant (WHA) La spécification (1) est estimée sur la base des échantillons des exploitants des quatre zones retenues à savoir Biskra, Oued Souf, Oued Righ et Adrar.

Les outputs de l’estimation des déterminants de la demande en eau d’irrigation par STATA 11 pour les quatre zones retenues sont présentés en Annexe.

Le Tableau suivant récapitule d’une manière synthétique l’essentiel des résultats obtenus par une estimation économétrique appropriée et illustrée par les outputs en Annexe :

56

Tableau 4.10 : La consommation d’eau par hectare par exploitant (WHA)

Algérie (Sans les Biskra Oued Souf Oued Righ Adrar gratuits)

Variable La consommation d’eau par hectare par exploitant (LWHA) Expliquée

Variables explicatives

1. Lwcmc - 0.45 *** - 58 (0.000) *** -0.40 (0.000) *** -0.10 (0.033)** -0.33 (0.000) ***

2. Lsei - 0.12*** -15 (0.000) *** -0.06 (0.003)*** -0.06 (0.015)** -0.20 (0.000) ***

3. Rhe 0.02 0.09 (0.077) * -0.006 (0.869) 0.03 (0.562) 0.05 (0.198)

4. Lsalin -0.38*** - 0.41 (0.000) *** -0.60 (0.021) *** -0.56 (0.000)*** -0.18 (0.000) ***

5. Lflha 0.02*** 0.02 (0.000) *** 0.002 (0.597) 0.014 (0.006)** 0.01 (0.650)

6. Lhlha 0.01*** 0.01 (0.000) *** 0.08 (0.001)**** 0.008 (0.013) ** 0.012 (0.000)***

7. Wor 0.05*** -0.32 (0.533) 0.06 (0.337) -0.16(0.029)** 0.000 (0.998)

8. Re -0.04 *** - - - -

9. Cte 10.03 *** 9.9 (0.000) *** 9.81 (0.000)*** 10.1 (0.000)*** 9.9 (0.000) ***

N 1104 410 239 244 193 R-squared 0.57 0.62 0.78 0.36 0.49 F 180.19 96.29 115.69 20.91 27.83

Les P-values sont entre parenthèses. ***, **, *: statistiquement significatif respectivement aux niveaux 1, 5 et 10 %.

 L’élasticité prix : Cette élasticité est significative et négative pour les quatre zones. Même lorsque nous retenons le critère régional, le prix de l’eau a un impact significatif sur la demande. Cependant cet impact est assez important dans les régions de Biskra et de l’Oued Souf et non négligeable dans la région d’Adrar. En effet si le coût de l’eau augmente de 100 %, la demande accuserait une baisse significative respectivement de 58 % dans la Wilaya de Biskra, de 40 % dans la région de l’Oued Souf et 33 % dans la wilaya d’Adrar. Par contre dans la région de l’Oued Righ, où domine essentiellement l’irrigation par des réseaux collectifs, cet impact devient quasi insignifiant avec uniquement une baisse de l‘ordre d’à peine 10 %. Ceci s’explique tout simplement par le fait que dans cette zone, il n’y a pas d’incitation objective à la conservation de la ressource, vu le coût faible par m3 supporté réellement par l’exploitant.

 L’élasticité superficie : Cette élasticité est significative et négative pour les quatre zones. Lorsque la superficie de l’exploitation augmente la demande en eau par hectare baisse sensiblement.

4.2. La Productivité Economique de l’Eau (WP) Les outputs de l’estimation des déterminants de la Productivité économique de l’eau d’irrigation, grâce à la spécification (2), par STATA 11 pour les quatre zones sont présentés en Annexe.

Le Tableau suivant récapitule d’une manière synthétique l’essentiel des résultats obtenus par une estimation économétrique appropriée et illustrée par les outputs en Annexe.

57

Tableau 4.11: Water Productivity

Algérie Biskra O. Souf O. Righ Adrar

Variable Water Productivity (LWP) Expliquée

Variables explicatives

1. LSALI -0.53 (0.000) *** -0.38 (0.000) *** -0.94 (0.000) *** -1.04 (0.000) *** -0.12 (0.002) ***

2. LSEI -0.053 (0.006) *** -0.15 (0.000) *** 0.18 (0.543) -0.05 (0.899) -0.31 (0.000) ***

3. ASE - 0.32 (0.000) *** - 0.51 (0.000) *** - 0.45 (0.002) *** -0.12 (0.686) - 0.2 (0.254)

4. LFLHA 0.006 (0.231) 0.015 (0.026) ** 0.0004 (0.965) 0.01 (0.275) 0.013 (0.705)

5.LHLHA 0.013 (0.000) *** 0.012 (0.004) *** 0.012 (0.019) ** -0.0002 (0.971) 0.012 (0.036) **

6. Re 0.20 (0.000)*** - - - -

7. Rhe 0.22 0.000) *** 0.01 (0.896) 0.26 (0.002) *** 0.08 (0.393) 0.005 (0.937)

8. Cte 2.97 (0.000)*** 4.27 (0.000)*** 3.77 (0.000)*** 2.88 (0.000 ) *** 3.6 (0.000) ***

N 1104 410 239 244 193 R-squared 0.24 0.15 0.39 0.24 0.35 F 51.09 13.09 26.70 14.01 18.54

Les P-values sont entre parenthèses. ***, **, *: statistiquement significatif respectivement aux niveaux 1, 5 et 10 %.

 L’élasticité salinité : Cette élasticité est hautement significative et de signe négatif comme attendu. Ce résultat confirme et amplifie même celui obtenu par l’estimation selon l’optique Coût. Lorsque la salinité de l’eau d’irrigation augmente sa productivité baisse très sensiblement dans les quatre zones. Si la salinité de l’eau augmente de 100 %, sa productivité baisse à raison de 104 % dans la zone de l’oued Righ, de 94 % dans la zone de l’Oued Souf, de 38 % dans la wilaya d’Adrar et de 12 % dans la wilaya d’Adrar. Ce résultat est d’une importance capitale puisqu’il démontre l’urgente nécessité de combattre ce fléau afin d’assurer la durabilité de toute agriculture irriguée dans cette région stratégique pour les trois pays concernés.

4.3. La marge Brute par hectare Les outputs de l’estimation des déterminants de la Marge Brute d’un hectare irrigué, grâce à la spécification (3), par STATA 11 pour les quatre zones (Biskra, Oued Righ, Oued Souf et Adrar) sont présentés en Annexe.

Tableau 4.12 : Marge Brute

Algérie Biskra O. Souf O. Righ Adrar

Variable Log Marge Brute (LMBha) Expliquée

Variables explicatives

1. LWCMC -0.37 (0.000) *** -0.72 (0.000) *** -0.79 (0.000) *** -0.09 (0.298) -0.13 (0.278)

58

2. LSALI -0.97 (0.000) *** - 0.78 (0.000) *** -1.31 (0.000) *** -1.68 (0.000) *** -0.33 (0.000) ***

3. WOR -0.002 (0.678) 0.37 (0.000) *** 0.92 (0.000) *** 0.57 (0.000) *** -0.0002 (0.967)

4. LFLHA 0.01 (0.121) * 0.02 (0.037) ** -0.03 (0.752) 0.014(0.074)* 0.01 (0.822)

5. LSEI -0.11 (0.000) *** -0.28 (0.000) *** -0.009 (0.776) -0.14.(001) *** -0.45 (0.000) ***

6. ASE -0.37 (0.000) *** -0.74 (0.001) *** -0.38 (0.000) 0.06 (0.826) -0.04 (0.854)

7 RE 0.1 (0.000) *** - - - -

7. Cte 13.4 (0.000) *** 13.71 (0.000)*** 11.66(0.000)*** 11.8 (0.000) *** 13.04 (0.000) ***

N 1104 410 239 244 193 R-squared 0.33 0.45 0.67 0.53 0.40 F 79.61 55.88 83.04 46.15 22.47

Les P-values sont entre parenthèses. ***, **, *: statistiquement significatif respectivement aux niveaux 1, 5 et 10 %.

Les estimations des déterminants de la marge brute par hectare selon la désagrégation spatiale de l’échantillon global en quatre zones confirment l’essentiel des résultats obtenus dans la section précédente qui mettait l’accent sur la productivité économique de la ressource en eau. La différence principale à signaler est l’importance de l’impact hautement négatif de la salinité sur la marge nette par hectare irrigué. On constate qu’une augmentation du taux de salinité de l’eau de 100 % provoquerait une diminution importante de 168 % de la marge brute par hectare dans la zone d’Oued Righ, 131 % dans le Souf, 78 % dans la Wilaya de Biskra et 33 % dans la wilaya d’Adrar.

4.4. La Production Totale par hectare

Tableau 4.9 : La production Totale par hectare (LRTHA) (selon l’optique nature de la source d’eau)

Algérie Biskra O. Souf O. Righ Adrar

Variable La production Totale par hectare (LRTHA) Expliquée

Variables explicatives

1. LFLHA 0.012 (0.014) ** 0.03 (0.000) *** 0.02 (0.848) 0.01 (0.862) 0.02 (0.552) 2. LHLHA 0.03 (0.000) *** 0.02 (0.000) *** 0.03 (0.000) *** 0.01 (0.003) *** 0.01 (0.022) ** 3. LWCHA 0.54 (0.000) *** 0.55 (0.000) *** -0.08 (0.477) 0.27 (0.000) *** 0.85 (0.000) *** 4. LINTHA 0.32 (0.000) *** 0.05 (0.001) *** 0.01 (0.249) 0.03 (0.001) *** 0.008(0.177) 5. LALIM 0.12 (0.000) *** 0.02 (0.000) *** 0.03 (0.000) *** 0.008 (0.039) ** 0.02 (0.000) *** 6. WOR -0.007 (0.060) * 0.13 (0.93) * 0.08 (0.615) 0.24 (0.001) *** 0.003 (0.284) 7. RE 0.13 (0.000) *** - - - - 8. LSALIN -0.65 (0.000) *** -0.69 (0.000) *** -1.54(0.000) *** -1.18 (0.000) *** -0.17 (0.000) *** 9. LSEI -0.15 (0.000) *** -0.29 (0.000) *** -0.15 (0.000) *** -0.11 (0.000) *** -0.22 (0.000) *** 10. CTE 7.09 (0.000) *** 7.5 (0.000) *** 14.3 (0.000) *** 9.58 (0.000) *** 4.16 (0.000) ***

N 1104 410 239 244 193 Adj R—squared 0.48 0.51 0.62 0.63 0.63 F 111.75 53.65 46.54 47.40 42.59

59

Les P-values sont entre parenthèses. ***, **, *: statistiquement significatif respectivement aux niveaux 1, 5 et 10 %.

 L’élasticité Superficie : Le résultat important, qui a été obtenu aussi bien grâce à l’échantillon global qu’avec la décomposition selon le critère du type de réseau d’irrigation à savoir que les exploitations de petite taille sont plus performantes que celle de grande taille, est confirmé par les résultats illustrés par le tableau ci-dessus concernant la décomposition spatiale. En effet, lorsque la taille de l’exploitation irriguée double, la production globale accuserait une baisse sensible de l’ordre de 29 % dans la Wilaya de Biskra, de 15 % dans le Souf, 11 % dans l’Oued Righ et enfin de 22 % dans la Wilaya d’Adrar.  L’élasticité Salinité : Les résultats obtenus avec l’échantillon global et ceux issus des échantillons construits selon la décomposition basée sur le critère du type de réseau d’irrigation sont amplement confirmés par les résultats illustrés dans le Tableau 4.9. En effet lorsque la salinité de la ressource en eau augmente de 100 % la production globale des exploitations irriguées accuserait une baisse très sensible qui serait de l’ordre de 69 % dans la Wilaya de Biskra, de 154 % dans le Souf, 118 % dans l’Oued Righ et enfin de 17 % dans la Wilaya d’Adrar.

4.5. Un Zoom particulier sur La Wilaya d’Adrar

Un Zoom particulier sur le pays des Foggaras est assez instructif. Le tableau 4.10 présente une analyse détaillée sur quelques agrégats jugés importants.

Tableau 4.10: Wilaya d’Adrar

Type du réseau Nbr SEI WHA WCMC MBHA WP ASE d’irrigation d’explot.

Foggara 53 0.69 23 875 0.38 551 229 2018

Mixte (Foggara 57 1.57 11 646 2.85 365 200 28.9 + pompage privé)

Réseau indiv. 124 4.6 11 556 2.7 389 730 29.2

Tot. Sans 194 3.7 11948 2.67 379 934 28.5 0.660 Gratuit

Total 247 3.1 14 518 2.18 406 066 26.7 0.64

 Le système d’irrigation grâce au Foggaras est encore important dans la Wilaya d’Adrar. En effet cette technique d’irrigation séculaire et typique de la région touche actuellement 110 exploitants sur 247 soit un pourcentage non négligeable (45 %).  Cependant nous assistons au tarissement continu de ces foggaras. Selon cette enquête plus que la moitié des usagers de Foggara recourent à une irrigation de complément grâce au pompage (57 sur 110).  La Wilaya d’Adrar avec son Climat extrême se caractérise par la consommation d’eau par hectare la plus élevée de tout le SASS algérien.

60

 L’élevage constitue une composante importante du revenu de l’irrigant dans cette wilaya. En effet il constitue plus que le tiers du revenu moyen (36 %), alors qu’à l’échelle globale du SAAS algérien, il n’est que de l’ordre de 15 %.

V. SYNTHESE DE L’ESSENTIEL DES RESULTATS OBTENUS DANS L’ANALYSE QUANTITATIVE DE L’ECHANTILLON TUNISIEN ET QUELQUES ELEMENTS DE «POLICY RECOMMANDATIONS»

Les résultats préliminaires obtenus, grâce à une analyse quantitative s’appuyant sur l’échantillon d’exploitants algériens, confirment et appuient les résultats déjà dégagés à partir de l’échantillon tunisien. L’effort gigantesque déployé pour collecter des données réelles à l’échelle de l’utilisateur primaire de la ressource s’avère utile et concluant. En outre le recours aux logiciels les plus récents, conçus spécialement pour traiter les données d’enquêtes individuelles, ainsi qu’aux outils économétriques les plus appropriés, a permis d’obtenir des résultats fort utiles aussi bien à l’analyse économique qu’aux preneurs de décision en matière de gestion durable de cette ressource vitale à tout l’ensemble de la zone SASS.

L’objectif majeur de cette brève synthèse est de mettre l’accent sur les résultats essentiels obtenus et qui seraient à la base de l’élaboration des recommandations opérationnelles à proposer aux preneurs de décisions en la matière.

 La démarche adoptée dans le cadre de ce travail, qui privilégie l’optique microéconomique s’appuyant essentiellement sur la collecte de l’information auprès de l’usager primaire de la ressource rare, a permis d’obtenir des résultats d’importance primordiale pour la réussite de ce projet. En effet nous allons montrer tout de suite comment le passage de données agrégées à des données désagrégées selon des critères appropriés permettra de parvenir à des résultats originaux.

 Le coût de l’eau à la charge de l’exploitant : L’estimation de l’élasticité prix de l’eau grâce à l’échantillon global (démarche agrégée) a fourni un résultat justifiant la non pertinence de cette variable. En effet l’élasticité obtenue, qui était de l’ordre de 0.06, montre que lorsque le prix de l’eau augmente de 100 % sa demande n’accuserait qu’une baisse insignifiante de 6 %. Il est certain que ce résultat démontre que toute politique tarifaire visant à mieux conserver la ressource par une augmentation substantielle des prix est vouée à l’échec puisqu’elle accumule les effets négatifs de la tarification sans parvenir à infléchir radicalement la courbe ascendante de la demande en eau.

Par contre l’adoption d’une démarche microéconomique s’appuyant sur des données désagrégées conduit à des résultats diamétralement opposés. Toutes les estimations de l’élasticité prix de la ressource, présentées en détail dans la section précédente, méritent une attention particulière. En effet, tous les résultats obtenus, quel que soit le critère de découpage retenu (type de réseau utilisé, mode de paiement du coût de la ressource utilisée, dimension spatiale), montrent que lorsque le coût payé directement par l’irrigant augmente sa demande en eau baisse substantiellement. L’élasticité prix de la demande en eau varie, selon le type de réseau d’irrigation retenu (individuel ou collectif), la zone géographique considérée (Biskra, Oued Souf, Oued Righ, Adrar) et la spécification choisie, de 0.20 à 0.90 (lorsque le prix de l’eau augmente de 100 % sa demande baisse de 20 à 90 %).

Ce résultat démontre l’importance majeure de la dimension «tarification» de la ressource dans la maîtrise de sa demande. Cette maitrise induirait sa conservation

61

et permettrait ainsi d’assurer sa durabilité et sa pérennité pour les générations futures et surtout pour la survie d’une région stratégique pour les trois pays concernés. Ce résultat pourrait aider à vaincre le scepticisme de plusieurs preneurs de décision qui pensent que la variable prix de l’eau n’est pas appropriée à maitriser sa demande.

 La salinité de la ressource : Les résultats obtenus, qui démontrent et surtout quantifient l’impact hautement négatif de la salinisation de la ressource sur la production de l’agriculture irriguée ainsi que sur la productivité de l’intrant le plus limitant à savoir l’eau, confirment et appuient les résultats déjà obtenus par les agronomes. Rappelons que selon nos estimations la production d’un hectare irrigué baisserait de 150 % pour une augmentation de la salinité de l’eau utilisée de 100 %). Toute l’analyse démontre ainsi, sans aucune ambiguïté, que la salinisation de la ressource suite à sa surexploitation est un fléau qu’il faut combattre avec tous les moyens afin d’assurer la durabilité de tout l’édifice.

 L’élasticité Superficie : Cette élasticité est d’une importance capitale dans cette analyse. En effet, grâce à cette estimation, s’appuyant sur une base de données aussi bien riche qu’originale, nous sommes en mesure de donner quelques éléments de réponse à une question cruciale qui préoccupe l’ensemble des économistes de développement à savoir :

Pour améliorer la balance alimentaire dans les pays pauvres faut-t-il promouvoir des exploitations de grande taille grâce à une réforme agraire musclée ou plutôt opter pour des exploitations de taille réduite afin d’occuper le maximum de gens à la campagne ?

L’élasticité superficie obtenue grâce à l’échantillon global est hautement significative et négative. En effet si la superficie irriguée d’une exploitation irriguée double, sa production baisserait de 15. Ainsi lorsque la taille de l’exploitation augmente la productivité de l’eau diminue. Ce résultat très important justifie une réforme agraire au profit des petites exploitations dans ce contexte de rareté extrême de la ressource vitale à savoir l’eau. Il serait donc judicieux d’opter pour une réforme axée sur des exploitations de taille réduite afin d’occuper le maximum de gens à la campagne et mieux valoriser ainsi la ressource la plus rare dans ce contexte à savoir l’eau.

 L’élasticité Agriculture Sans élevage (ASE). Le résultant obtenu indique que lorsque l’irrigant exclue l’élevage de son exploitation, la productivité de l’eau allouée baisse de l’ordre de 33 %. Cette élasticité mérite une attention particulière. En effet, ce résultat illustre parfaitement la dimension élevage dans ces régions.

 L’impact de la disponibilité de l’exploitant : Lorsque l’exploitant n’a pas d’activité hors de l’agriculture, la productivité de la ressource en eau augmente de 22 %. Ce résultat justifie une politique visant à encourager le fermier à se consacrer entièrement à son exploitation afin de mieux valoriser son travail, le travail de sa famille et la ressource en eau utilisée.

 Les déterminants principaux de la production agricole irriguée dans la zone SASS algérienne sont :

 L’input l’eau avec une élasticité de l’ordre de 0.54 (une augmentation de 100 % dans les dépenses en eau par ha induirait un accroissement de la production 54 %) constitue une variable clef dans la gestion de la ressource dans ces régions démunies.

62

 La Salinité avec une élasticité de l’ordre de -0.65 (une augmentation du taux de salinité de la ressource en eau de 100 % provoquerait une diminution de l’output global de 65 %) est aussi une dimension à considérer avec précaution.

 Le Type de réseau d’irrigation (gratuit, collectif, individuel) : A l’échelle de l’Algérie cette variable est significative et possède le signe approprié. En effet lorsque nous passons d’une eau gratuite à une eau hautement subventionnée (réseau collectif) et de là à une source d’eau légèrement subventionnée (secteur privé), la productivité de l’eau augmente substantiellement. Ce résultat est assez important dans le débat sur le choix entre une gestion centralisée par l’Etat (gestion publique de l’eau d’irrigation) et une décentralisation soit par le marché soit par le recours à une gestion participative.

Conclusion importante : Les dimensions qui ont un impact significatif et non négligeable sur la productivité économique de l’eau sont :

. Le prix de la ressource, . La salinité, . La taille de l’exploitation, . La main d’œuvre familiale, . La disponibilité du chef de l’exploitation pour le travail agricole, et . L’importance de l’élevage dans le revenu de l’exploitation.

Toute politique économique, qui vise donc l’amélioration de la qualité de la gestion actuelle de cette ressource précieuse dans un contexte d’une haute fragilité en vue d’assurer sa durabilité, doit intégrer d’une manière explicite toutes ces variables clefs.

63

ANNEXE I : LISTE ET DEFINITION DES VARIABLES

(Cette liste préliminaire est à compléter ultérieurement)

Variables retenues Définition de la Variable

1. WHA Consommation d’eau par hectare

2. WCMC Coût du m3 d’eau utilisée

3. RTHA Recette Totale par hectare

4. NIV Niveau d’instruction

5. SEI Superficie effectivement irriguée (ha)

6. SALI Salinité de l’eau d’irrigation utilisée

7. WP Water Productivity

8. BHA Bénéfice net par hectare

9. FLHA Family Labor par hectare (en hommes par année)

10. HLHA Hired labor par hectare (Le coût de la main d’œuvre salariale)

11. WCHA Le coût de l’eau par hectare

12. INTHA Les intrants par hectare (Engrais, insecticide, herbicide, fumier, etc.)

13. ALIM Le coût de l’alimentation du bétail

14. ANCI Ancienneté dans la pratique de l’irrigation par année

15. IDE L’identifiant de l’exploitant

16. TYP

17. CAT

18. AGE Age du chef d’exploitation

19. TAI Taille de la famille (nombre de personnes)

20. SEXP Situation de l’Exploitant(e) (Résident ou non)

64

Variables retenues Définition de la Variable

21. DPI Date de début de la pratique de l’irrigation

22. STJ Statut juridique de l’exploitation

23. ST Superficie Totale

24. SP Superficie en Propriété

25. SI Superficie irrigable

26. SEI Superficie effectivement irriguée (ha)

27. RNI Raisons de la non irrigation d’une partie de la superficie Irrigable

28. QT Qualité de la terre

29. PROFN Profondeur de la nappe en mètre

30. SALNAP Salinité de la nappe

31. DEXP Disponibilité de l’exploitant pour le travail dans l’exploitation (en mois) Nature du travail hors exploitation (nature de l’activité) 32. NTHE Revenu hors exploitation ou non 33. RHE L’Epouse travail ou non dans l’exploitation 34. WL Travail Familial 35. FL Travail familial Femme 36. FLF Travail familial Homme 37. FLH Membres de la famille qui travaillent en dehors de l’exploitation 38. FLHE Montant du salaire de la main d’œuvre salariée permanente 39. HLP Montant du salaire de la main d’œuvre salariée temporaire. 40. HLT Nature de la ressource d’eau utilisée 41. SWU La quantité d’eau allouée est-elle suffisante ? 42. WSUF

65

Variables retenues Définition de la Variable

43. RINS Raisons de l’insuffisance de l’eau

44. WCT Coût Total de l’eau utilisée

45. RARBO Recette de l’arboriculture

46. RCI Recette des cultures intercalaires

47. RPC Recette des cultures plein champ

48. RTC Recette totale des cultures

49. RCH Recette Cheptel

50. DT Dépense Totale

51. RNCH Recette nette Cheptel

52. TI taux d’intensification (Superficie Irriguée/superficie irrigagble)

53. TCB Taux des Recette Cheptel (Recette nette Cheptel/ BT)

54. MCW Mode de comptage de l’eau

55. FEAU Facture EAU

56. PAPE Prix d’achat pompe électrique

57. CENTPE Coût d’entretien de la pompe

58. PAPD Prix d’achat pompe Diesel

59. FAE Facture électricité

60. CD Coût du diesel

61. PDEI problèmes liés à la disponibilité de l’eau d’irrigation

62. CPC Avez-vous changé vos pratiques culturales

63. SIA Système d’irrigation adopté

64. MTEIH Moyen transport de l’eau jusqu’à l’exploitation

66

Variables retenues Définition de la Variable

65. NPDN Nombre de pieds Déglet Nour

66. VPDN Valeur de la Production Déglet Nour

67. NPAD Nombre de pieds Autres Dattiers

68. VPAD Valeur de la Production Autres Dattiers

69. NPOLI Nombre de pieds d’Oliviers

70. VPOLI Valeur de la Production Oliviers

71. NPAA Nombre de pieds autre Arbres

72. VPARB Valeur de la production de l’arboriculture

73. SCI Superficie des Cultures Intercalaires

74. VPCI Valeurs de la Production des cultures Intercalaires

76. SCPC Superficie des Cultures Plein Champ

77. VPCPC Valeurs de la Production des Cultures Plein Champ

78. CI Coût des Intrants

79. CTE Consommation Totale en EAU

80. CEH Consommation en EAU par Hectare

81. ME Matériel ou équipements

82. NB Nombre Bovins

83. NO Nombre Ovins

84. NC Nombre Caprins

85. NCH Nombre Chameaux

86. RCHEP Recette Cheptel

87. ACHEP Aliments Cheptel

67

Variables retenues Définition de la Variable

88. AI Existence d’une Association d’Irrigants

89. DIF Difficultés rencontrées pour une meilleure valorisation de votre 90. TEAU l’Etat a-t-il “ raison ”d’augmenter annuellement les tarifs d’eau ? 91. CATE Contre partie de l’augmentation des tarifs, quels

92. RATE Comment réagissez-vous à ces augmentations successives du prix d l’eau 93. PME Quel est le prix maximum de l’eau que vous êtes disposé à payer ? 94. PRE Quels sont les problèmes importants auxquels vous faites face actuellement 95. EE Que faites vous avec l’excédent en eau reçue

96. RT Recette Totale

97. RHA Recette par Hectare

98. D T Dépense Totale

99. DTHA Dépense par Hectare

100. BT Bénéfice Total

101. BTHA Bénéfice par Hectare

102. BMC Bénéfice par m3

103. DAPMC DAP par m3

104. TI Taux d’intensification

68

ANNEXE II. : OUTPUTS DE L’ORDINATEUR POUR LES DIFFERENTES ESTIMATIONS GRACE AU LOGICIEL STATA11

Echantillon Global

1.1. Echantillon global sans Ghout 1.1.1. La consommation d’eau par hectare et par exploitant (WHA)

. reg lwha lwcmc

Source | SS df MS Number of obs = 1187 ------+------F(1, 1187) = 153.76 Model | 42.3281149 1 42.3281149 Prob > F = 0.0000 Residual | 326.757438 1187 .275280066 R-squared = 0.1147 ------+------Adj R-squared = 0.1139 Total | 369.085553 1188 .310678075 Root MSE = .52467

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.0826406 .0066645 -12.40 0.000 -.0957161 - .0695651 _cons | 9.405555 .0154989 606.85 0.000 9.375147 9.435964 ------

. reg lwha lwcmc lsei lsalin lflha lhlha rhe wor re

Source | SS df MS Number of obs = 1187 ------+------F( 8, 1178) = 129.82 Model | 172.840369 8 21.6050461 Prob > F = 0.0000 Residual | 196.040286 1178 .166417899 R-squared = 0.4686 ------+------Adj R-squared = 0.4649 Total | 368.880654 1186 .311029219 Root MSE = .40794

69

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.0631805 .0054041 -11.69 0.000 -.0737832 - .0525777 lsei | -.1184839 .0110941 -10.68 0.000 -.1402503 - .0967176 lsalin | -.682301 .0316441 -21.56 0.000 -.7443862 - .6202158 lflha | .0168724 .0029539 5.71 0.000 .0110769 .022668 lhlha | .0061749 .0015255 4.05 0.000 .003182 .0091678 rhe | -.0178204 .0261418 -0.68 0.496 -.06911 .0334692 wor | -.0012397 .0021516 -0.58 0.565 -.005461 .0029817 re | -.0593547 .0120031 -4.94 0.000 -.0829045 - .0358048 _cons | 9.995997 .0443772 225.25 0.000 9.90893 10.08306 ------

DAP

. reg lwha ldapmc lrtha lsei rhe lsalin lhlha ase wor lanci

Source | SS df MS Number of obs = 1187 ------+------F( 9, 1177) = 854.33 Model | 319.909993 9 35.5455548 Prob > F = 0.0000 Residual | 48.9706609 1177 .041606339 R-squared = 0.8672 ------+------Adj R-squared = 0.8662 Total | 368.880654 1186 .311029219 Root MSE = .20398

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------ldapmc | -.8349513 .0153835 -54.28 0.000 -.8651334 - .8047691 lrtha | .9076726 .0141183 64.29 0.000 .8799727 .9353725

70

lsei | .016418 .0059485 2.76 0.006 .0047471 .028089 rhe | -.0067518 .0131371 -0.51 0.607 -.0325264 .0190229 lsalin | -.1144335 .0199728 -5.73 0.000 -.1536198 - .0752472 lhlha | -.0116239 .0007685 -15.13 0.000 -.0131317 - .0101161 ase | .3411511 .0287215 11.88 0.000 .2848001 .3975021 wor | -.0004462 .0010634 -0.42 0.675 -.0025325 .0016402 lanci | .0310819 .0061248 5.07 0.000 .0190651 .0430987 _cons | .065658 .1640299 0.40 0.689 -.2561656 .3874815 ------

1.1.3. Marge Brute

. reg lmbha lwcmc lsalin wor lflha lsei re ase

Source | SS df MS Number of obs = 1187 ------+------F( 7, 1179) = 124.49 Model | 567.619663 7 81.0885233 Prob > F = 0.0000 Residual | 767.938178 1179 .651347055 R-squared = 0.4250 ------+------Adj R-squared = 0.4216 Total | 1335.55784 1186 1.12610273 Root MSE = .80706

------lmbha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | .0072786 .0106956 0.68 0.496 -.0137059 .0282632 lsalin | -1.625213 .0624706 -26.02 0.000 -1.747779 - 1.502647 wor | -.0016838 .0042222 -0.40 0.690 -.0099677 .0066001 lflha | .014196 .0056776 2.50 0.013 .0030568 .0253353 lsei | -.0722205 .0208573 -3.46 0.001 -.113142 - .031299 re | .0678635 .0230646 2.94 0.003 .0226112 .1131157 ase | -.1848363 .1099319 -1.68 0.093 -.4005204 .0308478 _cons | 13.27697 .1251553 106.08 0.000 13.03141 13.52252 ------

71

1.1.4. Fonction de Production

.

. reg lrtha lflha lhlha lwcha lintha lalimha wor re lsalin lsei

Source | SS df MS Number of obs = 1187 ------+------F( 10, 1176) = 125.82 Model | 518.991753 10 51.8991753 Prob > F = 0.0000 Residual | 485.088501 1176 .412490222 R-squared = 0.5169 ------+------Adj R-squared = 0.5128 Total | 1004.08025 1186 .84661067 Root MSE = .64225

------lrtha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lflha | .0186235 .0046974 3.96 0.000 .0094072 .0278398 lhlha | .0284488 .0024593 11.57 0.000 .0236238 .0332738 lwcha | .0472416 .0089534 5.28 0.000 .0296751 .0648081 lintha | .0215897 .0043915 4.92 0.000 .0129738 .0302057 lalimha | .0149182 .0021146 7.05 0.000 .0107695 .0190669 wor | -.000753 .0034306 -0.22 0.826 -.0074838 .0059778 re | .0951212 .0190744 4.99 0.000 .0576977 .1325448 lsalin | -1.265951 .0505827 -25.03 0.000 -1.365194 - 1.166709 lsei | -.1653375 .0170258 -9.71 0.000 -.198742 - .1319331 _cons | 12.87778 .1369188 94.05 0.000 12.60914 13.14641 ------

72

1.2. Echantillon global sans Exploitants bénéficiant d’une source d’eau gratuite. 1.2.1. La consommation d’eau par hectare et par exploitant (WHA)

. reg lwha lwcmc

Source | SS df MS Number of obs = 1104 ------+------F( 1, 1102) = 604.58 Model | 116.577169 1 116.577169 Prob > F = 0.0000 Residual | 212.489848 1102 .192822004 R-squared = 0.3543 ------+------Adj R-squared = 0.3537 Total | 329.067017 1103 .298338184 Root MSE = .43912

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.5377092 .0218685 -24.59 0.000 -.5806178 - .4948006 _cons | 9.748479 .021817 446.83 0.000 9.705672 9.791287 ------

. reg lwha lwcmc lsei lsalin lflha lhlha rhe wor re

Source | SS df MS Number of obs = 1104 ------+------F( 8, 1095) = 180.19 Model | 187.0126 8 23.376575 Prob > F = 0.0000 Residual | 142.054418 1095 .129730062 R-squared = 0.5683 ------+------Adj R-squared = 0.5652 Total | 329.067017 1103 .298338184 Root MSE = .36018

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.4585853 .0184274 -24.89 0.000 -.4947423 - .4224283

73

lsei | -.1212648 .0100922 -12.02 0.000 -.1410671 - .1014626 lsalin | -.3827265 .0231044 -16.57 0.000 -.4280603 - .3373926 lflha | .0146171 .0026669 5.48 0.000 .0093842 .01985 lhlha | .0086959 .0014184 6.13 0.000 .0059128 .0114789 rhe | .0241893 .0239889 1.01 0.314 -.0228801 .0712587 wor | .0049242 .0019538 2.52 0.012 .0010907 .0087577 re | -.038295 .0111972 -3.42 0.001 -.0602654 - .0163246 _cons | 10.03795 .0409511 245.12 0.000 9.9576 10.1183 ------

DAP

. reg lwha ldapmc lrtha lsei rhe lsalin lhlha ase wor lanci

Source | SS df MS Number of obs = 1104 ------+------F( 9, 1094) = 763.42 Model | 283.868294 9 31.5409215 Prob > F = 0.0000 Residual | 45.1987237 1094 .041315104 R-squared = 0.8626 ------+------Adj R-squared = 0.8615 Total | 329.067017 1103 .298338184 Root MSE = .20326

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------ldapmc | -.830504 .01654 -50.21 0.000 -.8629577 - .7980503 lrtha | .9247301 .0138738 66.65 0.000 .8975079 .9519523 lsei | .0182259 .0061087 2.98 0.003 .0062397 .0302121 rhe | .0019691 .0136538 0.14 0.885 -.0248215 .0287596 lsalin | -.0603176 .0147709 -4.08 0.000 -.0893002 - .0313351 lhlha | -.0115395 .0008034 -14.36 0.000 -.0131159 - .0099631 ase | .3578847 .0306312 11.68 0.000 .2977822 .4179873 wor | .0002987 .0010876 0.27 0.784 -.0018352 .0024326

74

lanci | .0292995 .0062536 4.69 0.000 .017029 .0415699 _cons | -.2185174 .1547039 -1.41 0.158 -.5220674 .0850326 ------

1.2. 2. Water Productivity

. reg lwp lsalin lsei ase lflha lhlha re rhe

Source | SS df MS Number of obs = 1104

------+------F( 7, 1096) = 51.09

Model | 168.333986 7 24.0477123 Prob > F = 0.0000

Residual | 515.844812 1096 .470661324 R-squared = 0.2460

------+------Adj R-squared = 0.2412

Total | 684.178797 1103 .620289028 Root MSE = .68605

------

lwp | Coef. Std. Err. t P>|t| [95% Conf. Interval]

------+------

lsalin | -.5267173 .0435019 -12.11 0.000 -.6120737 -.4413608

lsei | -.0527514 .0192668 -2.74 0.006 -.0905554 -.0149473

ase | -.3198278 .1010404 -3.17 0.002 -.5180822 -.1215733

lflha | .006109 .0050968 1.20 0.231 -.0038916 .0161095

lhlha | .0129079 .0026726 4.83 0.000 .0076639 .0181518

re | .2036097 .021194 9.61 0.000 .1620243 .2451951

rhe | .2225948 .0456519 4.88 0.000 .1330199 .3121698

_cons | 2.975067 .1183293 25.14 0.000 2.742889 3.207244

1.2.3. Marge Brute

. reg lmbha lwcmc lsalin wor lflha lsei re ase

Source | SS df MS Number of obs = 1104 ------+------F( 7, 1096) = 79.61 Model | 429.960576 7 61.4229394 Prob > F = 0.0000

75

Residual | 845.569269 1096 .771504808 R-squared = 0.3371 ------+------Adj R-squared = 0.3328 Total | 1275.52985 1103 1.15641872 Root MSE = .87835

------lmbha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.3668471 .0449652 -8.16 0.000 -.4550747 - .2786196 lsalin | -.9668419 .0561542 -17.22 0.000 -1.077024 - .8566599 wor | -.0019565 .0047123 -0.42 0.678 -.0112026 .0072896 lflha | .0097839 .0063073 1.55 0.121 -.0025919 .0221597 lsei | -.1142949 .0236474 -4.83 0.000 -.1606942 - .0678956 re | .0986553 .026585 3.71 0.000 .046492 .1508186 ase | -.3715132 .1296271 -2.87 0.004 -.6258586 - .1171679 _cons | 13.39937 .1500709 89.29 0.000 13.10491 13.69383 ------

1.2.4. Fonction de Production

. reg lrtha lflha lhlha lwcha lintha lalimha wor re lsalin lsei

Source | SS df MS Number of obs = 1104

------+------F( 9, 1094) = 111.75

Model | 453.612973 9 50.4014414 Prob > F = 0.0000

Residual | 493.399031 1094 .451004599 R-squared = 0.4790

------+------Adj R-squared = 0.4747

Total | 947.012004 1103 .858578426 Root MSE = .67157

------

lrtha | Coef. Std. Err. t P>|t| [95% Conf. Interval]

76

------+------

lflha | .0124133 .0050222 2.47 0.014 .002559 .0222675

lhlha | .0266484 .0027146 9.82 0.000 .0213221 .0319748

lwcha | .5494975 .0427084 12.87 0.000 .4656978 .6332972

lintha | .0317211 .0052652 6.02 0.000 .02139 .0420522

lalimha | .012099 .002295 5.27 0.000 .0075958 .0166021

wor | -.0069514 .003697 -1.88 0.060 -.0142054 .0003026

re | .1290812 .0210044 6.15 0.000 .0878677 .1702948

lsalin | -.6509546 .0444727 -14.64 0.000 -.738216 - .5636932

lsei | -.1528246 .0188838 -8.09 0.000 -.1898771 - .1157721

_cons | 7.085974 .4454084 15.91 0.000 6.212023 7.959925

2.1. Echantillon des exploitants disposant d’un réseau d’irrigation Individuel

2.1.1. La consommation d’eau par hectare et par exploitant (WHA)

------

. reg lwha lwcmc

Source | SS df MS Number of obs = 783 ------+------F( 1, 781) = 596.06 Model | 108.383908 1 108.383908 Prob > F = 0.0000 Residual | 142.011965 781 .181833502 R-squared = 0.4329 ------+------Adj R-squared = 0.4321 Total | 250.395873 782 .320199326 Root MSE = .42642

------

77

lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.6516214 .0266901 -24.41 0.000 -.7040142 - .5992286 _cons | 9.868174 .0299794 329.16 0.000 9.809324 9.927024 ------

. reg lwha lwcmc lsei lsalin lflha lhlha rhe wor re

Source | SS df MS Number of obs = 783 ------+------F( 8, 774) = 166.90 Model | 158.510758 8 19.8138448 Prob > F = 0.0000 Residual | 91.8851144 774 .118714618 R-squared = 0.6330 ------+------Adj R-squared = 0.6292 Total | 250.395873 782 .320199326 Root MSE = .34455

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.5690926 .0231289 -24.61 0.000 -.6144954 - .5236899 lsei | -.1434331 .0113624 -12.62 0.000 -.1657378 - .1211283 lsalin | -.3049312 .0251423 -12.13 0.000 -.3542865 - .255576 lflha | .0124976 .0030938 4.04 0.000 .0064244 .0185708 lhlha | .0070559 .0016229 4.35 0.000 .0038701 .0102416 rhe | .0188961 .0276438 0.68 0.494 -.0353696 .0731619 wor | .0042838 .0019422 2.21 0.028 .0004713 .0080963 re | -.0604309 .016733 -3.61 0.000 -.0932783 - .0275835 _cons | 10.21516 .0631101 161.86 0.000 10.09127 10.33904 ------

78

DAP

. reg lwha ldapmc lrtha lsei rhe lsalin lhlha ase wor lanci

Source | SS df MS Number of obs = 783 ------+------F( 9, 773) = 551.03 Model | 216.629635 9 24.0699595 Prob > F = 0.0000 Residual | 33.7662375 773 .043682067 R-squared = 0.8651 ------+------Adj R-squared = 0.8636 Total | 250.395873 782 .320199326 Root MSE = .209

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------ldapmc | -.7305323 .0279264 -26.16 0.000 -.7853529 - .6757117 lrtha | .8834953 .0179768 49.15 0.000 .8482061 .9187845 lsei | .034611 .0075955 4.56 0.000 .0197007 .0495213 rhe | -.0136361 .016755 -0.81 0.416 -.0465268 .0192545 lsalin | -.0608405 .0165303 -3.68 0.000 -.09329 - .0283909 lhlha | -.0118428 .0009792 -12.09 0.000 -.013765 - .0099207 ase | .3592092 .0354523 10.13 0.000 .2896151 .4288034 wor | .0022297 .001155 1.93 0.054 -.0000376 .004497 lanci | .0251761 .0070167 3.59 0.000 .011402 .0389502 _cons | -.0578704 .1812232 -0.32 0.750 -.4136183 .2978776 ------

2.1.3. Marge Brute

. reg lmbha lwcmc lsalin wor lflha lsei re ase

Source | SS df MS Number of obs = 783 ------+------F( 7, 775) = 105.65 Model | 442.8493 7 63.2641857 Prob > F = 0.0000

79

Residual | 464.058336 775 .59878495 R-squared = 0.4883 ------+------Adj R-squared = 0.4837 Total | 906.907637 782 1.15972844 Root MSE = .77381

------lmbha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.9651644 .0516684 -18.68 0.000 -1.066591 - .8637378 lsalin | -.5286559 .0564281 -9.37 0.000 -.639426 - .4178858 wor | -.000227 .0043223 -0.05 0.958 -.0087117 .0082578 lflha | .0050264 .0067634 0.74 0.458 -.0082504 .0183031 lsei | -.2011297 .0248841 -8.08 0.000 -.2499778 - .1522816 re | -.1938804 .0352244 -5.50 0.000 -.2630269 - .1247339 ase | -.4188358 .1270073 -3.30 0.001 -.6681548 - .1695168 _cons | 14.90646 .1694782 87.96 0.000 14.57377 15.23915 ------

2.1.4. Fonction de Production

. reg lrtha lflha lhlha lwcha lintha lalimha wor re lsalin lsei

Source | SS df MS Number of obs = 783 ------+------F( 9, 773) = 66.66 Model | 306.193897 9 34.0215441 Prob > F = 0.0000 Residual | 394.536826 773 .510396929 R-squared = 0.4370 ------+------Adj R-squared = 0.4304 Total | 700.730723 782 .896075094 Root MSE = .71442

------lrtha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lflha | .0162023 .0064508 2.51 0.012 .0035392 .0288654 lhlha | .0292841 .0034507 8.49 0.000 .0225101 .036058 lwcha | .3854733 .0630093 6.12 0.000 .2617837 .509163

80

lintha | .0277626 .0067994 4.08 0.000 .0144152 .04111 lalimha | .0148325 .0029341 5.06 0.000 .0090728 .0205922 wor | -.0052575 .0040891 -1.29 0.199 -.0132846 .0027697 re | -.0229933 .0349555 -0.66 0.511 -.0916122 .0456256 lsalin | -.5823518 .0512935 -11.35 0.000 -.6830429 - .4816607 lsei | -.2184188 .0249211 -8.76 0.000 -.26734 - .1694977 _cons | 9.323576 .6834765 13.64 0.000 7.981886 10.66527 ------

2.2. Echantillon des exploitants reliées à un réseau d’irrigation collectif

2.2.1. La consommation d’eau par hectare et par exploitant (WHA)

------

. reg lwha lwcmc

Source | SS df MS Number of obs = 321 ------+------F( 1, 319) = 10.56 Model | 1.91472018 1 1.91472018 Prob > F = 0.0013 Residual | 57.8452255 319 .181332995 R-squared = 0.0320 ------+------Adj R-squared = 0.0290 Total | 59.7599457 320 .18674983 Root MSE = .42583

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.169234 .0520803 -3.25 0.001 -.2716982 - .0667698 _cons | 9.58877 .0306142 313.21 0.000 9.528538 9.649001 ------

. reg lwha lwcmc lsei lsalin lflha lhlha rhe wor re note: wor omitted because of collinearity

Source | SS df MS Number of obs = 321 ------+------F( 7, 313) = 23.99 Model | 20.8657155 7 2.9808165 Prob > F = 0.0000

81

Residual | 38.8942302 313 .124262716 R-squared = 0.3492 ------+------Adj R-squared = 0.3346 Total | 59.7599457 320 .18674983 Root MSE = .35251

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.196942 .0444295 -4.43 0.000 -.2843603 - .1095237 lsei | -.0562232 .0198728 -2.83 0.005 -.0953244 - .017122 lsalin | -.5842371 .0578373 -10.10 0.000 -.6980361 - .4704382 lflha | .0166285 .00466 3.57 0.000 .0074597 .0257974 lhlha | .0089277 .0026898 3.32 0.001 .0036353 .0142201 rhe | -.0103278 .0440421 -0.23 0.815 -.0969839 .0763283 wor | (omitted) re | -.0519725 .0168035 -3.09 0.002 -.0850346 - .0189103 _cons | 10.06235 .0692861 145.23 0.000 9.926022 10.19867 ------

DAP

. reg lwha ldapmc lrtha lsei rhe lsalin lflha lhlha ase wor lanci note: wor omitted because of collinearity

Source | SS df MS Number of obs = 321 ------+------F( 9, 311) = 228.84 Model | 51.9199678 9 5.76888531 Prob > F = 0.0000 Residual | 7.83997789 311 .025208932 R-squared = 0.8688 ------+------Adj R-squared = 0.8650 Total | 59.7599457 320 .18674983 Root MSE = .15877

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------

82

ldapmc | -.8040836 .0252515 -31.84 0.000 -.853769 - .7543982 lrtha | .9311947 .0258668 36.00 0.000 .8802986 .9820907 lsei | -.0001947 .0090023 -0.02 0.983 -.0179079 .0175185 rhe | .0134903 .0201792 0.67 0.504 -.0262147 .0531953 lsalin | -.0864568 .0335263 -2.58 0.010 -.1524237 - .0204898 lflha | .0054564 .0021387 2.55 0.011 .0012483 .0096645 lhlha | -.0099816 .0012921 -7.73 0.000 -.0125239 - .0074393 ase | .1390804 .0569947 2.44 0.015 .0269363 .2512244 wor | (omitted) lanci | .0252425 .013367 1.89 0.060 -.0010587 .0515438 _cons | -.0773923 .3011811 -0.26 0.797 -.6700026 .515218 ------

2.2. 2. Water Productivity

. reg lwp lsalin lsei ase lflha lhlha re rhe

Source | SS df MS Number of obs = 321 ------+------F( 7, 313) = 35.69 Model | 93.623268 7 13.3747526 Prob > F = 0.0000 Residual | 117.311015 313 .374795575 R-squared = 0.4439 ------+------Adj R-squared = 0.4314 Total | 210.934283 320 .659169635 Root MSE = .61221

------lwp | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lsalin | -1.041904 .1003344 -10.38 0.000 -1.239319 - .8444891 lsei | -.0491089 .0345125 -1.42 0.156 -.1170147 .0187969 ase | .3597883 .222296 1.62 0.107 -.0775951 .7971717 lflha | .0046703 .0081457 0.57 0.567 -.0113569 .0206976 lhlha | .0092367 .0046244 2.00 0.047 .0001379 .0183355

83

re | .1710473 .0296701 5.76 0.000 .1126693 .2294253 rhe | .2416138 .076491 3.16 0.002 .0911123 .3921153 _cons | 2.308784 .2445419 9.44 0.000 1.82763 2.789937 ------

2.2.3. Marge Brute

. reg lmbha lwcmc lsalin wor lflha lsei re ase note: wor omitted because of collinearity

Source | SS df MS Number of obs = 321 ------+------F( 6, 314) = 57.11 Model | 163.513653 6 27.2522755 Prob > F = 0.0000 Residual | 149.827089 314 .477156335 R-squared = 0.5218 ------+------Adj R-squared = 0.5127 Total | 313.340742 320 .97918982 Root MSE = .69077

------lmbha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | .1450533 .0863333 1.68 0.094 -.0248116 .3149183 lsalin | -1.647648 .1128508 -14.60 0.000 -1.869687 - 1.425608 wor | (omitted) lflha | .0146626 .0088071 1.66 0.097 -.0026659 .0319911 lsei | -.0542239 .0366892 -1.48 0.140 -.1264116 .0179639 re | .1121518 .0330768 3.39 0.001 .0470716 .177232 ase | .0389483 .25121 0.16 0.877 -.4553193 .533216 _cons | 12.78621 .2694401 47.45 0.000 12.25608 13.31635 ------

2.2.4. Fonction de Production

. reg lrtha lflha lhlha lwcha lintha lalimha wor re lsalin lsei note: wor omitted because of collinearity

84

Source | SS df MS Number of obs = 321 ------+------F( 8, 312) = 77.14 Model | 131.79232 8 16.47404 Prob > F = 0.0000 Residual | 66.6290659 312 .213554698 R-squared = 0.6642 ------+------Adj R-squared = 0.6556 Total | 198.421386 320 .620066831 Root MSE = .46212

------lrtha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lflha | .0065004 .0062643 1.04 0.300 -.0058251 .018826 lhlha | .0172729 .0035982 4.80 0.000 .0101931 .0243527 lwcha | .505905 .0518228 9.76 0.000 .4039387 .6078713 lintha | .025669 .0065957 3.89 0.000 .0126914 .0386467 lalimha | .0072302 .0030132 2.40 0.017 .0013015 .0131589 wor | (omitted) re | .1487876 .02261 6.58 0.000 .1043002 .1932749 lsalin | -.9371776 .083242 -11.26 0.000 -1.100964 - .7733909 lsei | -.0719725 .0259239 -2.78 0.006 -.1229803 - .0209647 _cons | 7.530087 .5499995 13.69 0.000 6.44791 8.612264 ------

3.1. Echantillon de la Wilaya de Biskra.

3.1.1. La consommation d’eau par hectare et par exploitant (WHA)

------

. reg lwha lwcmc

Source | SS df MS Number of obs = 410 ------+------F( 1, 408) = 390.21 Model | 82.1059272 1 82.1059272 Prob > F = 0.0000 Residual | 85.8502175 408 .2104172 R-squared = 0.4889 ------+------Adj R-squared = 0.4876

85

Total | 167.956145 409 .410650721 Root MSE = .45871

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.7198484 .0364413 -19.75 0.000 -.7914846 - .6482121 _cons | 9.778557 .035209 277.73 0.000 9.709344 9.847771 ------

. reg lwha lwcmc lsei lsalin lflha lhlha rhe wor re note: re omitted because of collinearity

Source | SS df MS Number of obs = 410 ------+------F( 7, 402) = 96.29 Model | 105.210084 7 15.0300121 Prob > F = 0.0000 Residual | 62.7460603 402 .156084727 R-squared = 0.6264 ------+------Adj R-squared = 0.6199 Total | 167.956145 409 .410650721 Root MSE = .39508

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.5799327 .0345951 -16.76 0.000 -.6479425 - .5119228 lsei | -.144811 .0215673 -6.71 0.000 -.1872098 - .1024122 lsalin | -.4147544 .0552368 -7.51 0.000 -.5233434 - .3061653 lflha | .0163985 .0043839 3.74 0.000 .0077802 .0250168 lhlha | .0119328 .0026847 4.44 0.000 .006655 .0172105 rhe | .0909411 .0512831 1.77 0.077 -.0098755 .1917577 wor | .0320508 .0513143 0.62 0.533 -.068827 .1329286 re | (omitted) _cons | 9.881035 .1502654 65.76 0.000 9.585631 10.17644 ------

86

3.1. 2. Water Productivity

. reg lwp lsalin lsei ase lflha lhlha re rhe note: re omitted because of collinearity

Source | SS df MS Number of obs = 410 ------+------F( 6, 403) = 13.09 Model | 27.9070272 6 4.65117121 Prob > F = 0.0000 Residual | 143.145421 403 .355199555 R-squared = 0.1631 ------+------Adj R-squared = 0.1507 Total | 171.052448 409 .418221144 Root MSE = .59599

------lwp | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lsalin | -.3751369 .0797605 -4.70 0.000 -.5319354 - .2183384 lsei | -.150794 .0316395 -4.77 0.000 -.2129931 - .0885948 ase | -.5138046 .1652646 -3.11 0.002 -.838693 - .1889162 lflha | .0145597 .0065305 2.23 0.026 .0017217 .0273978 lhlha | .0117798 .0040461 2.91 0.004 .0038257 .0197339 re | (omitted) rhe | .0099545 .0759948 0.13 0.896 -.1394412 .1593503 _cons | 4.271346 .1794494 23.80 0.000 3.918572 4.624119 ------

3.1.3. Marge Brute

. reg lmbha lwcmc lsalin wor lflha lsei re ase note: re omitted because of collinearity

Source | SS df MS Number of obs = 410 ------+------F( 6, 403) = 55.88

87

Model | 224.373944 6 37.3956574 Prob > F = 0.0000 Residual | 269.681512 403 .669184893 R-squared = 0.4541 ------+------Adj R-squared = 0.4460 Total | 494.055456 409 1.20795955 Root MSE = .81804

------lmbha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.7231534 .0713233 -10.14 0.000 -.8633656 - .5829411 lsalin | -.7793972 .1136432 -6.86 0.000 -1.002805 - .5559896 wor | .3671686 .1046453 3.51 0.001 .1614498 .5728874 lflha | .0185349 .008873 2.09 0.037 .0010917 .0359781 lsei | -.2834009 .043561 -6.51 0.000 -.3690361 - .1977657 re | (omitted) ase | -.7352672 .2270454 -3.24 0.001 -1.181609 - .2889259 _cons | 13.7139 .3696217 37.10 0.000 12.98727 14.44053 ------

3.1.4. Fonction de Production

. reg lrtha lflha lhlha lwcha lintha lalimha wor re lsalin lsei note: re omitted because of collinearity

Source | SS df MS Number of obs = 410 ------+------F( 8, 401) = 53.65 Model | 170.883435 8 21.3604294 Prob > F = 0.0000 Residual | 159.641661 401 .398108879 R-squared = 0.5170 ------+------Adj R-squared = 0.5074 Total | 330.525096 409 .808129818 Root MSE = .63096

------lrtha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------

88

lflha | .0281831 .006924 4.07 0.000 .0145712 .041795 lhlha | .0209792 .0043947 4.77 0.000 .0123397 .0296186 lwcha | .5491513 .0682264 8.05 0.000 .4150252 .6832774 lintha | .0449363 .0137598 3.27 0.001 .0178859 .0719867 lalimha | .0217301 .0044307 4.90 0.000 .0130197 .0304405 wor | .1344855 .0799111 1.68 0.093 -.0226114 .2915825 re | (omitted) lsalin | -.6934858 .0866028 -8.01 0.000 -.8637379 - .5232336 lsei | -.286143 .036216 -7.90 0.000 -.3573399 - .214946 _cons | 7.5325 .7183683 10.49 0.000 6.120261 8.944738 ------

3.2. Echantillon de la région Oued Souf.

3.2.1. La consommation d’eau par hectare et par exploitant (WHA)

------

. reg lwha lwcmc

Source | SS df MS Number of obs = 239 ------+------F( 1, 237) = 342.64 Model | 40.6199133 1 40.6199133 Prob > F = 0.0000 Residual | 28.0959171 237 .118548173 R-squared = 0.5911 ------+------Adj R-squared = 0.5894 Total | 68.7158304 238 .288721976 Root MSE = .34431

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.5926868 .0320187 -18.51 0.000 -.6557643 - .5296093 _cons | 9.99197 .0415302 240.59 0.000 9.910154 10.07379 ------

. reg lwha lwcmc lsei lsalin lflha lhlha rhe wor re note: re omitted because of collinearity

89

Source | SS df MS Number of obs = 239 ------+------F( 7, 231) = 115.69 Model | 53.4652193 7 7.63788847 Prob > F = 0.0000 Residual | 15.2506111 231 .066019961 R-squared = 0.7781 ------+------Adj R-squared = 0.7713 Total | 68.7158304 238 .288721976 Root MSE = .25694

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.4000093 .0389996 -10.26 0.000 -.4768496 - .3231689 lsei | -.0627299 .0133984 -4.68 0.000 -.0891286 - .0363312 lsalin | -.6002519 .0558856 -10.74 0.000 -.7103625 - .4901413 lflha | .0020254 .003827 0.53 0.597 -.0055148 .0095657 lhlha | .008422 .002464 3.42 0.001 .0035671 .0132768 rhe | -.0063383 .0383148 -0.17 0.869 -.0818294 .0691528 wor | .0601191 .0625362 0.96 0.337 -.0630951 .1833334 re | (omitted) _cons | 9.814723 .1599376 61.37 0.000 9.4996 10.12985 ------

3.2. 2. Water Productivity

. reg lrtha lflha lhlha lwcha lintha lalimha wor re lsalin lsei note: re omitted because of collinearity

Source | SS df MS Number of obs = 239 ------+------F( 8, 230) = 46.54 Model | 153.496653 8 19.1870817 Prob > F = 0.0000 Residual | 94.8178506 230 .412251524 R-squared = 0.6182 ------+------Adj R-squared = 0.6049 Total | 248.314504 238 1.04333825 Root MSE = .64207

------

90

lrtha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lflha | .0018447 .0096421 0.19 0.848 -.0171534 .0208429 lhlha | .0294386 .0064412 4.57 0.000 .0167473 .04213 lwcha | -.0836228 .1174881 -0.71 0.477 -.3151134 .1478678 lintha | .0111948 .0119332 0.94 0.349 -.0123177 .0347072 lalimha | .0299882 .0043146 6.95 0.000 .021487 .0384894 wor | .0791859 .1570559 0.50 0.615 -.2302662 .388638 re | (omitted) lsalin | -1.545577 .1108645 -13.94 0.000 -1.764016 - 1.327137 lsei | -.1504587 .0331957 -4.53 0.000 -.2158652 - .0850521 _cons | 14.27441 1.025257 13.92 0.000 12.25431 16.2945 ------

3.2.3. Marge Brute

. reg lmbha lwcmc lsalin wor lflha lsei re ase note: re omitted because of collinearity

Source | SS df MS Number of obs = 239 ------+------F( 6, 232) = 83.04 Model | 199.273029 6 33.2121715 Prob > F = 0.0000 Residual | 92.788256 232 .399949379 R-squared = 0.6823 ------+------Adj R-squared = 0.6741 Total | 292.061285 238 1.22714826 Root MSE = .63242

------lmbha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.792665 .0954194 -8.31 0.000 -.9806643 - .6046658 lsalin | -1.310032 .1375968 -9.52 0.000 -1.58113 - 1.038933 wor | .9249994 .1477696 6.26 0.000 .6338575 1.216141 lflha | -.0028597 .0090264 -0.32 0.752 -.020644 .0149246 lsei | -.0096365 .0322866 -0.30 0.766 -.073249 .053976

91

re | (omitted) ase | -.3826086 .1638239 -2.34 0.020 -.7053814 - .0598358 _cons | 11.66344 .3917264 29.77 0.000 10.89164 12.43523 ------

3.2.4. Fonction de Production

. reg lrtha lflha lhlha lwcha lintha lalimha wor re lsalin lsei note: re omitted because of collinearity

Source | SS df MS Number of obs = 239 ------+------F( 8, 230) = 46.54 Model | 153.496653 8 19.1870817 Prob > F = 0.0000 Residual | 94.8178506 230 .412251524 R-squared = 0.6182 ------+------Adj R-squared = 0.6049 Total | 248.314504 238 1.04333825 Root MSE = .64207

------lrtha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lflha | .0018447 .0096421 0.19 0.848 -.0171534 .0208429 lhlha | .0294386 .0064412 4.57 0.000 .0167473 .04213 lwcha | -.0836228 .1174881 -0.71 0.477 -.3151134 .1478678 lintha | .0111948 .0119332 0.94 0.349 -.0123177 .0347072 lalimha | .0299882 .0043146 6.95 0.000 .021487 .0384894 wor | .0791859 .1570559 0.50 0.615 -.2302662 .388638 re | (omitted) lsalin | -1.545577 .1108645 -13.94 0.000 -1.764016 - 1.327137 lsei | -.1504587 .0331957 -4.53 0.000 -.2158652 - .0850521 _cons | 14.27441 1.025257 13.92 0.000 12.25431 16.2945 ------

92

3.3. Echantillon de la région Oued Righ

------. reg lwha lwcmc

Source | SS df MS Number of obs = 244 ------+------F( 1, 242) = 39.18 Model | 6.68745152 1 6.68745152 Prob > F = 0.0000 Residual | 41.3085398 242 .170696445 R-squared = 0.1393 ------+------Adj R-squared = 0.1358 Total | 47.9959913 243 .197514367 Root MSE = .41315

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.2535688 .0405114 -6.26 0.000 -.3333689 - .1737688 _cons | 9.572485 .0307673 311.13 0.000 9.51188 9.633091 ------

. reg lwha lwcmc lsei lsalin lflha lhlha rhe wor re note: re omitted because of collinearity

Source | SS df MS Number of obs = 244 ------+------F( 7, 236) = 20.91 Model | 18.3726989 7 2.62467127 Prob > F = 0.0000 Residual | 29.6232924 236 .125522425 R-squared = 0.3828 ------+------Adj R-squared = 0.3645 Total | 47.9959913 243 .197514367 Root MSE = .35429

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.1077802 .0503969 -2.14 0.033 -.2070654 - .008495 lsei | -.0570738 .0233914 -2.44 0.015 -.1031565 - .0109912 lsalin | -.5556276 .065468 -8.49 0.000 -.6846039 - .4266512 lflha | .0140496 .0050376 2.79 0.006 .0041251 .023974

93

lhlha | .00803 .0031982 2.51 0.013 .0017293 .0143307 rhe | .0280086 .0482361 0.58 0.562 -.0670197 .1230368 wor | -.1556357 .0709666 -2.19 0.029 -.2954446 - .0158267 re | (omitted) _cons | 10.18863 .1465468 69.52 0.000 9.89992 10.47733 ------

3.3.3. Marge Brute

. reg lmbha lwcmc lsalin wor lflha lsei re ase note: re omitted because of collinearity

Source | SS df MS Number of obs = 244 ------+------F( 6, 237) = 46.15 Model | 102.98519 6 17.1641983 Prob > F = 0.0000 Residual | 88.1378752 237 .371889769 R-squared = 0.5388 ------+------Adj R-squared = 0.5272 Total | 191.123065 243 .78651467 Root MSE = .60983

------lmbha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.0904211 .086643 -1.04 0.298 -.2611098 .0802677 lsalin | -1.680222 .1130148 -14.87 0.000 -1.902864 - 1.45758 wor | .5721852 .1222158 4.68 0.000 .331417 .8129533 lflha | .0147531 .0082224 1.79 0.074 -.0014452 .0309514 lsei | -.1371957 .0393206 -3.49 0.001 -.2146582 - .0597333 re | (omitted) ase | .0589009 .2682897 0.22 0.826 -.4696363 .587438 _cons | 11.78822 .3346441 35.23 0.000 11.12896 12.44748 ------

3.2.4. Fonction de Production

. reg lrtha lflha lhlha lwcha lintha lalimha wor re lsalin lsei note: re omitted because of collinearity

94

Source | SS df MS Number of obs = 244 ------+------F( 8, 235) = 53.55 Model | 75.0433927 8 9.38042409 Prob > F = 0.0000 Residual | 41.1648175 235 .175169436 R-squared = 0.6458 ------+------Adj R-squared = 0.6337 Total | 116.20821 243 .478223087 Root MSE = .41853

------lrtha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lflha | .0013028 .0060502 0.22 0.830 -.0106168 .0132224 lhlha | .0113941 .0038213 2.98 0.003 .0038658 .0189224 lwcha | .274035 .0504297 5.43 0.000 .1746829 .3733871 lintha | .0315637 .0089949 3.51 0.001 .0138428 .0492846 lalimha | .0078525 .003106 2.53 0.012 .0017333 .0139716 wor | .2494371 .0706362 3.53 0.000 .110276 .3885981 re | (omitted) lsalin | -1.178154 .0791404 -14.89 0.000 -1.33407 - 1.022239 lsei | -.1115045 .0276339 -4.04 0.000 -.1659463 - .0570627 _cons | 9.59863 .4583532 20.94 0.000 8.695624 10.50164 ------

3.4. Echantillon de la Wilaya d’Adrar.

3.4.1. Echantillon de la Wilaya d’Adrar sans les exploitants bénéficiant d’une source d’eau gratuite.

------. reg lwha lwcmc

Source | SS df MS Number of obs = 193 ------+------F( 1, 191) = 18.79 Model | 2.53022805 1 2.53022805 Prob > F = 0.0000 Residual | 25.7185474 191 .13465208 R-squared = 0.0896 ------+------Adj R-squared = 0.0848 Total | 28.2487754 192 .147129039 Root MSE = .36695

95

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.286038 .0659858 -4.33 0.000 -.4161924 - .1558835 _cons | 9.578705 .0654414 146.37 0.000 9.449624 9.707786 ------

. reg lwha lwcmc lsei lsalin lflha lhlha rhe wor re note: re omitted because of collinearity

Source | SS df MS Number of obs = 193 ------+------F( 7, 185) = 27.83 Model | 14.4879712 7 2.06971016 Prob > F = 0.0000 Residual | 13.7608043 185 .074382726 R-squared = 0.5129 ------+------Adj R-squared = 0.4944 Total | 28.2487754 192 .147129039 Root MSE = .27273

------lwha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.3315326 .0512516 -6.47 0.000 -.4326454 - .2304198 lsei | -.2034109 .022293 -9.12 0.000 -.2473921 - .1594298 lsalin | -.1784679 .025331 -7.05 0.000 -.2284426 - .1284932 lflha | .0100046 .0219937 0.45 0.650 -.0333861 .0533953 lhlha | .0124187 .0028434 4.37 0.000 .0068092 .0180283 rhe | .0541415 .0418621 1.29 0.198 -.0284469 .1367299 wor | 3.54e-06 .0016242 0.00 0.998 -.0032008 .0032079 re | (omitted) _cons | 9.850434 .0622423 158.26 0.000 9.727638 9.973229 ------

96

3.4.3. Marge Brute

. reg lmbha lwcmc lsalin wor lflha lsei re ase note: re omitted because of collinearity

Source | SS df MS Number of obs = 193 ------+------F( 6, 186) = 22.47 Model | 54.9189822 6 9.1531637 Prob > F = 0.0000 Residual | 75.7801571 186 .4074202 R-squared = 0.4202 ------+------Adj R-squared = 0.4015 Total | 130.699139 192 .680724684 Root MSE = .63829

------lmbha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lwcmc | -.1308098 .1201881 -1.09 0.278 -.3679169 .1062974 lsalin | -.3389227 .0585771 -5.79 0.000 -.4544836 - .2233618 wor | -.000156 .0038173 -0.04 0.967 -.0076868 .0073749 lflha | .0112344 .0500059 0.22 0.822 -.0874172 .1098861 lsei | -.4519977 .0510313 -8.86 0.000 -.5526722 - .3513232 re | (omitted) ase | -.0481305 .2609191 -0.18 0.854 -.5628717 .4666107 _cons | 13.04474 .2205099 59.16 0.000 12.60972 13.47976

3.4.4. Fonction de Production

. reg lrtha lflha lhlha lwcha lintha lalimha wor re lsalin lsei lanci note: re omitted because of collinearity

Source | SS df MS Number of obs = 193 ------+------F( 9, 183) = 38.14 Model | 78.8848412 9 8.76498235 Prob > F = 0.0000 Residual | 42.053244 183 .229799148 R-squared = 0.6523 ------+------Adj R-squared = 0.6352

97

Total | 120.938085 192 .62988586 Root MSE = .47937

------lrtha | Coef. Std. Err. t P>|t| [95% Conf. Interval] ------+------lflha | .0244976 .0380386 0.64 0.520 -.0505529 .0995482 lhlha | .0130416 .005289 2.47 0.015 .0026063 .023477 lwcha | .8206522 .0987098 8.31 0.000 .6258966 1.015408 lintha | .0086368 .0057065 1.51 0.132 -.0026222 .0198957 lalimha | .0302745 .0107741 2.81 0.005 .0090171 .051532 wor | -.0033034 .0028515 -1.16 0.248 -.0089295 .0023226 re | (omitted) lsalin | -.1663207 .0461074 -3.61 0.000 -.2572911 - .0753503 lsei | -.2050108 .0477443 -4.29 0.000 -.2992108 - .1108107 lanci | .061155 .0491277 1.24 0.215 -.0357746 .1580846 _cons | 4.169849 .9856514 4.23 0.000 2.225147 6.114551

98