Quelle est la qualité des statistiques sur l'élevage en Afrique ? Le cas de l'Éthiopie

L'élevage contribue aux moyens de subsistance d'environ 1 milliard de personnes dans les pays à revenu faible et intermédiaire (PRFI) (Thorne et Conroy 2017, Baltenweck et al. 2020). Cependant, la croissance et la productivité du secteur de l'élevage dans de nombreux PRFI ne suivent pas le rythme de la demande croissante d'aliments d'origine animale. L'augmentation de la productivité du secteur est cruciale pour la réduction de la pauvreté dans les PRFI, qui continuent de faire face à des défis et des chocs multiformes qui menacent la durabilité des systèmes alimentaires. Cela nécessite à son tour des données fiables sur le bétail pour éclairer les politiques et les investissements dans le secteur de l'élevage. Cependant, il existe un écart important dans la qualité et la fiabilité des données sur l'élevage, ce qui entrave l'évaluation du rôle du secteur de l'élevage dans les moyens de subsistance et les économies nationales et, par conséquent, entrave les politiques et les investissements dans l'élevage fondés sur des données probantes.

Dans la plupart des pays à revenu faible et intermédiaire, les statistiques sur le bétail reposent sur des mesures autodéclarées fondées sur des enquêtes. Cependant, les répondants peuvent faire face à diverses difficultés pour déclarer avec précision la propriété du bétail. Malgré le grand potentiel du secteur de l'élevage à stimuler les efforts de réduction de la pauvreté et la croissance économique dans de nombreux PRFI, y compris l'Éthiopie (l'objet de notre recherche), ces lacunes en matière de données sont susceptibles de compromettre notre compréhension de la contribution du secteur de l'élevage.

Qu'est-ce qui explique les erreurs de mesure des actifs d'élevage ?

Dans la plupart des pays à revenu faible et intermédiaire, l'évaluation des ressources animales repose sur l'auto-déclaration des répondants sélectionnés. Cette approche est principalement préférée en raison de son rapport coût-efficacité et de sa faisabilité logistique. Dans la plupart des enquêtes auprès des ménages et des enquêtes agricoles, les données sur l'élevage sont collectées dans le cadre de vastes modules multithématiques. Ces modules sont généralement administrés dans le cadre d'une enquête auprès des ménages à une seule visite, ce qui rend le coût marginal de la collecte de données autodéclarées sur le bétail très faible. Cependant, les données autodéclarées peuvent être sujettes à diverses sources de biais et de sous-déclaration.

1. Des recherches récentes montrent que les données sur les actifs et les revenus autodéclarés souffrent d'erreurs de mesure importantes (Meyer et coll., 2015), bien que bon nombre de ces études proviennent de pays à revenu élevé. Les erreurs de mesure associées aux actifs du bétail peuvent découler d'un certain nombre de facteurs. Tout d'abord, la plupart des données sur le bétail sont collectées dans le cadre de modules d'agriculture polyvalents, qui sont généralement longs et souffrent donc de fatigue et de biais de rappel (Ambler et al. 2021, Abay et al. 2023). Étant donné que les modules sur l'élevage arrivent généralement tard dans l'enquête, lorsque les répondants sont « fatigués », la qualité des données sur l'élevage peut être affectée de manière disproportionnée.
2. Les répondants peuvent avoir des motifs de sous-déclarer intentionnellement leurs actifs et leurs revenus, en particulier s'ils croient que les données peuvent être utilisées à des fins susceptibles d'affecter leurs paiements d'impôts ou leur accès à divers programmes publics. C'est le cas si les répondants estiment que les données qu'ils communiquent aux intervieweurs ne sont peut-être pas confidentielles. Par exemple, malgré des variations d'une région à l'autre, certaines régions d'Éthiopie ont introduit des taxes sur le bétail au cours des dernières années et la possession de bétail est un critère important d'inclusion dans le programme national de protection du revenu productif (PSNP) (Berhane et al., 2014).
3. Dans les pays en développement, les personnes interrogées n'ont pas le niveau de littératie et de numératie nécessaire pour compter et agréger avec précision tous les types de bétail appartenant à tous les membres du ménage (Dillon et Mensah, 2024). Cela peut être décrit comme un biais d'agrégation (Dillon et Mensah 2024).
4. Dans de nombreux pays à revenu faible et intermédiaire, les actifs d'élevage appartiennent à plusieurs membres du ménage et, par conséquent, un répondant, y compris le chef de ménage, peut disposer d'un certain niveau d'information asymétrique sur tous les types d'animaux d'élevage possédés et gérés par chaque membre du ménage. C'est plausible car les différents types de bétail sont généralement gérés par différents membres du ménage.
5. Les agriculteurs ruraux des pays en développement comme l'Éthiopie n'ont pas l'habitude de compter leur bétail et leurs biens connexes, principalement en raison des normes sociales et culturelles liées au comptage des actifs ou autres biens. En l'absence de méthodes méthodologiquement appropriées permettant de relever ces défis, les données autodéclarées sur le bétail risquent de souffrir d'une sous-(sur)déclaration.

Quand et pourquoi les erreurs de mesure des actifs d'élevage sont importantes

La sous-()déclaration de la propriété animale peut conduire à une sous-estimation (sur)estimée de la contribution du secteur de l'élevage aux économies nationales et aux moyens de subsistance. Étant donné les multiples objectifs des actifs d'élevage dans les PRFI, notamment en tant que source de moyens de subsistance, de revenus, de nourriture et de nutrition, de projets d'énergie et de services de transport, une telle sous-déclaration de la propriété d'animaux d'élevage peut induire en erreur les politiques publiques et de développement. Dans la plupart des cas, l'estimation de la contribution du secteur de l'élevage au produit intérieur brut (PIB) national implique une estimation de la population animale ainsi que des produits et services animaux associés (Behnke et al., 2010). La sous-déclaration, et donc la sous-estimation, du cheptel peut compromettre la contribution du secteur de l'élevage au PIB national.

De même, la sous-estimation (sur)estimée de la population animale dans une unité géographique spécifique peut induire en erreur les priorités d'investissement public et privé ainsi que les stratégies d'adaptation et d'atténuation du changement climatique, en particulier compte tenu de la contribution significative des systèmes de production animale au réchauffement climatique (Havlík et al. 2014). Enfin, comme les actifs d'élevage sont largement utilisés comme indicateurs de la richesse économique rurale et donc utilisés pour cibler les programmes et les interventions de réduction de la pauvreté, les déclarations erronées associées à la possession d'actifs d'élevage peuvent conduire à un mauvais ciblage des programmes de développement.

En ce qui concerne les implications sur les inférences prédictives, les conséquences de l'erreur de mesure associée à l'auto-déclaration des actifs d'élevage varient selon que ces inexactitudes potentielles sont systématiques ou aléatoires. Certaines des erreurs de mesure et des inexactitudes associées aux données autodéclarées sur le bétail peuvent être aléatoires et donc moins lourdes, tandis que certaines des sources d'erreurs de mesure ci-dessus sont plus susceptibles d'être systématiques et donc de fausser les résultats statistiques prédictifs à l'aide de ces données autodéclarées.

Comptage direct et incitatifs pour améliorer la mesure des actifs d'élevage

Dans des recherches récentes (Abay et al. 2025), nous introduisons un nouvel ensemble d'expériences d'enquête et de mesure pour améliorer les statistiques sur l'élevage en Afrique. Tout d'abord, dans le but de s'attaquer à certaines des sources potentielles de sous-déclaration des actifs d'élevage décrites ci-dessus, nous avons introduit un coup de pouce explicite à un sous-ensemble aléatoire de répondants à l'enquête. Le coup de pouce rappelle aux répondants que les données sur le bétail collectées seront utilisées uniquement à des fins de recherche, et non pour identifier les bénéficiaires des programmes de protection sociale ou à des fins fiscales. Ce document a été présenté à mi-chemin de l'enquête et juste avant le début du module sur l'élevage. Deuxièmement, nous organisons le comptage direct des animaux d'élevage par des agents recenseurs et des experts locaux en matière d'élevage. Comme le montre la figure 1, nous montrons que les données autodéclarées sur la possession de bétail souffrent d'une sous-déclaration importante. Bien que l'effet moyen du coup de pouce semble négligeable (bien qu'il affecte le comportement de déclaration des ménages ayant des stocks de bétail plus importants), le comptage direct augmente le nombre total de propriétaires de bétail de 39 % et le nombre de bovins déclaré de 43 %.

Figure 1

Implications pour l'amélioration de la mesure et l'information sur les politiques et les investissements dans l'élevage

Nos conclusions ont d'importantes implications politiques, notamment sur le débat relatif au rôle du secteur de l'élevage dans les économies nationales et les moyens de subsistance. La sous-déclaration généralisée de la possession d'actifs d'élevage peut conduire à une sous-estimation de la contribution du secteur de l'élevage aux économies nationales et aux moyens de subsistance. Par exemple, la contribution du secteur de l'élevage au PIB national est fonction de l'estimation du cheptel ainsi que des produits et services de l'élevage associés. La sous-estimation du cheptel peut miner cette contribution.

La sous-estimation de la population de bétail et des rendements associés peut également conduire à une mauvaise allocation des investissements publics et privés, tout en déformant notre compréhension des conditions économiques rurales. Au-delà de la distorsion des modèles descriptifs et des statistiques, l'erreur de mesure systématique de la possession d'actifs d'élevage peut induire en erreur les inférences prédictives fondées sur ces données, y compris celles liées à la contribution du bétail aux moyens de subsistance, à la nutrition et au revenu des ménages. En effet, les implications empiriques et inférentielles de ces erreurs de mesure dans la propriété des actifs d'élevage méritent d'être approfondies.

Kibrom Abay est chercheur principal au sein de l'unité Stratégies de développement et gouvernance (DSG) de l'IFPRI ; Hailemariam Ayalew est chargée de recherche DSG ; Zelalem Terfa est scientifique en quantitatif sur le genre à l'Institut international de recherche sur l'élevage (ILRI) ; Joseph Karugia est un scientifique principal de l'ILRI ; Clemens Breisinger est chercheur principal au DSG et chef du programme pays de l'IFPRI au Kenya. Cet article a été publié pour la première fois sur VoxDev. Les opinions sont celles des auteurs.

Ce travail a été soutenu par le programme de recherche du CGIAR sur les innovations politiques.

Article référencé :Abay, Kibrom A. ; Ayalew, Hailemariam ; Terfa, Zelalem ; Karguia, Joseph ; et Breisinger, Clemens. 2025. Quelle est la qualité des statistiques sur l'élevage en Afrique ? L'incitation et le comptage direct peuvent-ils améliorer la qualité des données sur les actifs d'élevage ? Journal of Development Economics 176 (septembre 2025) : 103532. https://doi.org/10.1016/j.jdeveco.2025.103532