Philippe Quirion (CIRED et LMD-IPSL), avec des contributions de

Présentation au sujet: "Philippe Quirion (CIRED et LMD-IPSL), avec des contributions de"— Transcription de la présentation:

1 Un rôle pour les assurances agricoles basées sur des indices météo en Afrique de l'Ouest ?
Philippe Quirion (CIRED et LMD-IPSL), avec des contributions de Benoît Labbouz (CIRED), Alexis Berg et Benjamin Sultan (LOCEAN-IPSL) Réunion API AMMA WG 3, 17 octobre 2007, OMP, Toulouse

2 Plan Les assurances agricoles basées sur des indices météo
Simulation sur des données de station agronomique expérimentale (coton au Mali) Simulation sur des données en conditions paysannes (Burkina Faso) Quelques questions à creuser

3 Les assurances agricoles basées sur des indices météo (1)
Échec des assurances agricoles basées sur la constatation d'un dommage : Asymétrie d'information entre le paysan et l'assureur Coût de la constatation du dommage Trois assurances agricoles basées sur des indices météo existent : Inde depuis 2003 Malawi depuis 2005 Éthiopie depuis 2006 Faiblesse = risque de base (corrélation imparfaite entre indice et rendement) Succès apparent, au moins en Inde

4 Les assurances agricoles basées sur des indices météo (2)
Inde Malawi Éthiopie Démarrage 2003 2005 2006 Cultures ciblées Arachide, ricin puis coton, oranges Maïs Blé, orge, mil, sorgho, maïs Risque couvert Sécheresse, excès d'eau lors de la moisson Sécheresse Indice "Bilan hydrique" en 3 phases Bilan hydrique par décade, moyenne de 13 stations Bilan hydrique par décade, moyenne de 42 stations Partenaires BM, microfinance, banques, assurances BM, FAO, ? BM, PAM, Axa Re Particularités Lien avec crédit intrants Contrat national

5 Simulation pour le coton au Mali (1)
Données de N'Tarla (23 ans de rendement et météo) Coûts de production : annuaires CMDT Valorisation du travail familial au salaire du marché Prix du coton 2005 Le choix de l'indice météo est déterminant (risque de base): Cumul des pluies : mauvais (R²=0.23) Durée saison des pluies : pas mal (R²=0.48) mais "rate" certaines mauvaises années Bilan hydrique : pas mal (R²=0.5) mais "rate" certaines mauvaises années Bilan hydrique + date de fin de saison (MCO): pas mal (R²=0.58, variables significatives à 10%, fournit le contrat le + intéressant) Date de semis améliore la régression, mais impossible à intégrer dans un contrat d'assurance

6 Simulation pour le coton au Mali (2)
Indice composite : bilan hydrique au début de la saison + date de fin de saison (MCO) Historical Burn Analysis : on utilise directement les données historiques pour estimer le contrat

7 Simulation pour le coton au Mali (3)
Recherche du contrat optimal pour les producteurs Contrainte de participation des assureurs : prime = 1.1 * E[indemnités] Forme du contrat classique (Malawi, Éthiopie)

8 Simulation pour le coton au Mali (4)
Agriculteur représentatif, spécialisé dans le coton, averse aux risques (fonction d'utilité CRRA) Revenu équivalent certain (REC) : REC[{xi}] = (E[{xi1-r}])1/(1-r) , r>0 Économie expérimentale : r[0.3;0.7] Finance : r[1;4] Hypothèse conservatrice : r=0.5  REC({100;200})=146

9 Simulation pour le coton au Mali (5)

10 Simulation pour le coton au Mali (6)
Gain pour l'agriculteur REC pour {100,200} 0% 150 0,3 0,4% 147 0,5 2,4% 146 0,7 5,4% 144 1 11,9% 141 2 52,2% 133 Économie expérimentale Finance

11 Simulation pour le coton au Mali (7)
Assurance  intensification ? Contexte : stagnation des rendements depuis ~1985 L'intensification augmente la variabilité du revenu Hypothèses : Rendement y = a c – b c², a > 0, b > 0, c : coût (intrants + travail) Les agriculteurs choisissent c qui maximise leur espérance d'utilité Conclusion : une intensification très modeste pour r=0,5 Coût : + 3% Gain en REC : + 2,5% au lieu de + 2,3%

12 Simulation pour le coton au Mali (8)
Sécheresse à partir de 1972 Ex. d'un contrat indicé sur le bilan hydrique, défini sur (seules années pour lesquelles nous avons le rendement), et appliqué sur 51-93 Un seul déclanchement d'indemnité en dehors de (en 93) Sur 51-93, la marge de l'assureur atteint en moyenne FCFA/ha/an, contre sur !

13 Simulations pour le Burkina Faso (BF)
Données de rendement disponibles par province (45) sur (Agristat) Données de pluie par station 1 à 3 stations météo par province, on prend la moyenne On construit de faux rendements pour , sur la base de la corrélation Questions : Corrélation indice – rendement suffisante ? Quelle couverture géographique pour un contrat ? Mêmes contrats pour ≠ cultures ? Comment gérer les tendances dans les pluies ?

14 Un même contrat pour ≠ provinces ?
Impossible d'avoir le même contrat pour tout le pays

15 Un même contrat pour ≠ cultures ? (1)
Ici, le contrat optimal pour le maïs est proche du contrat optimal pour le sorgho

16 Un même contrat pour ≠ cultures ? (2)
contrat mil Ici, le contrat optimal pour le maïs est proche du contrat optimal pour le sorgho

17 Comment gérer une tendance ? (1)
Province: Nahouri, pour du sorgho : contrat optimal sur les 28 ans Ici, le contrat optimal pour le maïs est proche du contrat optimal pour le sorgho

18 Comment gérer une tendance ? (2)
Nahouri, sorgho : contrat défini sur les 15 1e années appliquées aux 13 suivantes Ici, le contrat optimal pour le maïs est proche du contrat optimal pour le sorgho

19 Comment gérer une tendance ? (3)
Nahouri, sorgho : contrat redéfini chaque année sur les 13 dernières années Ici, le contrat optimal pour le maïs est proche du contrat optimal pour le sorgho

20 Comment gérer une tendance ? (4)
Nahouri, sorgho : contrat redéfini chaque année avec modèle autorégressif Ici, le contrat optimal pour le maïs est proche du contrat optimal pour le sorgho

21 Quelques (!) questions à creuser
Comment mieux représenter l'aversion au risque des agriculteurs ? Faire des enquêtes sur place ? Quel impact de l'assurance sur le choix des cultures ? Sur l'accumulation/désaccumulation du capital ? Comment mieux simuler le comportement des assureurs? Tester d'autres formes de contrat Collars… Intégrer les risques liés aux excès d'eau Quelle densité de stations est suffisante, dans un contexte de forte variabilité spatiale des pluies ? Comment gérer les tendances des précipitations, dans le contexte du changement climatique ? Quel réseau de distribution pour les produits d'assurance ?