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

Plan

1. Les assurances agricoles basées sur des indices météo

2. Simulation sur des données de station agronomique expérimentale (coton au Mali)

3. Simulation sur des données en conditions paysannes (Burkina Faso)

4. Quelques questions à creuser

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

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 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

Lien avec crédit intrants

Contrat national

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

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

1 .8 2 .0 2 .2 2 .4 2 .6 2 .8ind

1 .8

2 .0

2 .2

2 .4

2 .6

2 .8

y ield

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)

0 .5 1 .0 1 .5 2 .0 2 .5 3 .0ind ice

20

40

60

80

indemn

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[{xi

1-}])1/(1-) , • Économie expérimentale : • Finance : • Hypothèse conservatrice :

REC({100;200})=146

Simulation pour le coton au Mali (5)

Simulation pour le coton au Mali (6)

Gain pour l'agriculteur

REC pour {100,200}

0 0% 150

0,3 0,4% 147

0,5 2,4% 146

0,7 5,4% 144

1 11,9% 141

2 52,2% 133Finance

Économie expérimentale

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 – Coût : + 3%– Gain en REC : + 2,5% au lieu de + 2,3%

50 100 150 200 250 300 350c

0 .5

1 .0

1 .5

2 .0

2 .5

Ey ield

170 175 180 185 190c

169

170

171

172

173

174

CE ha w ith & wo insu r

Simulation pour le coton au Mali (8)• Sécheresse à partir de 1972• Ex. d'un contrat indicé sur le bilan hydrique, défini sur 65-90

(seules années pour lesquelles nous avons le rendement), et appliqué sur 51-93

• Un seul déclanchement d'indemnité en dehors de 65-90 (en 93)• Sur 51-93, la marge de l'assureur atteint en moyenne 12 000

FCFA/ha/an, contre 1 400 sur 65-90 !

Simulations pour le Burkina Faso (BF)

• Données de rendement disponibles par province (45) sur 1984-2005 (Agristat)

• Données de pluie par station 1971-98• 1 à 3 stations météo par province, on prend la

moyenne• On construit de faux rendements pour 1971-83,

sur la base de la corrélation 1984-98• Questions :

– Corrélation indice – rendement suffisante ?– Quelle couverture géographique pour un contrat ?– Mêmes contrats pour ≠ cultures ? – Comment gérer les tendances dans les pluies ?

Un même contrat pour ≠ provinces ?

Un même contrat pour ≠ cultures ? (1)

Un même contrat pour ≠ cultures ? (2)contrat mil

Comment gérer une tendance ? (1)Province: Nahouri, pour du sorgho : contrat optimal sur les 28 ans

Comment gérer une tendance ? (2)Nahouri, sorgho : contrat défini sur les 15 1e années appliquées aux 13 suivantes

Comment gérer une tendance ? (3)Nahouri, sorgho : contrat redéfini chaque année sur les 13 dernières années

Comment gérer une tendance ? (4)Nahouri, sorgho : contrat redéfini chaque année avec modèle autorégressif

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 ?