CAMAR

Competitiveness of Agriculture & Management of Agricultural resources

Introduction

Face à la difficulté des fermes des zones rurales défavorisées à assurer leur pérennité, la Commission Européenne a lancé en 1990/91 un vaste appel d’offre de recherche sur la compétitivité de l'agriculture et la gestion des ressources agricoles: le projet CAMAR (Competitiveness of Agriculture and Management of Agricultural Ressources).

Le système interactif d'aide à la décision développé dans ce projet a permis d’évaluer ex-ante les conséquences possibles de la Politique Agricole Commune (PAC) sur les pratiques et les productions des fermes d'élevage en Auvergne et Limousin, i.e. :

Quelles conséquences pourraient avoir la nouvelle PAC sur les résultats économiques des fermes d'élevage en Auvergne et Limousin ?

Quelles sont les stratégies d'adaptation qu'elles pourraient mettre en œuvre et en particulier, quelle place pourrait prendre les productions agricoles non contingentées par la nouvelle PAC (élevages de volailles, de gros gibiers, cultures de petits fruits...) les activités de transformations des produits de la ferme (fromagerie, charcuterie ....) et les activités non agricoles (gîte rural par exemple) ?.

Ce document décrit la méthode mise en oeuvre pour répondre à ces questions, et fournit un exemple de dialogue entre l’utilisateur et le DSS CAMAR, tel qu’il est rapporté par le DSS dans un fichier texte, lorsque le DSS est mis en oeuvre en mode interactif.

CAMAR DSS est un assemble de programmes écrits en langage PROLOG et PASCAL, qui utilise conjointement :

- une base données statistique (RICA) et un algorithme de classification hierarchique ascendante pour identifier les principaux type d'agriculteurs d'une région, 

- un moteur d'inférence à base de règles pour simuler les mécanismes cognitifs "prétés" aux agriculteurs, mécanismes définis par un groupe d'experts du domain (connaissances acquises par l'analyse du fonctionnement d'une centaine de fermes depuis une dizaine d'années) . Ecrit en PROLOG le programme informatique qui exploite la base de règles (moteur d'inference) est capable d'expliquer le résultat de chaque étape du raisonnement simulé en affichant les valeurs des prémisses des règles qui ont conduit au résultat proposé. Voir details en fin document. 

- un algorithme de recherche opérationnelle écrit en langage PASCAL pour identifier le cas échéant les combinaisons optimales des moyens et activités de certaines fermes, ainsi que les facteurs limitants des changements (voir volet SIMPLEX SIMPLEX).

- et un tableur pour agréger -- en les pondérant-- les résultats obtenus pour chaque type de ferme et obtenir ainsi une approximation de l'impact de la PAC sur une région. 

Méthode

Les réponses à ces questions ont été construites en 3 temps :

1. définition du système mis en question (Qui suis-je ?). Les types de ferme étudiés ont été" définis en construisant une typologie des 470 élevages qui constituaient le RICA (Réseau d'Informations Comptables Agricoles (¹)) de ces deux régions en 1990 en Auvergne et Limousin. Une Classification Ascendante Hiérarchique de ces élevages a conduit à les regrouper en 60 "classes" -- chacune des classes rassemblant des élevages qui se ressemblent plus entre eux qu'ils ne ressemblent aux autres, 60 types de fermes qui représentent l’essentiel de la diversité des situations, pratiques, résultats et stimuli des éleveurs des 2 régions d'étude (65% de la variance totale),  ainsi que le nombre de fermes réelles que représente chaaque type (coefficient d'extrapolation (¹)). Notons qu'en procédant ainsi, nous -- et par conséquent le modèle prospectif CAMAR, postulons que les comportements des éleveurs d'un terroitoir résultent pour une part d'une tendance au mimétisme.

Notons qu'en procédant ainsi, on -- et par conséquent le modèle prospectif CAMAR, postule que les comportements des éleveurs d'un terroitoir résultent pour une part d'une tendance au mimétisme.

Chaque type de ferme se trouve ainsi décrit par 80 pararmètres qui caractérisent son état en 1990, et qui constituent les principaux facteurs internes susceptibles d'influer sur les choix stratégiques des éleveurs : le profil du décideur (age, succession. . .), les moyens de production mis en œuvre (terre, capital, travail), les techniques pratiquées (cheptel, mode d'utilisation du sol, types de produits vendus, valeur des intrants), les résultats économiques obtenus (produit brut de chaque activité, aides et subventions, marge brute et revenu).

Le contexte économique simulé a été décrit par une quarantaine de paramètres qui représentent les principaux facteurs externes susceptibles d’influer sur les choix stratégiques des éleveurs : droits à produire (nombre de litres de quotas de

production laitière, nombre de vaches allaitantes primées...), prix des principaux produits vendus et achetés, valeurs et conditions d'attribution des primes compensatoires, coût des capitaux, coût de la vie, etc.

2. simulation d'un processus de décision (théorie) dans chaque type de ferme, qui comprend 4 étapes (Figure 1):

2.1. une phase de prévision (Où vais-je ?), qui consiste à calculer l'impact de la nouvelle PAC sur les résultats économiques dans l'hypothèse d'un statu quo stratégique, en simulant les relations qui lient les résultats économiques d'une ferme à ses caractéristiques structurelles et techniques et à son environnement économique et réglementaire, avec les prix et les subventions définis par la nouvelle PAC.

Le modèle de calcul de l'impact de la PAC est exprimée sous la forme d’une liste d’équations liant les résultats économiques et certains descripteurs de l'environnement. La plupart de ces équations sont simples. Exemples :

- évolution du produit bovin viande = valeur du produit bovin viande en 1990 * indice d'évolution

des prix de la viande bovine.

- nouveau revenu = revenu en 1990 + évolution du produit bovin viande + évolution du produit bovin lait + évolution du produit ovin + évolution du produit des céréales + évolution des produits des activités alternatives + évolution des primes compensatoires - évolution des charges.

...

Seule la formule de calcul de l'évolution des primes compensatoires est sensiblement plus compliquée en raison de la complexité des conditions d’octroi et des modalités de calcul des primes prévues par la nouvelle PAC. Elle est exprimée sous la forme d’une base de règles dont les prémisses représentent les différentes situations structurelles et techniques possibles ; les conclusions représentant les différentes modalités de calcul des primes qui se rattachent à chaque situation.

2.2. une phase de diagnostic (Objectifs ?), qui consiste à identifier les stimuli que pourrait générer un statu-quo stratégique sous la nouvelle PAC en comparant les résultats économiques obtenus sous la nouvelle PAC à ceux de 1990 (nouvelles forces, faiblesses, freins et opportunités).

Le processus de diagnostic a été formalisé au travers d’une base de règles dont les prémisses représentent les différents tests effectués sur l’état des exploitations dans environnement simulé (accroissement de la capacité d’investissement,accroissement du revenu disponible pour la famille...),, les conclusions représentant les différents types de problèmes et stimuli qui correspondent aux différents résultats de ces tests, ainsi que leurs facteurs explicatifs

Les règles qui permettent dl’identifier les éventuels problèmes et autres stimuli de demain (i.e. trop faible degré de satisfaction des besoins familiaux, faible capacité d’investissement, forte propension à l'agrandissement...) se référent a des normes socio-économiques, mais tiennent compte de l'age de l'éleveur et de la présence d’un successeur...). Ces normes ont été établies a partir des enquêtes et autres études effectuées. Stockées dans un fichier de paramètres, elles sont aisément modifiables et peuvent ainsi elles aussi constituer des éléments de scenarii Exemple :

- si (age de l'éleveur < 45 ans) ou (age > 45 ans et plus de deux travailleurs et revenu/travailleur < deux fois le revenu

minimum et excédent brut d'exploitation-annuité < capacité d’autofinancement minimum) alors revenu insuffisant et faible capacité d'investissement.

Les règles d’identification des facteurs explicatifs des problèmes et stimuli diagnostiqués (trop faible dimension de l'appareil de production, mauvaise maîtrise technique du système pratiqué, pas droit au supplément extensif ...) se référent à des normes techno-économique qui tiennent compte des systèmes de production pratiqués. Exemple :

- si revenu insuffisant et spécialisation viande bovine et surface/travailleur <=minimum nécessaire en production de viande bovine alors problèmes de revenu lié a une surface insuffisante en système viande spécialisé.

2.3. une phase de planification (Solutions ?), qui consiste à identifier les stratégie et les actions susceptibles d'être engagées en réponse aux stimuli générés par la PAC (cohérence) avec les moyens disponibles.

Le processus de planification se déroule en deux temps. La première phase consiste à identifier les stratégies d’adaptation que pourraient générer les stimuli mis en évidence, et qui seraient susceptibles de résoudre tour ou partie des problèmes diagnostiqués. La deuxième phase vise à identifier les actions que pourraient recouvrir ces stratégies.

Le processus d’identification des stratégies d'adaptation a été formalisé au travers d'une base de règles dont les prémisses représentent les différents types de problèmes et stimuli (et leurs principaux facteurs explicatifs) identifies par le processus de diagnostic, les conclusions représentant les stratégies-solutions correspondantes. Exemple :

- si revenu insuffisant et faible capacité d’investissement et problèmes de revenu lies a une surface insuffisante en système viande spécialisé, alors recherche du maximum de primes compensatoires a partir du système initial et mise en place d’activités alternatives peu exigeantes en surface et capitaux

Le processus d’identification des actions qui pourraient être entreprises a été formalisé au travers de trois algorithmes de calcul :

-le premier permet d’identifier les changements qui permettraient de maximiser les primes compensatoires dans l’enviror1nement simule (déclaration d'une partie des céréales et/ou du mais fourrage en herbe, agrandissement pour réduire le niveau du chargement et accéder au supplément extensif) ;

- le second permet de calculer l’évolution que pourrait connaître les productions classiques et la place que pourraient prendre certaines activités alternatives, sans remettre en cause les activités de base du système, et avec les moyens de production initiaux ;

- le dernier permet d’identifier la combinaison d’activités qui permettrait de maximiser la marge brute globale des fermes-entreprises, en remettant en cause tout ou partie des activités de base du système initial, et en tenant compte de l’évolution possible de leur moyens de production (augmentation de leur force de travail et de leur capacité d’investissement liées à l''installation d’un successeur).

Les deux premiers algorithmes ont été formalisés au travers de bases de règles, dont les prémisses représentent les différents types de situations structurelles et techniques intervenant dans les calculs, les conclusions représentant les adaptations susceptibles de majorer la valeur des primes, d'améliorer les résultats techniques des productions

classiques, et d’employer les moyens de production non utilisés par le système initial.

Le modèle de calcul de la combinaison d'activités susceptibles de maximiser la marge brute globale des exploitations est un algorithme de maximisation d'une fonction de production sous contraintes adaptée a chaque type de ferme. De type simplexe (voir definition et méthode dans  educator6.webnode.fr/decidons/definitions/ ), cet algorithme met en oeuvre trois types données :

- la fonction d'utilité a maximiser, qui est constituée par la liste des marge brutes unitaires des 25 activités classiques et alternatives mises en concurrence, dans le contexte économique simulé (cf actions possibles figure 1),

- les coefficients technologiques, qui décrivent les moyens de production nécessaires a l'élaboration d'une unité de produit de chacune des activités mise en concurrence,

-les contraintes à satisfaire, qui sont constituées par les moyens de production dont disposent (ou pourraient disposer) les exploitations (cf état initial, figure 1).

Outre la place que pourraient prendre les activités alternatives dans le cadre d'une stratégie d'optimisation des moyens disponibles, cet algorithme de calcul permet d’identifier les moyens de productions qui, dans le contexte simulé, pourraient être les plus recherches, via la valeur de la productivité marginale (ou coût d’opportunité) de chacun d’eux.

2.4. une phase d'argumentation (Pourquoi?), qui consiste à simuler la mise en œuvre de la stratégie élaborée et à comparer les résultats aux objectifs du fermier, puis – considérant que dans un environnement turbulent, l’argumentation d’une décision est tout aussi importante que l'élaboration de la décision elle memême – à tester la stabilité de cette stratégie en modifiant la PAC simulée (diminution des prix des produits classiques de 10 %

plus importante que celle retenue dans Le scenario de base, baisse du plafond de chargement qui conditionne

L’attribution des aides à l'extensification) et l’espace des solutions possibles (types d’actions et d’activités possibles).

3. agrégation des décisions au niveau de chaque région en utilisant le poids statistique de chaque type de ferme.

Plus de détails sur la méthode et les résultats de sa mise en oeuvre peuvent être obtenus en consultant la rubrique "Utilement" "CAMAR Appli"  du site : https://educator6.webnode.fr/decidons/applications/

PS:

Le moteur d'inférence du SIAD CAMAR est un programme ecrit en langage Prolog  qui exploite des instructions-- règles de production élaborées par des experts du domaine pout réaliser chaque phase du raisonnement ( forecasting, diagnosing, planning et reviewing (voir schema du raisonnement simulé)).

- Ces règles sont écrites sous la forme de prédicats respectant une logique d'ordre 1, i. e. avec des assertions formulées sur des variables. Elles sont de la forme : SI  ALORS , où les conditions (ptemisses) et les conclusions sont de la forme = .

- Les Faits sont rassemblés dans des base de Faits. Une des bases de Faits decrit les fermes dont la dynamique est questionnée (etat initial), une autre decrit la politique simulée (scenario)

SIAD CAMAR explore chaque base de règles en "chaînage avant" pour déduire les conséquences des assertions. Puis si l'utilisateur le souhaite, "en chaînage arrière" pour expliquer un résultat.

En chainage avant le moteur d'inférence procède comme suit :p
1. Saisie des faits initiaux
2. Fltrage => Détermination des règles applicables
3. Tant que ensemble de règles applicables n'est pas vide ET que le problème n'est pas résolu,
Faire :
a. Résolution des conflits (choix de la règle adéquat)
b. Application de la règle choisie (exécution)
c. Modification (éventuellement) de l'ensemble des règles applicables
Fin de Faire
Fin de Tant  que.

En chaînage arrière, le moteur d'inférence procède comme suit:
1. Recherche les règles qui concluent sur le but à vérifier, et s'assurent que ces règles sont "déclenchables" (une règle est déclenchable si ses prémisses sont vérfiées)
2. Si parmi les règles sélectionnées, une règle est déclenchable, alors le but est vérifié (affichage des premisses constitue l'explication du résultat questionne)
Si ce n'est pas le cas, alors les prémisses à vérifier deviennent de nouveaux buts, appelés sous-buts, et le processus est réitéré.

Principales conditions d'arrêt :
L'ensemble des sous-buts est vide (succès) = tous les sous-buts ont été vérifiés et le problème est résolu

Impasse ou échec :  
- Soit un des sous - buts n'est pas vérifiable avec la règle courante et il faut choisir une nouvelle règle pour le vérifier,
- Soit cela n'est pas possible, alors il y a échec.
 

Autres publications

Rendre compte de la diversité des exploitations agricoles : une démarche d'analyse par exploration conjointe de sources statistiques comptables et technico-économiques

Abstract

Représentation des décisions des agriculteurs face à une politique d’incitation agri-environnementale : apports d’une démarche d’ingénieries des connaissances.

Résumé