Un mod`

ele danalyse des politiques de modernisation

des p
erim`
etres irrigu
es alg
eriens. Cas du p
erim`
etre
irrigu
e de la Mitidja Est.
Cherif At-Ameur

To cite this version:

Cherif At-Ameur. Un mod`ele danalyse des politiques de modernisation des perim`etres irrigues
algeriens. Cas du perim`etre irrigue de la Mitidja Est.. Mohamed Salah Bachta. Les instruments
economiques et la modernisation des perim`etres irrigues, 2005, Kairouan, Tunisia. Cirad, 15 p.
<cirad-00193579>

HAL Id: cirad-00193579

http://hal.cirad.fr/cirad-00193579
Submitted on 4 Dec 2007

HAL is a multi-disciplinary open access

archive for the deposit and dissemination of scientific research documents, whether they are published or not. The documents may come from
teaching and research institutions in France or
abroad, or from public or private research centers.

Larchive ouverte pluridisciplinaire HAL, est

destinee au depot et `a la diffusion de documents
scientifiques de niveau recherche, publies ou non,
emanant des etablissements denseignement et de
recherche francais ou etrangers, des laboratoires
publics ou prives.

Actes du sminaire Euro Mditerranen

Les instruments conomiques et la modernisation des primtres irrigus , M.S. Bachta (d. sci.)
Sance 2. Analyse de la demande en eau
21-22 novembre 2005, Sousse, Tunisie.

Un modle danalyse des politiques de modernisation des primtres

irrigus algriens. Cas du primtre irrigu de la Mitidja Est.
Chrif AIT-AMEUR, INA, Alger ; aitameur@hotmail.com

Rsum
En Algrie o lagriculture est le principal consommateur deau, les rformes sont principalement orientes vers le
transfert de la gestion des primtres irrigus. La satisfaction des besoins en eau dirrigation reste toujours
insuffisante malgr les nombreux investissements raliss durant ces dernires dcennies. La majorit des
primtres irrigus, issue de lhritage colonial, prsente un systme traditionnel qui ne contribue pas
lamlioration de lefficience de lutilisation de leau. A cela sajoute un tarif de leau qui nincite pas les
principaux usagers conomiser la ressource. Dans ce contexte, la modernisation des primtres irrigus reste une
issue approprie pour une gestion efficace de leau usage agricole. Le but de notre recherche est de mettre en
uvre un outil danalyse des politiques de modernisation des primtres irrigus, notamment celui de la Mitidja
Est qui constitue notre terrain dtude. Loutil danalyse est conu sous la forme dun modle de programmation
stochastique discret qui estime les rponses des usagers lapplication des politiques des prix de leau dans
diffrents scnarios de politiques agricoles et dans un contexte de raret de la ressource. Le modle sera appliqu
lchelle dun type dexploitation du primtre de la Mitidja pour analyser les rgles de gestion et le systme de
tarification de leau dans diffrents schmas damnagement de la rgion.
Mots cls : modernisation, tarification, modle, primtre irrigu.

1 Introduction
En Algrie, la rforme des politiques macro-conomiques et la libralisation de lconomie ont eu
plusieurs consquences importantes sur lirrigation. Ainsi, la reconnaissance du caractre prcieux de
leau et de son cot de transformation dune source en une prestation de services sur lexploitation
agricole fait que le secteur de leau est devenu un objectif privilgi des futures rformes politiques.
Lirrigation ne peut progresser que si lefficience de lusage de leau agricole est amliore. Dans ce
contexte, la modernisation des primtres irrigus est indispensable pour le dveloppement de
lagriculture irrigue en Algrie. La durabilit du dveloppement agricole est fonction de la durabilit
de lutilisation de la ressource en eau. Les politiques du secteur de leau sefforceront de susciter chez
les usagers la volont dutiliser efficacement les ressources.

2 Objectif de la recherche
Notre recherche a pour but de proposer un modle de programmation mathmatique qui simule les
dcisions agronomiques sous les contraintes dincertitude climatique et de la disponibilit en eau
dirrigation. Notre rgion dtude est la plaine de la Mitidja. Lobjectif principal est de tester le modle
par des changements dvaluation dans les dcisions agricoles la suite de lapplication de diffrents
modes de tarification de leau.

3 Matriel et mthodes
Les modles micro-conomiques de production agricole en situation de risque sont issus de la thorie
de lutilit espre de Von Neumann et Morgenstern (1944). Le caractre alatoire de la variabilit du
climat induit une modification des techniques de production. La prise en compte de la variabilit des
coefficients techniques est bien reprsente dans des modles probabilistes ou stochastiques (Bouzit,
Rieu, Rio, 1995). Ces mthodes ont t initialement dveloppes par les travaux de Charnes et Cooper
(1959) qui ont propos un programme risque limit (chance constrained programming). Les
nombreuses approches pour analyser le risque qui utilisent les techniques de programmation
mathmatiques ont t discutes en dtail par Cocks (1968)1, Boisvert et Mc Carl2 et rcapitules par
Hardaker et Rae (1971), Apland et Hauer (1993). Les applications de la PSD3 sont plus abondantes dans
la littrature dconomie agricole et ont donn lieu de nombreuses utilisations dont les applications les
plus rcentes sont :
-

un modle de rgion de Sidi-Bel Abbs conu pour analyser des politiques dintensification en
Algrie et traiter les effets de lincertitude climatique sur la prise de dcision des agriculteurs en
zone semi-aride mditerranenne (Jacquet et Pluvinage, 1997) ;

une approche de la mthode ralise par Bouzit et al.(1995) pour analyser le comportement de
lensemble des exploitants irrigants du bassin de la Charente en France ;

Mejias et al. (2003) dveloppent un modle de programmation stochastique qui estime les
rponses des fermiers lapplication des politiques des prix de leau en Espagne ;

Morardet (1997) applique un modle stochastique agrg linaire pour lanalyse de la gestion de
leau en Charente en France.

3.1 Conception du modle de programmation stochastique discret

La fonction objectif dans le modle de programmation stochastique discrte consiste maximiser
lesprance de la marge dfinie comme la somme pondre par les probabilits doccurrence des
diffrents tats climatiques, des marges de chaque activit par tat climatique. Lactivit dans le modle
est dfinie comme une combinaison dune culture, dun mode dirrigation et dune technique de
production. Le modle4 peut tre prsent de la manire suivante :

Max

E ( Z ) = Ps Pw
s

sw

Ps : est la probabilit de ltat de la nature s de la dotation brute en eau

Pw : est la probabilit de ltat climatique w
Zsw : est la marge totale espre de lexploitation produite dans ltat de la nature s pendant lanne
climatique w: Z sw =
c jitw X 3 jitsw C Qsw C Ksw C i S e

cjitw : est la marge unitaire de chaque activit j utilisant une technique dirrigation i et une technique
de production t ralise pendant lanne climatique w
X3jitsw : superficie assigne lactivit j utilisant une technique dirrigation i et une technique de
production t ralise dans ltat de la nature s pendant lanne climatique w
CQsw : cots de la quantit deau dirrigation, Q, produite dans ltat de la nature s pendant lanne
climatique w.

K.D.Cocks University of California, Davis. Discret stochasting programming.

Mc Carl and Thomas screen

PSD : programmation stochastique discrte.

Nous avons utilis GAMS General Algebraic Modeling System pour lcriture du modle.

Le cot de la quantit deau dirrigation se compose par une partie variable, en fonction du volume
deau Qsw consomm cQ et dune partie fixe cx dtermine en fonction de la superficie irrigue Si qui
concerne la couverture des charges dexploitation de loffice du primtre irrigu. Cette contrainte est
introduite dans le modle de la manire suivante :
CQSW = cQ Qsw + cx Si
Cksw : cot dutilisation de la main duvre, K, dans ltat de la nature s et pendant lanne climatique

w
Ci : cot dutilisation de lquipement dirrigation pour une superficie quipe Se
sous les contraintes suivantes :
la terre :

X 3 jitsw S

lquipement dirrigation :

X 3 jitsw S e 0

les contraintes de transfert ou de liaison : X 1

ji

X3

jitsw
X2

jis

X3

jitsw

Contrainte dirrigation pour chaque tat de la nature s et chaque tat climatique w :

q jit X 3 jitsw = Q sw
j i t
tel que :

Q sw D s * E

X 1 ji 0; X 2 jits 0;

X 3 jitsw 0;

avec :
S:

superficie totale de lexploitation

Se :

superficie totale quipe en infrastructure dirrigation

X1ji : vecteur dactivit (culture, dose d irrigation) choisies en priode (1)

X2jits : vecteur dactivit (culture, dose dirrigation, technique de production) choisies en priode (2)
X3jitsw : vecteur dactivit dfinissant la connaissance du climat pour les deux priodes
Qjit : ncessit de la dose attribue chaque activit j utilisant une technique dirrigation i et un mode
de production t
Qsw : quantit deau en m3/ha utilise par les diffrentes activits pour chaque tat de la nature et pour
chaque tat climatique
Ds : dotation brute de leau dirrigation par tat de la nature en m3
E : coefficient defficience de distribution de leau dirrigation dans le primtre dirrigation

3.2 Dcision dans le modle de programmation stochastique

Le choix du niveau de dcision lchelle du primtre du Hamiz est fix en fonction de la souscription
en eau dirrigation prsente par les agriculteurs et du volume rellement distribu par lOPIM (Office
du Primtre Irrigu de la Mitidja). En effet la souscription commence en dbut de campagne, lusager
doit prsenter loffice sa demande en eau dirrigation en prcisant le nombre dhectares irriguer, le
type de cultures et le volume souhait. A la fin du dlai de souscription, loffice fixe le volume deau
dirrigation annuel lhectare pour chaque culture ainsi quventuellement les tours deau, ces
dmarches sont faites en dbut de campagne, en fonction des ressources alloues, des capacits de
transit du rseau et des demandes enregistres. Lusager qui a souscrit confirme sa souscription

loffice et se soumet aux modalits de tarification courante de recouvrement des factures dirrigation5.
Dans ce contexte, en dbut de campagne les agriculteurs se fixent un objectif de rendement (par rapport
un rendement potentiel qui suppose quil ny a pas de limitation en eau dirrigation) et ajustent leurs
apports dirrigation en fonction des conditions de lanne pour atteindre cet objectif. Ainsi, nous avons
dfini les diffrentes priodes de dcision de la manire suivante (figure 1) :
-

en premire priode, lagriculteur prend des dcisions dinvestissement en infrastructure

dirrigation, dinvestissement technologique dirrigation dans lexploitation et dattribution de la
superficie aux diffrentes cultures avant de disposer de linformation certaine de la disponibilit
en eau ;

dans la seconde priode, une fois la disponibilit de leau connue et en fonction du climat de
lanne, lagriculteur fait certains ajustements (choix de technique de production, changement
dassolement).
Figure 1. Arbre de dcision du modle de programmation stochastique discret.

3.3 Rgion dtude

La Mitidja est une vaste plaine alluviale, de 90 kilomtres de long et de 8 18 kilomtres de large, qui
stend au Sud de la ville dAlger. Elle est dlimite au Nord par la ride du Sahel, bande collinaire de
quelques kilomtres de large qui spare la plaine de la mer et sur laquelle est situe la ville dAlger. A
lEst de la ville, la baie dAlger incise le Sahel, et la plaine est borde par la mer. Au Sud, la plaine est
dlimite de faon relativement abrupte par le pimont de lAtlas. Cette plaine est dpartage en deux
sous-rgions qui sont la rgion de la Mitidja Est (primtre Hamiz) et la rgion de la Mitidja Ouest
(primtre Mitidja Ouest Mouzaia). La Mitidja Est occupe la partie orientale de la plaine, stendant sur
30 kilomtres environ entre lOued Harrach et la valle de lOued Boudouaou. Sa superficie
gographique est de 53 000 ha. Au Nord-Ouest, lextension vers lEst de la ville dAlger occupe une
importante partie de la plaine. La plaine de la Mitidja est gnralement plane et de pente faible. Elle fait
partie de la Rgion de planification hydraulique (RPH) lie au bassin versant de lAlgrois. Du point de
vue de lamnagement hydro-agricole, la plaine est divise en trois units lies la ressource en eau
(figure 2).

5 25 % ds la souscription annuelle ; 25 % en juillet. 50 % en fin de campagne dirrigation. Rapport de

prsentation de lOPIM de la Mitidja Est Hamiz 2003.

Figure 2. Les primtres irrigus de la plaine de la Mitidja.

A lchelle de lexploitation du primtre du Hamiz qui constitue notre principal terrain dtude, le
rseau dirrigation est divis en neuf secteurs. Les irrigants inscrits auprs de lOPIM utilisent leau
distribue par les prises selon des doses officielles. A la prise, un dbit moyen de 15 l/s est fourni pour
un lot de 20 hectares. A la parcelle, leau est rpartie entre les irrigants selon un tour deau. Lirrigation
est gravitaire. Les techniques darrosage sont gnralement des mthodes dirrigation de surface, il
sagit surtout de rigoles pour larboriculture et le marachage.. La rpartition des ressources nest pas
uniforme sur les diffrents secteurs. Le Hamiz littoral est le mieux desservi, principalement par le
barrage du Hamiz, le marais de Rghaa et la nappe de Bourah grce aux stations de pompage de ces
deux sites. La superficie totale des terres agricoles (superficie agricole utile surface agricole utile
brute) dans la Mitidja Centre et Est (y compris le Sahel Est) slve 72 000 ha, dont environ 27 000
(soit un peu plus du tiers) sont irrigus. Lirrigation concerne surtout larboriculture (agrumes et autres
arbres fruitiers ppins ou noyaux). Les cultures annuelles irrigues sont principalement les cultures
marachres.
La Mitidja Est englobe le primtre dirrigation trs ancien du Hamiz (datant de 1937) ; ce primtre
couvre en partie lEst de la plaine ainsi que le Sahel Est. Il stend sur une superficie de 18 000 ha
environ, mais la superficie des cultures irrigues partir du rseau ne dpasse pas actuellement 5 000
6 000 ha cause du dficit en eau et de lexpansion dmographique et spatiale des zones urbaines.
La superficie totale (SAU brute) est de 71 498 ha dont 34 333 ha dans la Mitidja Centre et 37 165 ha
dans la Mitidja Est. Larboriculture et la viticulture sont trs rpandues dans les deux primtres ; ces
cultures reprsentent en moyenne 34 % de la superficie totale, atteignant jusqu 41 % dans le Centre
et 28 % lEst. Les cultures en sec couvrent une surface dimportante similaire dans les deux
primtres (16 606 ha au Centre et 19 331 ha lEst) et reprsentent en moyenne 50 % de la superficie
agricole dans lanne de rfrence. Les cultures annuelles en sec sont principalement des grandes
cultures (surtout les crales et la vesce-avoine), et incluent aussi une proportion significative de
cultures marachres en sec, environ 6 000 ha. Les cultures annuelles en irrigu occupent une superficie
importante dans la zone, mais principalement lEst o 5 816 ha y sont consacrs. Elles reprsentent
7,1% au Centre, 15,6% lEst et 11,5 % sur lensemble de la zone. La plupart des cultures annuelles
irrigues sont des cultures marachres.
Une typologie des exploitations a t ralise au cours de la phase de modlisation dans la zone littorale
(secteur de 1 3) du primtre irrigu du Hamiz ou Mitidja. Ce choix a t dfini en fonction de la
disponibilit de la ressource (tableau 1).

Tableau 1. Typologie des exploitations primtre Mitidja Est Hamiz littoral.

Type
dexploitation

SAU

SAUI

Type I

(ha)
5

(%)
87,5*

Techniques
dirrigation
(%)
Gravitaire

Type II

10

80,7*

Gravitaire

Cultures
marachres
(%)
( 85,7**)
Tomate 25
Haricot 20
Courgette 15
(84,1 %**)
Tomate 24,5
Haricot 19,4
Po. de terre 16,4

Arboriculture
fruitire
(%)
(14,3**)
Oranger 58,6
Vigne 24,1
Verger 17,3
(15,9**)
Vigne 57
Oranger 43

Courgette T9,2
Type III

15

63,4*

Gravitaire

Type IV

30

85,4

Gravitaire

(91,6**)
Haricot 24,3
Tomate 17,9
Po. de terre 11,4
Courgette 10,8
(81,1**)
Po. de terre 24,7
Haricot 23
Tomate 13,8
Courgette 9,2

(8,4**)
Vigne 98,5

(19,9**)
Vigne 55
Oranger 25
Pommier 25

Source : Enqute Primtre irrigu Mitidja Est Hamiz littoral 2003

(1) pourcentage partir de la SAU, (2) pourcentage partir de la SAUI

Le type dexploitation IV a t retenu pour la phase de modlisation. Les cultures pratiques sont
larboriculture fruitire (vigne et pommier 6 ha) le reste dpend de la quantit deau fournie par lOPIM
(Office du primtre irrigu de la Mitidja), en marachage (en majorit tomate et pomme de terre) ou en
sec (vesce, avoine ou bl). La disponibilit en eau dtermine les assolements dans le primtre irrigu.
Lassolement inclut des cultures intensives haute rentabilit telles que les agrumes et les arbres
ppins ou noyaux et les cultures marachres. Sil y a un manque deau dirrigation, les grandes
cultures, les crales, les fourrages dt et la jachre prdominent. En gnral, dans le primtre,
lagriculture est oriente sur des spculations pour produire un excdent commercialisable. Le
financement constitue lun des problmes les plus dlicat auxquels sont confronts les agriculteurs.
Linsuffisance de crdit entrane une valorisation insuffisante du primtre. Les agriculteurs prfrent
les cultures cycle court, les spculations rapidement productives, partager les risques (cultures
intercalaires, plantations mixtes, arboriculture fruitire ou vigne), les produits ayant un double
dbouch (exemple la tomate livre en priorit la consommation en frais et accessoirement la
transformation) aux cultures demandant peu de matriel agricoles et peu de main duvre.

4 Principale source de risque de la rgion

Les principales sources de risques dans le modle sont le climat et la disponibilit en eau dans le
barrage du Hamiz.

4.1 Le climat
Dans la rgion dtude, le climat est mditerranen, doux et humide en hiver, chaux et sec en t.
Nanmoins, mme dans les zones septentrionales troites, on observe des variations climatiques qui
dterminent la vocation agricole. Sur le littoral, le climat est fortement influenc par la proximit de la
mer, les risques de geles sont moindres, les tempratures de lt sont moins leves et le taux
dhumidit dans lair est plus lev par rapport la plaine o le climat est continental et moins influenc
6

par la mer ; on enregistre en moyenne 11 jours de gele par an, les tempratures estivales sont leves
(maximum denviron 40 C), et lair est un peu plus sec. La pluviomtrie qui varie gnralement entre
280 et 800 mm/an est monomodale et le mois le plus pluvieux est le mois de dcembre. Sur la base de
ces constatations et sur la srie dobservation des prcipitations, nous avons dfini trois tats de la
nature pour le climat avec une distribution de probabilit W1 0.24 correspondant une anne sche,
W2 0.53 anne moyenne, et W3 0.23 anne humide (figures 3 et 4).
Les tats de la nature dans le modle PSD
Figure 3: tats climatiques: Distribution
Probabilit des niveaux de pr cipitation.
Plaine de la Mitidja
0,23
Variable CLIMAT ; distribution: Normale
16

0,53

Probabilit

14
12

Nb d'Obs.

10
8

0,24

6
4
2
0
200

434

667

900

Thoriq.

Catgorie (limites sup.)

Figure 3. Etats climatiques : distribution, probabilit des niveaux de rpartition dans la plaine de la Mitidja.

Figure 4: Distribution des probabilit

probabilits pour la
dotation en eau P
Prim
rimtre Mitidja Est.
Est. Etats de la
nature
Variable DOTATION; distribution: Normale

0,01
0,06

0,28

22
20

0,41

18
16

Probabilit

Nb d'Obs.

14
12
10
8
6

0,24

4
2
0
500

1600

2700

3800

4900

6000

Thoriq.

Dotation m3/ha

Figure 4. Distribution des probabilits pour la dotation en eau du primtre de la Mitidja Est.

4.2 Les dotations en eau

Les dotations en eau accordes au cours des campagnes dirrigation ont t dtermines daprs les
bilans de loffice dirrigation. Le rseau est aliment par trois ressources en eau diffrentes : le barrage
du Hamiz, les champs captants de Bourah et le marais de Rghaa. Ainsi, dans le primtre Mitidja, on
distingue deux parties alimentes par des ressources diffrentes : Hamiz plaine aliment uniquement du
barrage du Hamiz (6 secteurs) et Hamiz littoral (3 secteurs) aliment par les trois ressources. La
scheresse qui a svi ces dernires annes a beaucoup diminue la disponibilit partir du barrage. La
distribution des probabilits par tat de la nature est montre en figure 4.

5 Rsultats danalyse de modlisation

5.1 Scnarios danalyse
Scnario 1 : dans ce scnario, les simulations se distinguent par les hypothses et par lvolution du prix
de leau et des prix du march.
Scnario 2 : ce scnario correspond au programme de rhabilitation du primtre qui prvoit
lamlioration de lefficience de distribution de leau dirrigation
Le scnario 1 correspond au scnario de base du modle de programmation stochastique discret PSD.
On remarque que la demande en eau reste trs peu sensible une augmentation du prix pour une anne
sche Smin en comparaison avec une anne moyenne Smoy. Par ailleurs, le prix de leau a peu
dinfluence sur la demande tant donn que pour une anne moyenne, le prix nest sensible qu partir
de 10 Da/m3(figure 1).

5.2 Les rsultats de la modlisation

5.2.1

Scnario 1

La demande en eau pour une anne moyenne reste toujours rigide en comparaison dune anne humide
Smax qui elle reste sensible entre 5 et 10 Da/m3. (figure 5). La raison principale de cette rigidit qui
nincite pas conomiser leau dirrigation est due la faible part de leau dans les charges totales de
lexploitation pour les activits fortes valeurs ajoutes, comme la tomate, la pomme de terre ou
larboriculture fruitire. Une augmentation du prix de leau fournie par loffice des primtres irrigus
de 1,25 Da/m3 2,5 Da/m3 na pas vraiment dinfluence sur les marges dgages des activits
pratiques dans lexploitation.
Figure 5 : Sensibilit de la dem ande en eau au prix de l'eau
Efficience de distribution 0.7 Prim tre irrigu Ham iz
25
Qmax

Qmoy

Qmin

Prix de l'eau en Da/m3

20

15

10

0
0

20

40

60

80

100

Volum e d'eau consom m (en m illiers de m 3)

La demande en eau reste effectivement peu sensible laugmentation du prix, du fait aussi que les
dotations accordes par tat de la nature restent trs en dessous des besoins ncessaires pour les
activits pratiques dans lexploitation. La dotation accorde pour un tat Smin de 1 050 m3/ha avec
une probabilit de distribution de 0,24 correspond plutt une agriculture de survie. Il en est de mme
pour la fonction de demande en eau pour un tat Smoy qui est ltat le plus frquent dans le primtre et
qui nest pas sensible une lvation du tarif de leau.

Pour un tat de la nature Smax, trs peu ralisable (distribution de probabilit 0,01), quivalent une
dotation de 5 450 m3/ha, la demande en eau devient sensible partir dun prix compris entre 5 et 10
Da/m3 (figure 1).
Tableau 2. Distribution des probabilits pour les dotations en eau par tat de la nature.
S1
S2
S3
S4
S5
Dotations en m3/ha

1050 2105

3250

4250

5450

Probabilits de distribution

0,24

0,28

0,06

0,01

0,41

Le revenu de lexploitant reste trs peu sensible laugmentation du prix de leau. En doublant le prix
de leau de 1,25 Da/m3 2,5 Da/m3, la variation est presque ngligeable, elle est de 6 % du revenu de
lexploitant (tableau 3, figure 6). Le revenu minimum Revmin (figure 2) provient essentiellement des
cultures en sec telles que les crales (bl, sorgho) et les fourrages dt et de larboriculture dans
lexploitation pratiqus par des techniques peu exigeantes en eau dirrigation ou pratique avec des
doses de survie, alors que lcart entre un revenu minimum et un revenu moyen REVmoy
correspondant est li en lintroduction de cultures marachres (tomate, pomme de terre).
Tableau 3. Evolution du revenu et consommation en eau.
Prix de leau Rmoy Rmin
Rmax Qmoy
Qmin
Qmax
En milliers de m3

En milliers de Da
0

70,1

51,7

92,9

49,2

22,1

94,4

1,25

68,0

50,6

88,6

49,2

22,1

93,0

2,5

66,0

49,7

84,7

49,2

22,1

93,0

61,9

47,9

77,0

49,2

22,1

93,0

10

53,7

44,2

62,4

48,8

22,1

87,1

14

47,3

42,3

50,0

44,1

22,1

58,2

18

41,6

39,4

42,5

40,1

22,1

53,0

19

40,4

38,7

40,9

31,3

21,1

34,5

20

39,4

38,0

39,9

28,3

20,5

30,8

Figure 6 : Evolution du Revenu par hectare en fonction du prix de l'eau

Prim tre Ham iz
25

20

Prix en Da/m3

Rmax

Rmin

Rmoy

15

10

0
0,0

20,0

40,0

60,0

Revenu en m illiers de Da

80,0

100,0

Figure 7 : Effet du volum e d'eau sur la variabilit des revenus en fonction

du clim at Efficience 0,9
140,0

Revenu par hectare

(en milliers de Da)

120,0
100,0
80,0
60,0
40,0
20,0
0,0
S1 (28,35)

S2 (58,05)

S3 (87,75)

S4 (114,75)

S5 (118,5)

Volum e en m illiers de m 3 par tat de la nature

Climat humide

Climat moyen

Climat sec

Les rsultats danalyses du modle de programmation stochastique PSD suivant le scnario de base
montrent que les usagers de leau nemploient pratiquement que des techniques dirrigation
traditionnelle (figure 7).
Ce choix est d en particulier un faible prix de leau pratiqu par lOPIM de 2,5 Da/m3 qui nincite
pas lconomie de leau, et au montant lev de linvestissement en technique conome en eau. Mme
si on double le prix de leau de 1,25 Da/m3 (ancien tarif) 2,5 Da/m3, lusager naura sans doute pas
recours lutilisation de techniques modernes comme le goutte goutte (figure 7).

Figure 8: Disposition du meilleur plan d'irrigation

Efficience de distribution 0,7
100%
90%
gravitaire

% de la SAU irrigue

80%

goutte goutte

70%
60%
50%
40%
30%
20%
10%
0%
0

1,25

2,5

10

14

Prix de l'eau en Da/m3

10

18

19

20

5.2.2

Cas du scnario 2

Le scnario 2 correspond lamlioration de lefficience dutilisation du primtre irrigu, dans le

cadre du programme de rhabilitation du primtre irrigu.
Dans le primtre du Hamiz, on enregistre des taux de pertes en eau estimes 30 %. Ces pertes sont
imputables aux raccordements illicites des usagers, au gaspillage et des fuites deau dans le rseau de
distribution.
Lefficience technique ou de production peut-tre atteinte si le gaspillage des ressources est vit.
Thoriquement, certains auteurs sintressent plus particulirement la notion de non gaspillage,
dautres celle de moindre cot6. La notion de non gaspillage apparat lorsque la ressource en eau est
rare ; or pour ne pas consommer plus deau que ce quil est ncessaire, linvestissement ncessaire est
parfois coteux. Dans la notion de non gaspillage, lefficience est maximale si aucun moment du
processus de distribution il ny a pas de gaspillage (Rao 1993). Lauteur distingue trois types
defficience : lefficience de transport (de la source jusquau canal tertiaire), lefficience de distribution
(du canal tertiaire jusqu la surface irriguer) et lefficience dapplication la surface irrigue (de la
surface la plante). Ces trois types runis constituent lefficience totale du projet. La notion de moindre
cot est atteinte quand le prix pay pour obtenir la ressource en eau reflte son cot total savoir le cot
damene de leau, le cot dopportunit et le cot social.
En augmentant lefficience de distribution de leau dirrigation du primtre, les rsultats confirment les
prfrences des usagers qui prsentent une tendance utiliser plus des techniques traditionnelles (figure
9). Ce constat vient toujours du fait quune augmentation du prix de leau 2,5 Da/m3 naura aucune
influence sur le choix des techniques de modernisation du primtre.
figure 9 : Disposition du m eilleurs plan d'irrigation en :
Efficience en eau 0,9
Scnario 2

100%
90%
Gravitaire

% SAUI irrigue

80%

Goutte goutte

70%
60%
50%
40%
30%
20%
10%
0%
0

1,25

2,5

10

14

18

19

20

Prix en Da/m 3

La figure 10 prsente les rsultats de programmation stochastique discrets pour une efficience de
distribution de leau 90 %, soit un taux de perte de 10 %. La demande en eau apparat sensible au prix
de leau partir de 10 Da/m3, sauf pour ltat Qmin qui correspond ltat de la nature Smin.

Une allocation efficiente de leau est celle qui maximise le bnfice total net qui peut tre produit par la quantit
disponible de la ressource ralis par un tat disponible de technologie (Yacov Tsur, Dinar Ariel 1997).

11

figure 10 : Sensibililit de la demande en eau au prix de l'eau

Efficience de distribution de l'eau 0,9
25

En Da/m3

20

15

10

0
0,0

20,0

40,0

60,0

80,0

100,0

120,0

140,0

en m illier de m 3
Qmax

Qmoy

Qmin

Si on augmente lefficience dirrigation de 20 % (figures 11 et 12), on constate une rduction de la

superficie en sec dans lexploitation pour ltat S1 et S2. La prsence des cultures en sec montre que les
dotations accordes pour chaque tat de la nature sont trs en dessous des besoins exprims par les
agriculteurs.
Figure 11: Part de la surface irrigue en fonction des tats
de la nature
Efficience 70%
en sec

25

en irrigue

Surface en ha

20
15
10
5
0
S1

S2

S3

S4

Etats de la nature

12

S5

Figure 12 : Part de la surface irrigue en fonction des tats de

la nature
efficience de distribution 90%

Surface en ha

25

sec

irr igue

20
15
10
5
0
S1

S2

S3

S4

S5

Etats de la nature

6 Conclusion
Les rsultats danalyses du modle de programmation stochastique montrent que les usagers de leau
dans la plaine de la Mitidja ont peu recours lutilisation des techniques modernes dirrigation. Lune
des raisons principales est due au faible prix de leau pratiqu par lOPIM (2,5 Da/m3) qui nincite pas
les agriculteurs conomiser la ressource. Le manque deau dans le primtre irrigu de la Mitidja Est
conditionne aussi le choix des techniques de production de la rgion. La raison est due aux faibles
dotations en eau accordes surtout pour les tats S1 et S2 qui reprsentent plus de 60 % des probabilits
de distributions dans le primtre. Les usagers de leau sont confronts deux situations extrmes de la
disponibilit de la ressource : soit un tat catastrophique attribu une agriculture de survie, soit une
disponibilit abondante de la ressource, tat qui est observ trs rarement dans le primtre. Ces deux
cas nincitent pas lutilisation des techniques de modernisation dans le primtre, sauf pour un tarif de
leau beaucoup plus lev compris entre 5 et 10 Da/m3. Une augmentation de lefficience de
distribution deau dirrigation dans le primtre (scnario 2) rduit les pratiques en culture sche dans
lexploitation mais nincite pas les usagers utiliser des techniques conomes en eau. La raison est due
principalement toujours un faible tarif de leau. Les conditions extrmes de la disponibilit de leau
font apparatre des contraintes de lagriculture irrigue. Par exemple, les oprations de rpartition et de
distribution de leau dirrigation entre les usagers ne sont pas aises en raison dune forte demande en
eau comparativement loffre (voir les fonctions de demande). Le manque deau conditionne les
stratgies des agriculteurs qui essaient souvent de cultiver des superficies plus grandes que celles quils
ont souscrites auprs de lOPIM, ce qui fait, quen dbut de campagne agricole la demande est souvent
suprieure loffre.
Bibliographie
Ait-ameur C., 1996. Diversification et irrigation. Application dun modle multi-priodique. Le cas de la plaine
Biterroise France. Thse Master of Science. IAM Montpellier.
Ait-ameur C., 2004. Modernisation et gestion de leau dans les primtres irrigus. Le cas du Hamiz.
Communication sminaire Euro- Mditerranen. La modernisation de lagriculture irrigue. Rabat, Maroc 19 au
23 avril 2004.
Apland J., Hauer G., 1993. Discrete stochastic programming: Concepts, examples and a review of empirical
applications. University of Minnesota, St Paul United state of America. p. 93
Blanco M., 1999. La cnomia del agua : analisis de politicas de modernisation y mejora de ragadios en Espana.
Tesis doctoral, universit politecnica de Madrid, Escuela Tcnica Superior de ingenieros Agronomos. 313 p.
Bouzit A.M., Rieu T., Rio P., 1995. Modlisation du comportement des exploitants agricoles tenant compte du
risque : application du Motad gnralis. Cemagref Editions, Antony. p. 75-79.
Brooke A., Kendrick D., Meeraus A., 1988. General Algebraic modeling system GAMS A Users Guide. Boyd &
Fraser publishing company, Danvers, Massachusetts.
Bruce A. McC., Spreen T.H., 1997. Applied Mathematical Programming Using Algebrac System.

13

Cocks K.D., 1968. Discrete stochastic programming. University of California Davis. Management science, 25 :
72-79.
Chambers R.G., Just R.E., 1989. Estimating multioutput technologies. American Journal of Agricultural
Economics, 71 : 980-995.
Charnes A., Cooper W.W., 1959. Chance constrained programming. Management Science, 6 : 73-79.
Consuelo Varela Ortega, Jos M. Sumpsi, Alberto Garrido, Maria Blanco, Eva Iglesias, 1998. Water pricing
policies, public decision making and farmers response: implications for water policy. Agriculture economics
1998, p 193-202.
Dinar A., Yaron D., 1992. Adoption and abandonment of irrigation technologies, Agricultural economics, 6 : 315
32.
Dinar A., Rosegrant M.W., Meinzen-Dick R., 1997. Water allocation mechanisms, principles and examples.
World Bank, policy research, working paper 1779, Washington, DC.
Garnier B.D., 1997. Some Implications of Federal Grazing, Timber, Irrigation, and Recreation Subsidies. Choices.
Third Quarter: p. 9-14.
Garrido A., Varela Ortega C., Sumpsi J.M., 1997. The Interaction of Agricultural Pricing Policies and Water
Districts Modernization Programs: A Question with Unexpected Answers. Paper presented to the Eighth
Annual Conference of the European Association of Environmental and Resource Economists, Tilburg, Pays-Bas,
26-28 juin.
Hardaker J.B. , G. Lien, 2003. Stochastic efficiency analysis with risk aversion bounds: A simplified approach.
University of New England. Working paper series Agricultural and resource economics mars 2003.
Hazell P.B.R., 1971. A linear alternative to quadratic and semi-variance programming farm planning under
uncertainty. American journal of agriculture economics 53 : 239-252.
Howe C., Schurmeier D.R., Shaw W.D, 1986. Innovation approaches to water allocation: the potential for water
markets. Water resources research, 22 (4) : 439-445.
Jacquet F., Pluvinage J., 1995. Climatic Uncertainty and farm Policy. A Discret Stochasting Programming Model
for Cereal-Livestock Farms in Algeria. Agricultural Systems, 53 : 387-407.
Johanson R.C., Tsur Y., Roe T.L., Doukkali R., Dinar A., 2002. Pricing irrigation water: A review of theory and
practice. Water Policy 4 : 173-199.
Kissira M. Encadrement PNDAR, Conseils pratiques pour linvestissement en irrigation. Ministre de
lagriculture et du dveloppement rural. INSID 2002.
Mejias P., Varela-Ortega C., Flichman G., 2003. Integrating Agricultural Policies and Water Policies under Water
Supply and Climatic Uncertainty. International conference of Agricultural economies IAAE, 16-23 August.
Markowitz H.M., 1959. Portfolio selection : Efficient diversification of investments. Wiley, New York, EtatsUnis.
Montginoul, M., Rieu, T., 1997. Approche conomique pour concilier irrigation et environnement dans le bassin
versant de la Charente. Water : Economics, management and demands. E&FN SPON.
Moore, M.R., Negri D.H., 1992. A Multi-crop Production Model of irrigated Agriculture, applied to water
allocation policy of the bureau of reclamation. Journal of Agricultural and resources Economies. 17, p 30-43.
Moore M.R., Gollehon N.R., Carey M.B., 1994. A Multicrop Production Decision in Western Irrigated
Agriculture: The Role of Water Price. American Journal of Agricultural Economies, 11, p. 143-158.
Hazell P.B.R, Norton R.D., (1986). Mathematical programming for economic analysis in agriculture. Mac Millan
Publishing Company New York.
Rae A. (1971): Stochastic programming utility and sequential decision problem in farm management . American
Journal of Agricultural Economics, 53, pp 448-460.
Rao P.S., 1993. Review of selected literature on indicators of irrigation performance, IIMI systems, research
report 4, Washington DC, world resources institute, December.
Sampath R. K., 1992. Issues in irrigation pricing in developing countries. World Development, 20 : 967-977.
Seagrave J. A.; Easter, K. W. (1983): Pricing irrigation water in developing countries. Water resources Bulletin 4 :
663-671.
Stephenson D., 1999. Demand management theory. Water SA 25 (2) : 117-122.
Tsur Y., Dinar A., 1997. The relative efficiency and implementation costs of alternative methods for pricing
irrigation water. The world bank economic review, vol. 11, NO. 2: page 243-62.

14

Tsur Y., Zemel A. (1995). Uncertainty and irreversibility in groundwater resource management. Journal of
environmental economics and management, 29 : 149-161.
Von Neuman J., Morgenstern, O., 1944. Theory of games and economic behavior. Princeton, NJ Princeton
University Press.
Zilberman D., 1998. Agricultural and Environmental Policies. Economics of Production, Technologies, Risk
agricultural and environment. Ed.Carlo Cafiero. University of California, Berkeley.

15