Ce chapitre analyse la situation foncière des ménages des observatoires d’Alaotra et de Marovoay : patrimoine foncier possédé, parcelles exploitées sans en être propriétaire, cessions à des tiers, sécurisation foncière, et satisfaction des ménages par rapport à leur dotation en terre.
Les résultats présentés ci-dessous sont provisoires, et sont susceptibles de faire l’objet de corrections.
Alaotra. Sur les 507 ménages enquêtés, 237 (46.7 %) ne possèdent aucune parcelle. La très grande majorité des ménages (53.3 %) sont donc propriétaires d’au moins une parcelle (Figure 4.1). Les ménages propriétaires possèdent en moyenne 2.3 parcelles.
Marovoay. Sur les 519 ménages enquêtés, 253 (48.7 %) ne possèdent aucune parcelle. La très grande majorité des ménages (51.3 %) sont donc propriétaires d’au moins une parcelle (Figure 4.1). Les ménages propriétaires possèdent en moyenne 2 parcelles.
res_fr30a |>
expand_sites_for_profile() |>
filter(!is.na(fr30a)) |>
count(Observatory, fr30a) |>
mutate(pct = round(n / sum(n) * 100, 1), .by = Observatory) |>
ror_bar_v(x = fr30a, y_label = "% des ménages") +
labs(x = "Nombre de parcelles possédées")
fr30_data <- res_fr30 |> filter(!is.na(fr30c))
bind_rows(
fr30_data |>
count(j5, Observatory) |>
summarise(
Moyenne = round(mean(n), 1),
Mediane = median(n),
.by = Observatory
) |>
pivot_longer(-Observatory, names_to = "Stat", values_to = "val") |>
pivot_wider(names_from = Observatory, values_from = val) |>
mutate(Indicateur = "Nb parcelles / ménage", .before = 1),
fr30_data |>
filter(!is.na(fr30d)) |>
summarise(
Moyenne = round(mean(fr30d), 1),
Mediane = round(median(fr30d), 1),
.by = Observatory
) |>
pivot_longer(-Observatory, names_to = "Stat", values_to = "val") |>
pivot_wider(names_from = Observatory, values_from = val) |>
mutate(Indicateur = "Superficie / parcelle (ares)", .before = 1),
fr30_data |>
summarise(sup = sum(fr30d, na.rm = TRUE), .by = c(j5, Observatory)) |>
summarise(
Moyenne = round(mean(sup), 1),
Mediane = round(median(sup), 1),
.by = Observatory
) |>
pivot_longer(-Observatory, names_to = "Stat", values_to = "val") |>
pivot_wider(names_from = Observatory, values_from = val) |>
mutate(Indicateur = "Superficie totale / ménage (ares)", .before = 1)
) |>
gt() |>
tab_header(title = "Patrimoine foncier des ménages propriétaires")| Patrimoine foncier des ménages propriétaires | |||
| Indicateur | Stat | Alaotra | Marovoay |
|---|---|---|---|
Le Table 4.1 résume les principales caractéristiques du patrimoine foncier possédé.
Alaotra. La superficie moyenne par parcelle est de 51.6 ares, et la surface totale possédée par ménage atteint en moyenne 117.4 ares.
Marovoay. La superficie moyenne par parcelle est de 78.9 ares, et la surface totale possédée par ménage atteint en moyenne 163.2 ares.
Le patrimoine foncier des ménages se compose principalement de rizières et de champs de cultures pluviales (Figure 4.2).
Alaotra. Les rizières représentent 52.3 % des parcelles possédées et les champs 40.4 %.
Marovoay. Les rizières représentent 73.9 % des parcelles possédées et les champs 25.6 %.
fr30_data |>
expand_sites_for_profile() |>
mutate(Type = factor(as.character(fr30c), levels = names(type_labs), labels = type_labs)) |>
count(Observatory, Type) |>
mutate(pct = round(n / sum(n) * 100, 1), .by = Observatory) |>
make_bar_obs(x = Type, y_label = "% des parcelles")
La localisation des parcelles reflète les spécificités agro-écologiques de chaque site (Figure 4.3).
Alaotra. Les parcelles se concentrent principalement en plaine (45.3 %).
Marovoay. La localisation la plus fréquente est la plaine (67.3 %).
fr30_data |>
expand_sites_for_profile() |>
filter(!is.na(fr30e)) |>
mutate(Localisation = factor(as.character(fr30e), levels = names(loc_labs), labels = loc_labs)) |>
count(Observatory, Localisation) |>
mutate(pct = round(n / sum(n) * 100, 1), .by = Observatory) |>
make_bar_obs(x = Localisation, y_label = "% des parcelles")
L’accès à l’irrigation est un facteur déterminant de la productivité rizicole. La Figure 4.4 présente les modes d’irrigation des parcelles possédées par les ménages dans les deux observatoires. Les différences entre Alaotra et Marovoay reflètent les investissements hydrauliques historiques de chaque périmètre.
fr30_data |>
expand_sites_for_profile() |>
filter(!is.na(fr30f)) |>
mutate(Irrigation = factor(as.character(fr30f), levels = names(irrig_labs), labels = irrig_labs)) |>
count(Observatory, Irrigation) |>
mutate(pct = round(n / sum(n) * 100, 1), .by = Observatory) |>
make_bar_obs(x = Irrigation, y_label = "% des parcelles")
Le mode d’acquisition des parcelles renseigne sur la dynamique du marché foncier et le poids des transmissions familiales (Figure 4.5). L’héritage domine largement dans les deux observatoires.
Alaotra. L’héritage concerne 46.5 % des parcelles, l’achat 49.1 % et la mise en valeur 1.1 %.
Marovoay. L’héritage concerne 59.4 % des parcelles, l’achat 39 % et la mise en valeur 0.2 %.
fr30_data |>
expand_sites_for_profile() |>
filter(!is.na(fr30h)) |>
mutate(Acquisition = factor(as.character(fr30h), levels = names(acq_labs), labels = acq_labs)) |>
count(Observatory, Acquisition) |>
mutate(pct = round(n / sum(n) * 100, 1), .by = Observatory) |>
make_bar_obs(x = Acquisition, y_label = "% des parcelles")
L’ancienneté de possession témoigne de l’enracinement des ménages sur leurs terres (Figure 4.6). Une part importante des parcelles est détenue depuis plusieurs décennies, reflétant la continuité de l’occupation foncière dans les deux zones. Les acquisitions récentes (années 2010 et au-delà) sont toutefois observables, signe que le marché foncier reste actif.
anc_labs <- c(
"1" = "Avant 1970", "2" = "Années 1970", "3" = "Années 1980",
"4" = "Années 1990", "5" = "Années 2000", "6" = "Années 2010",
"8" = "Ne se rappelle pas"
)
fr30_data |>
expand_sites_for_profile() |>
filter(!is.na(fr30g)) |>
mutate(Periode = factor(as.character(fr30g), levels = names(anc_labs), labels = anc_labs)) |>
count(Observatory, Periode) |>
mutate(pct = round(n / sum(n) * 100, 1), .by = Observatory) |>
ror_bar_v(x = Periode, y_label = "% des parcelles", x_angle = 30)
La question de l’identité du propriétaire au sein du ménage soulève des enjeux de genre importants (Figure 4.7). Dans les deux observatoires, c’est le chef de ménage qui est déclaré propriétaire de la majorité des parcelles, ce qui illustre les inégalités d’accès au foncier.
Alaotra. Le chef de ménage est propriétaire de 63.5 % des parcelles ; le ou la conjoint(e) n’apparaît que dans 15.6 % des cas.
Marovoay. Le chef de ménage est propriétaire de 76.3 % des parcelles ; le ou la conjoint(e) n’apparaît que dans 8.8 % des cas.
fr30_data |>
expand_sites_for_profile() |>
filter(!is.na(fr30i)) |>
mutate(
fr30i_chr = as.character(fr30i),
Proprietaire = if_else(
fr30i_chr %in% names(prop_labs),
prop_labs[fr30i_chr],
"Autre"
)
) |>
count(Observatory, Proprietaire) |>
mutate(pct = round(n / sum(n) * 100, 1), .by = Observatory) |>
filter(pct >= 1) |>
make_bar_obs(x = Proprietaire, y_label = "% des parcelles")
La sécurisation foncière est un enjeu majeur à Madagascar. Les ménages peuvent détenir un titre foncier, un certificat foncier (délivré par le guichet foncier communal), ou divers documents informels. Les résultats de l’enquête révèlent un niveau de sécurisation formelle encore très faible (Figure 4.8).
Alaotra. Seules 16.2 % des parcelles disposent d’un titre foncier. Les certificats fonciers ne couvrent que 27.5 % des parcelles.
Marovoay. Seules 21.5 % des parcelles disposent d’un titre foncier. Les certificats fonciers ne couvrent que 28.3 % des parcelles.
En l’absence de titre ou de certificat, les ménages s’appuient sur des documents informels de nature très variable (Figure 4.9). Cependant, 34.5 % des parcelles ne sont accompagnées d’aucun document justificatif, ce qui expose ces ménages à un risque élevé d’insécurité foncière en cas de litige.
fr30_data |>
expand_sites_for_profile() |>
filter(!is.na(fr30n)) |>
mutate(Papier = factor(as.character(fr30n), levels = names(papier_labs), labels = papier_labs)) |>
count(Observatory, Papier) |>
mutate(pct = round(n / sum(n) * 100, 1), .by = Observatory) |>
make_bar_obs(x = Papier, y_label = "% des parcelles")
Les ménages propriétaires peuvent céder certaines de leurs parcelles à d’autres exploitants, sous forme de prêt, location, métayage ou mise en gage (Table 4.2), pour un total de 132 parcelles cédées.
Alaotra. Cette pratique concerne 9.3 % des ménages.
Marovoay. Cette pratique concerne 10.6 % des ménages.
res_fr30a |>
filter(!is.na(fr33a)) |>
summarise(
`Nb ménages` = n(),
`Cèdent (nb)` = sum(fr33a == 1, na.rm = TRUE),
`Cèdent (%)` = round(sum(fr33a == 1, na.rm = TRUE) / n() * 100, 1),
.by = Observatory
) |>
gt() |>
tab_header(title = "Ménages cédant des parcelles à des tiers")| Ménages cédant des parcelles à des tiers | |||
| Observatory | Nb ménages | Cèdent (nb) | Cèdent (%) |
|---|---|---|---|
Parmi les parcelles cédées, les modes de faire-valoir varient sensiblement d’un observatoire à l’autre (Figure 4.10). Le prêt et le métayage sont les formes les plus courantes de cession, le métayage occupant une place particulièrement importante dans les zones rizicoles.
fr33_data |>
expand_sites_for_profile() |>
mutate(Mode = factor(as.character(fr33gc), levels = names(fv_labs), labels = fv_labs)) |>
count(Observatory, Mode) |>
mutate(pct = round(n / sum(n) * 100, 1), .by = Observatory) |>
make_bar_obs(x = Mode, y_label = "% des parcelles cédées")
Les motivations de la cession reflètent des stratégies économiques diversifiées (Figure 4.11). Pour certains ménages, céder une parcelle répond à un besoin de liquidités ou à l’impossibilité de cultiver l’ensemble de leur patrimoine ; pour d’autres, il s’agit de maintenir un lien social avec la parenté ou le voisinage.
motif_cession |>
make_bar_obs(x = Motif, y_label = "% des parcelles cédées")
Les bénéficiaires des cessions sont principalement des membres de la famille ou des voisins (Figure 4.12), ce qui confirme le caractère en grande partie familial et communautaire du marché foncier local.
cedee_qui |>
make_bar_obs(x = Destinataire, y_label = "% des parcelles cédées")
En plus de leurs propres parcelles, de nombreux ménages exploitent des terres appartenant à d’autres propriétaires (Table 4.3), pour un total de 713 parcelles. Le recours à l’exploitation de terres d’autrui traduit soit une insuffisance du patrimoine propre, soit une stratégie de diversification de l’assiette foncière cultivée.
Alaotra. Cette pratique concerne 45.6 % des ménages.
Marovoay. Cette pratique concerne 46.8 % des ménages.
res_fr30a |>
filter(!is.na(fr34a)) |>
summarise(
`Nb ménages` = n(),
`Exploitent (nb)` = sum(fr34a == 1, na.rm = TRUE),
`Exploitent (%)` = round(sum(fr34a == 1, na.rm = TRUE) / n() * 100, 1),
.by = Observatory
) |>
gt() |>
tab_header(title = "Ménages exploitant des parcelles d'autrui")| Ménages exploitant des parcelles d'autrui | |||
| Observatory | Nb ménages | Exploitent (nb) | Exploitent (%) |
|---|---|---|---|
Les parcelles exploitées sans en être propriétaire sont, comme les parcelles possédées, majoritairement des rizières (Figure 4.13), reflétant la place centrale de la riziculture dans les stratégies des ménages.
fr34_data |>
expand_sites_for_profile() |>
mutate(Type = factor(as.character(fr30c1), levels = names(type_labs), labels = type_labs)) |>
count(Observatory, Type) |>
mutate(pct = round(n / sum(n) * 100, 1), .by = Observatory) |>
make_bar_obs(x = Type, y_label = "% des parcelles")
Le mode de faire-valoir des parcelles exploitées révèle l’équilibre local entre prêt, location et métayage (Figure 4.14). Le métayage, qui consiste à partager la récolte avec le propriétaire, reste une forme d’accès au foncier particulièrement répandue.
fr34_data |>
expand_sites_for_profile() |>
filter(!is.na(fr34g)) |>
mutate(Mode = factor(as.character(fr34g), levels = names(fv_labs), labels = fv_labs)) |>
count(Observatory, Mode) |>
mutate(pct = round(n / sum(n) * 100, 1), .by = Observatory) |>
make_bar_obs(x = Mode, y_label = "% des parcelles exploitées")
Les parcelles exploitées appartiennent le plus souvent à des membres de la famille ou à des voisins (Figure 4.15), ce qui témoigne du rôle des réseaux de proximité dans l’accès au foncier.
prop_exploitee |>
make_bar_obs(x = Proprietaire, y_label = "% des parcelles exploitées")
Le mode d’irrigation des parcelles exploitées diffère-t-il de celui des parcelles possédées ? La Figure 4.16 permet d’examiner si les ménages qui exploitent des terres d’autrui accèdent à des parcelles de même qualité irriguée.
fr34_data |>
expand_sites_for_profile() |>
filter(!is.na(fr34f)) |>
mutate(Irrigation = factor(as.character(fr34f), levels = names(irrig_labs), labels = irrig_labs)) |>
count(Observatory, Irrigation) |>
mutate(pct = round(n / sum(n) * 100, 1), .by = Observatory) |>
make_bar_obs(x = Irrigation, y_label = "% des parcelles exploitées")
Le coût de l’exploitation de terres d’autrui varie selon le mode de faire-valoir (Table 4.4). Les ménages locataires versent une rente en argent ou en nature, tandis que les métayers cèdent une part de la récolte au propriétaire, généralement comprise entre un quart et la moitié de la production.
fr34_data |>
filter(!is.na(fr34g)) |>
mutate(Mode = factor(as.character(fr34g), levels = names(fv_labs), labels = fv_labs)) |>
summarise(
`Nb parcelles` = n(),
`Rente argent moy. (Ar)` = round(mean(fr34n, na.rm = TRUE)),
`Rente produit moy. (kg)` = round(mean(fr34o, na.rm = TRUE)),
`% métayage moyen` = round(mean(fr34p, na.rm = TRUE), 1),
.by = c(Observatory, Mode)
) |>
arrange(Observatory, desc(`Nb parcelles`)) |>
gt() |>
tab_header(title = "Conditions des parcelles exploitées par mode de faire-valoir") |>
fmt_number(columns = c(`Rente argent moy. (Ar)`, `Rente produit moy. (kg)`),
use_seps = TRUE, decimals = 0)| Conditions des parcelles exploitées par mode de faire-valoir | |||||
| Observatory | Mode | Nb parcelles | Rente argent moy. (Ar) | Rente produit moy. (kg) | % métayage moyen |
|---|---|---|---|---|---|
L’abandon de la culture de certaines parcelles peut révéler des difficultés structurelles (dégradation des sols, problèmes d’irrigation, insécurité) ou conjoncturelles (manque de main-d’œuvre, coût des intrants) (Table 4.5).
Alaotra. Cette pratique touche 18.9 % des ménages.
Marovoay. Cette pratique touche 16.8 % des ménages.
res_fr30a |>
filter(!is.na(fr30p)) |>
summarise(
`Nb ménages` = n(),
`Ont abandonné (nb)` = sum(fr30p == 1, na.rm = TRUE),
`Ont abandonné (%)` = round(sum(fr30p == 1, na.rm = TRUE) / n() * 100, 1),
.by = Observatory
) |>
gt() |>
tab_header(title = "Abandon de la culture d'une ou plusieurs parcelles")| Abandon de la culture d'une ou plusieurs parcelles | |||
| Observatory | Nb ménages | Ont abandonné (nb) | Ont abandonné (%) |
|---|---|---|---|
Le jugement des ménages sur la suffisance de leur dotation foncière synthétise l’ensemble des contraintes analysées précédemment (Figure 4.17). Ce sentiment d’insuffisance foncière constitue un enjeu majeur pour les politiques de développement rural.
Alaotra. 29.2 % des ménages jugent leur surface insuffisante ou très insuffisante. Seuls 70.8 % estiment leur dotation suffisante.
Marovoay. 34.4 % des ménages jugent leur surface insuffisante ou très insuffisante. Seuls 65.5 % estiment leur dotation suffisante.
res_fr30a |>
expand_sites_for_profile() |>
filter(!is.na(fr30o)) |>
mutate(Satisfaction = factor(as.character(fr30o), levels = names(satis_labs), labels = satis_labs)) |>
count(Observatory, Satisfaction) |>
mutate(pct = round(n / sum(n) * 100, 1), .by = Observatory) |>
ror_bar_v(x = Satisfaction, y_label = "% des ménages")
Les données foncières offrent d’autres possibilités d’analyse qui n’ont pas été développées ici :
fr30q_a à fr30q_e) : cinq variables binaires dont les libellés exacts restent à confirmer dans le questionnaire.res_fr30 et res_fr34.fr33m1, fr33m2, fr33n) : montants moyens des loyers et parts de métayage perçus.fr30k, fr30m) : la correspondance entre le titulaire du document et le propriétaire déclaré mériterait une analyse genrée.