# Introduction e contexte de libéralisation a conduit les économies nationales à un élargissement des domaines de la concurrence à l'internationale, soumettant ainsi les agro industries à l'exigence de développement technologique très rapide en vue de l'amélioration de leur processus productif. Cette profonde mutation de l'économie mondiale en période trouble a été caractérisée par des perturbations économiques fondamentales dans le secteur de l'agroindustrie conduisant à une crise alimentaire généralisée dans les pays en développement en 2008. En effet, l'agro-industrie concerne généralement les unités de production du secteur manufacturier qui transforment les matières premières et semi-produits de même nature, provenant de l'agriculture au sens large, mais aussi la foresterie et la pêche. Les branches agroindustrielles permettent alors la transformation des matières premières agricoles de même nature en produits semi-finis, à valeurs ajoutées plus grandes et créant en même temps des revenus et des emplois en contribuant au développement économique des nations. Au Cameroun, à la veille de l'indépendance des nombreux sites agro industriels furent choisis pour l'expansion agro-industrielle illustrée par la création des vastes plantations nécessaires pour l'industrie naissante. Ainsi, l'agro-industrie a été un instrument-clé destiné à répondre aux besoins alimentaires des populations urbaines de plus en plus nombreuses suite à l'exode rural. Ce mouvement a permis l' amélioration des rendements des entreprises des secteurs publics et privés, et accroître de façon significative l'efficacité technique de ses branches agro-industrielles afin d'apporter des réponses appropriées et de les rendre plus compétitives. En effet, les agro-industries camerounaises du secteur public qui, pour la plupart ont été créées pour servir de moteur de la locomotive au développement économique et au progrès social se trouvent très souvent soumises à la mauvaise gestion ne leur permettant pas d'améliorer leur capacité de fournir les biens et services nécessaires à une économie encore peu performante, à la recherche d'une expansion pour des populations de plus en plus nombreuses et jeunes. Ainsi, nous sommes conduits à la question fondamentale suivante : Les branches agroindustrielles camerounaises sont-elles techniquement efficace? Cette préoccupation pour l'efficacité technique des branches agro-industrielles camerounaises, nous amène à un certain nombre de questionnements qui permettront de mieux cerner le problème. Qu'est ce que l'efficacité technique? Quel est le niveau actuel de l'efficacité technique des branches agro-industrielles camerounaises? Quels sont les déterminants de l'efficacité technique? Comment mesurer l'efficacité technique des branches? Quels sont les facteurs explicatifs et constitutifs de leurs diverses efficacités techniques ? Comment les branches agro-industrielles peuvent améliorer l'efficacité technique afin de tirer le maximum de profit? L'absence d'une étude économique rigoureuse sur les branches agroindustrielles camerounaises avec des implications de politiques économiques milite en faveur d'une telle entreprise. D'où, la nécessité d'entreprendre cette étude relative à l'approche non paramétrique de l'efficacité technique des branches agro-industrielles camerounaises. # II. Definitions Conceptuelles et Mesures # b) Concept d'efficacité allocative (efficacité prix) L'efficacité allocative évalue la façon dont la firme choisit les proportions des différents inputs par rapport au prix du marché supposé concurrentiel. Théoriquement, un processus de production est dit allocativement efficace si le taux marginal de substitution entre chaque paire de facteurs est égal à la proportion du prix de ces derniers. En effet, l'efficacité allocative provient du fait que les facteurs de productions ne sont pas gratuits, ils ont un coût (un prix). De ce fait, en choisissant son programme de production, la firme doit en plus des paramètres techniques, tenir compte de leurs prix relatifs sur le marché. # c) Mesure de l'efficacité La mesure de l'efficacité est apparue dans les travaux de Koopmans (1951) relatif à l'analyse de la production de Debreu (1951) qui introduit le coefficient d'utilisation des ressources. En 1957, Farrell a établi que l'efficacité de la firme peut-être empiriquement calculée et propose, pour la première fois une mesure radicale d'estimation des frontières à partir de l'observation des situations réelles de production. En effet, Farrell définit l'efficacité en dissociant ce qui est d'origine technique de ce qui est dû à un mauvais choix, en termes de combinaison des intrants (produits) par apport au prix des intrants (produits). # d) Mesure de l'efficacité technique L'efficacité technique mesure la manière dont une firme choisit les quantités d'inputs qui entrent dans le processus de production, quand les proportions d'utilisation des facteurs sont biens définies. # e) Mesure de l'efficacité allocative L'efficacité allocative mesure ainsi l'aptitude de l'unité de production à combiner ses inputs dans les proportions optimales compte tenu de leur prix relatif sur le marché et du budget alloué pour les acquérir. Ainsi, pour un ensemble de combinaisons de facteurs permettant la réalisation d'un niveau de production donné, la meilleure combinaison allocative, est celle qui est obtenue à moindre coût. L'inefficacité allocative provient donc de l'utilisation des facteurs de production dans les proportions ne minimisant pas les coûts compte tenu de leur prix sur le marché. Cependant, pour qu'une firme soit économiquement efficace, il faudrait en plus qu'elle combine ses facteurs de production dans des proportions lui permettant de minimiser les coûts étant donné leurs prix relatifs. Ainsi, sur la figure ci-dessous, si AA' représente la courbe d'iso coûts (dans la théorie microéconomique, pour des prix des facteurs donnés, l'iso coût associé à une dépense est le lieu des combinaisons des facteurs qui correspondent à cette dépense) associée au niveau de dépense dont dispose la firme pour acquérir ses facteurs de production, c'est le point Q' et non Q qui donc est le point optimal de production. L'efficacité technique pure reflète la capacité d'une entreprise à optimiser sa production pour un niveau donné d'input symétriquement à minimiser ses consommations en ressources pour un niveau de production, l'habileté d'organiser, de motiver, et de surveiller efficacement les employés et les superviseurs ou encore l'habileté à éviter les erreurs et les mauvaises décisions. En revanche l'efficacité d'échelle permet de rapporter la mesure de l'efficacité technique aux rendements d'échelles obtenus dans les niveaux d'activités optimaux. L'échelle optimale est entendue aussi ici comme étant la meilleure situation à la quelle peut parvenir à l'unité de production en augmentant proportionnellement la quantité de tous les facteurs. # Source Pour illustrer le cas d'une agro-industrie qui produit un output Y à partir d'un seul input X (figure 3) en supposant la technologie de production à rendements d'échelle variables. Une technologie est à rendement d'échelle variable si à la suite d'une augmentation proportionnelle de tous les facteurs de production, la production varie dans une proportion différente. Par contre elle est à rendements d'échelle constants si une augmentation proportionnelle de tous les facteurs de production entraîne une augmentation de la production dans la même proportion. La frontière des possibilités de production de cette agro-industrie est représentée par la courbe à rendement d'échelle variable (REV) sous l'hypothèse de rendements d'échelle constants (REC), cette frontière est représentée par la droite (REC). Au point A''', l'agro-industrie est techniquement capable de produire la même quantité d'output en utilisant moins d'inputs. Elle est par conséquent inefficace dans la mesure où elle peut réaliser une économie d'input correspondant à A''A'''. Le niveau d'efficacité technique pure est le rapport AA''/AA'''. L'efficacité d'échelle quant à elle est fournie par la distance entre frontière REC et REV et est mesurée par le rapport AA'/AA''. Le produit de l'efficacité technique pure et l'efficacité d'échelle représentent l'efficacité technique totale, donne le rapport AA'/AA''' et correspond à la mesure de l'efficacité technique dans le cas de rendements d'échelle constants. Ainsi, la notion d'efficacité technique est indépendante des prix des produits et des inputs et de la disponibilité de ces derniers contrairement à l'efficacité allocative. Il ressort des deux notions abordées ci-dessus que pour une unité de production, la combinaison optimale des facteurs de productions est celle qui s'obtient à moindre coût et qui permet d'obtenir le maximum d'output possible compte tenu de la technique utilisée. L'unité de la production dans ce cas est dite économiquement efficace dans la mesure où elle utilise une meilleure combinaison d'input possible dans le processus de production. L'inefficacité économique intègre donc l'inefficacité technique et l'inefficacité allocative d'où l'exploration méthodologique permettant de mesurer de l'efficacité technique. # b) Approche non paramétrique d'estimation de la frontière d'efficacité technique Dans l'approche d'estimation de la fonction d'efficacité technique, Farrell (1957) a suggéré d'utiliser deux types de frontières de production, ce qui a conduit au fait que deux paradigmes distincts ont été développés quant à la méthode de construction de la frontière de production. Ceci a conduit au développement de deux approches : paramétriques (Aigner et Chu, 1968 ;Aigner et al, 1977) et (Meeusen et al, 1977) et non paramétrique (Charnes, Cooper, et Rhodes, 1978et Banker et al 1984), qui doivent lieu à des interprétations particulières de la déviation par rapport à la frontière d'une firme. L'approche non paramétrique présente la particularité de n'imposer aucune forme fonctionnelle aux frontières de production. Celles-ci sont construites par la résolution des problèmes: primal et dual de programmation linéaire, une fois définis les inputs et les outputs des unités de production (firmes, fermes etc.?). Une unité de production (UP) est considérée comme efficace dans un échantillon si aucune unité de production ne produit plus d'output avec la même quantité d'inputs. L'une des méthodes les plus utilisées est l'analyse d'enveloppement des données (AED) ou Data Enveloppement Analysis (DEA). Mais il existe une deuxième, la méthode « Free Disposal Hull (FDH) » La méthode d'analyse d'enveloppement de données (AED) prend ses origines dans les travaux de Farrell (1957) Le modèle à rendements d'échelle constants ou modèle CRS (orientions input) attribué à charnes (1978) est basé sur la maximisation pour une firme donnée, du ratio correspondant à la somme pondérée de ses outputs sur la somme pondérée de ses inputs et considéré comme étant une mesure de son efficacité technique. Ainsi, si on dispose un échantillon de N unités de production, de K inputs et M outputs, pour chacune de ces unités, la mesure de l'efficacité de l'unité i de l'échantillon donné par le programme de maximisation ci-dessous est : L'approche DEA comporte certains avantages par rapport à d'autre approche notamment, (1) elle permet de se focaliser sur les observations individuelles, plutôt sur les moyennes d'échantillon (2) elle produit une mesure agrégée pour chaque unité de production, en terme de son utilisation des inputs (variables indépendantes) pour produire les outputs désirés (variables dépendantes), (3) elle permet la prise en compte simultanée d'inputs multiples et outputs multiples, même lorsqu'ils sont tous exprimés en mesures différentes (4) elle ne nécessite pas des spécifications particulières ou de connaissance à priori des pondérations et les prix des inputs ou outputs et enfin (5) elle ne pose pas de restrictions sur la forme fonctionnelle de la fonction de production. ( ) N i X v Y u h uv Max K k ki k M m mi m i .. .......... 2 , 1 , 1 1 = = ? ? = = S/C ( ) N j X v Y u h uv Max? = = × K k ki k X v 1 1 Le programme devient alors ? = M m mi m Y u Max 1 S/C ? = = K k ki k X v 1 1 alors ? ? = = ? ? M m K k ki k mi m X v Y u 1 1 0 et enfin on a 0 ? k m V u Elle porte en elle aussi certaines limites. Le problème majeur des modèles DEA est que si les données sont sujettes à des erreurs aléatoires, alors le Calcul de la frontière de possibilité de production (FPP) est biaisé. Comme la méthode DEA est une méthode non paramétrique, alors tests statistiques d'hypothèse sont difficiles (ils font l'objet des recherches actuelles). Le degré d'efficacité non paramétrique en output de l'observation k à la période, indique la mesure dans la quelle son output peut-être augmenté tout en restant dans l'ensemble de référence. L'observation kt est efficace en output, aucune autre observation de l'ensemble de référence ER, Y n'a donc un output strictement supérieur au plan de reproduction kt tout en utilisant moins ou une quantité équivalente d'input (s). L'observation est inefficace en output puisqu'il existe au moins une autre observation de niveau d'output strictement supérieur utilisant moins ou une quantité équivalente d'input (s). Si nous désignons par hs* le plan de la production d'output maximum utilisant, le cas échéant, le moins d'input (s) que l'observation kt, il sera possible d'accroître l'output de l'observation kt pour atteindre le niveau d'output de l'observation hs* sans pour cela utiliser une quantité supérieure d'input (s). Cette approche non paramétrique jusqu'à peu utilisé fait l'objet des grandes recherches dans les laboratoires des Sciences Economique et de Gestion. Deux principales méthodes sont à l'origine de la modélisation des déterminants de l'efficacité. Le modèle logit ou tobit et la régression linéaire utilisant les moindres carrés ordinaires (MCO). Mais, le modèle tobit dans l'estimation des déterminants de l'efficacité technique a un inconvénient, car il requiert une hypothèse concernant l'indépendance des scores les uns par rapport aux autres, condition qui n'est pas souvent vérifiée. Les effets spécifiques ou temporels éventuels n'ont pas été pris en compte afin de simplifier le modèle. En effet, elle identifie les facteurs explicatifs de la gestion d'une branche agro-industrielle qui déterminent les scores en une année donnée, en considérant une branche comme deux individus différents lorsqu'on passe d'un exercice comptable à un autre. # IV # a) Spécification des inputs et output agro-industriels De nombreuses approches permettant d'identifier les inputs et outputs agro-industriels. Pour cette analyse de l'efficacité technique des branches agro-industrielles camerounaises nous allons fait l'approche par la production qui s'avère être la plus appropriée. Elle considère une entreprise agroindustrielle comme étant un producteur des biens et services, à partir des inputs que sont le capital (immobilisations) et le travail (nombres des employés). La méthode non paramétrique « Free Disposal Hull » a été proposée pour la première fois par Deprins, Simar, Tulkens (1984). La construction de l'ensemble de références « FDH » repose sur deux postulats. Le premier, le déterminisme fait partie de l'ensemble de référence inter temporel « FDH », tous les plans de production sont observés. Le second, libre disposition ou « Free Disposal » fait également partie de tous les plans de production (observés ou non) de niveau d'output égal ou plus petit et ayant au moins une quantité supérieure d'un input (c'est-à-dire les plans de production faiblement dominés en inputs) avec des niveaux d'input égaux ou plus grand et ayant une quantité inférieure de l'output. Les inputs capital (K) et travail (L) du pays h (h=1?n) à la période t, et y output correspondant Y. # Volume XVIII Issue VI Version I La production est mesurée en unité physique par le volume, par branche d'activité. Ainsi, on a deux inputs qui produiront un output: Le facteur travail (input 1): qui constitue un des éléments indispensables à toutes combinaisons économiques quelque soit le système économique sur lequel on raisonne, le coût du travail a été estimé par les charges de personnels y compris les charges sociales. Dans ce cas, il est estimé par le nombre des employés de la branche concernée. Le capital physique (input 2): est le facteur de production qui existe toujours quelque soit le système économique. Il s'agit pour l'essentiel des immobilisations incorporelles (actifs financiers), corporels (équipements, coût des matières premières). La production (output): Elle naît de la combinaison de plusieurs facteurs (travail, capital etc.). Elle est exprimée par la quantité des biens et services produits au cours d'un cycle de fabrication ou en un temps donné. # b) Analyse en composantes principales (ACP) des branches agro-industrielles camerounaises L'analyse en composantes principales consiste à analyser les données appliquées sur un tableau rectangulaire individus-variables ; où N individus sont décrits par P variables quantitatives. Elle résume de manière synthétique les informations contenues dans le tableau de données. Elle permet ainsi d'analyser les proximités entre les individus, les corrélations entre les variables, les individus et les variables simultanément. L'ACP permet de regrouper les branches agroindustrielles qui ont eu des performances similaires durant la période de l'étude. Elle a permis d'obtenir les résultats suivants: # Sources : INS, nos calculs L'inertie totale du nuage des individus et des variables dans une ACP normée est égale au nombre des variables actives. L'examen du tableau des valeurs propres ci-dessus permet de constater que le premier axe factoriel avec une inertie de 2,8192 explique 56,38% de l'inertie totale des nuages. Le deuxième axe quant à lui n'explique que 20,70% de l'inertie du nuage. Les deux premiers axes factoriels expliquent ainsi à eux seuls 77,08% de l'inertie totale de nuage. Nous pensons que ce pourcentage d'inertie cumulé est satisfaisant pour mener nos interprétations à partir des deux axes factoriels. D'autre part, si chacune des 11 branches contribuaient à part égale à la détermination des axes, la contribution de chacune devrait être de 100/11 = 9,09% pour la détermination de chaque axe. La matrice donnant les coordonnées des variables sur les axes factoriels laisse entrevoir que la quasi-totalité des variables sont corrélées positivement au premier facteur (capital). Ce qui signifie que pour toutes les branches agro-industrielles bien représentées sur cet axe avec une coordonnée positive, les scores annuels ont été supérieurs aux moyennes annuelles pratiquement sur toute la période de l'étude. De même, pour toutes les branches agro-industrielles bien représentées sur cet axe, mais plutôt avec une coordonnée négative, les scores annuels ont été inférieurs à la moyenne presque sur toute la période de l'étude. L'examen des nuages des branches agroindustrielles ci-dessus permet de constater que le premier axe factoriel oppose deux groupes de branches à gauche et à droite de l'origine. Le premier groupe situé à droite de l'origine est constitué essentiellement de branches agro-industrielles de transformation des produits d'origine agricole, fabrication des papiers et article en papier, travail de grains et production de farines, industrie chimique et fabrication des produits chimiques dont les scores annuels sont supérieurs aux moyennes annuelles des scores sur toute la période. Le deuxième groupe situé à gauche de l'origine est constitué essentiellement des branches d'industries textiles et confection, fabrication des chaussures et industrie cuir. Les branches de ce groupe qui sont bien représentées sur le premier facteur ont eu des scores annuels inférieurs aux moyennes annuelles des scores sur toute la période. Le deuxième axe factoriel quant à lui oppose également deux groupes de branches agro-industrielles au dessus et en dessous de l'origine. La matrice des coordonnées des variables sur les axes factoriels montre que toutes les variables correspondant à l'année 2012 sont négativement corrélées au deuxième facteur (travail). Ce qui signifie que pour les branches agro-industrielles bien représentées sur cet axe avec une coordonnée négative, les scores annuels ont été supérieurs aux moyennes annuelles des scores durant l'année 2012. Il s'agit notamment des branches : industrie du bois et fabrication des meubles, autres industries alimentaires situées en dessous de l'origine dont les contributions sur le deuxième facteur sont supérieures à la contribution moyenne de ce facteur. De manière analogue, les branches bien représentées sur cet axe plutôt avec une coordonnée positive, ont eu des scores annuels inférieurs aux moyennes annuelles durant toute l'année 2012. L'on constate que la quasi-totalité des autres variables sont faiblement et positivement corrélées au deuxième facteur. # Volume XVIII Issue VI Version I # ( E ) L'ACP permet donc de distinguer deux grands groupes : Les branches transformation des produits d'origine agricole, fabrication des papiers et article en papier, travail de grains et production de farines, industrie chimique et fabrication des produits chimiques, industrie textile et confection, fabrication des chaussures et industrie du cuir, dont les scores moyens annuels sont supérieurs à la moyenne annuelle sur toute la période. Les autres branches de l'agro-industrie camerounaise, dont les scores moyens annuels sont inférieurs à la moyenne annuelle sur toute la période. L'investissement productif étant le moteur de la croissance économique, il convient donc, afin d'assurer son financement de rechercher les facteurs sur lesquels on pourrait agir pour améliorer l'efficacité technique des branches agro-industrielles en valorisant les produits et inputs nationaux. # c) Analyse descriptive des scores d'efficacité Les résultats obtenus supposent que toutes les agro-industries de l'échantillon sont placées dans les mêmes conditions c'est-à-dire qu'elles utilisent les mêmes inputs pour produire les mêmes outputs, elles sont soumises aux mêmes normes réglementaires et que la technologie constante (absence de progrès technique) durant la période d'étude. Ce préalable nous permettra de mieux manipuler les variables (inputs et outputs) afin de déterminer l'évolution des scores moyens annuels. # d) Evolution des scores moyens annuels Le tableau présente les niveaux moyens annuels d'efficacité technique totale de l'ensemble de l'échantillon sur la période de l'étude, ainsi que leur décomposition en efficacité technique pure et en efficacité d'échelle via les données des différentes branches agro-industrielles camerounaises suite à un traitement avec SPAD.9.1. Ces résultats ont subi des nombreux calculs d'agrégations. # Source : INS, GICAM, nos calculs Le tableau ci-dessus montre que l'indice d'efficacité technique totale des branches agro-industrielles s'est établi à 0,31 sur la période de l'étude. Ces résultats signifient qu'en moyenne, sous l'hypothèse des rendements constants les agroindustries camerounaises n'ont produit que 31% de la quantité d'outputs qu'elles auraient pu produire à partir de leurs ressources. En supposant les rendements sont plutôt variables, le niveau moyen d'efficacité technique pure s'est établi à 0,503 signifiant que les agroindustries n'ont produit en moyenne sur la période de l'étude que 50,3% de ce qu'elles étaient capables de produire à partir de leurs ressources. L'hypothèse selon laquelle les branches agro-industrielles camerounaises ne sont pas optimales dans la gestion de leurs ressources se trouve ainsi confirmé. Le score d'efficacité d'échelle sur la période s'est élevé à 0,371 signifiant que sous des rendements variables, les branches agro-industrielles déclarées techniquement efficaces n'ont produit que 37,1% de la quantité de production qu'elles auraient pu produire si elles opéraient à rendements constants. Ce dernier résultat prouve que les branches agro-industrielles camerounaises souffrent énormément du problème d'inefficacité. Il montre également que le rythme de la croissance de la production (output) a été inférieur à celui des investissements (inputs) durant la période de l'étude. Ce qui confirme le fait que les agro-industries ont assez d'inputs mais ne les combinent pas de manière optimale. L L'inefficacité d'échelle quant à elle s'est établie sur la période de l'étude à 0,629 signifiant que les branches agro-industrielles déclarées techniquement efficaces sous l'hypothèse des rendements variables, pourrait accroître leur volume de production de 58,98% (0,371/0,629) sans changer les inputs si elles opéraient à rendements constants. Pendant le début et la fin de l'étude, les branches agro-industrielles ont été techniquement inefficaces car ce sont les périodes où les courbes sont au maximum. Il ressort aussi que l'inefficacité pure n'a pas beaucoup varié sur toute la période de l'étude avec une valeur relativement faible tournant autour de 0,25. Ce qui veut dire que les pratiques de gestion dans les branches agro-industrielles n'ont pas changé toute la période. L'inefficacité d'échelle en 2007, 2012 et 2013 ; avaient atteint les maxima. L'inefficacité d'échelle est restée au dessus de l'inefficacité pure pendant toute la période. Le graphique ci-dessous donne l'évolution des scores moyens annuels d'efficacité technique pure et d'échelle pour la période. # Source : INS, nos calculs Le graphique présente des variations brusques des scores d'efficacité technique pure pendant la période. Oscillant entre 0,05 et 0,53. Les pratiques de gestion sont restées les mêmes tout au long de la période. La meilleure performance du système a été réalisée en 2008, soit 0,836 contrairement à l'an 2012 ; où le système a réalisé sa plus faible performance avec un score moyen qui s'établi à 0,279. # f) Spécification du modèle empirique A la suite, le modèle linéaire multiple a été retenu sa forme est suivante : (1) Y i = , ... 2 3 2 2 1 i X X X X ki K i i i I ? ? ? ? ? + + + + + i = 1,2? # Le ratio d'exportation (REX): Le signe positif signifie qu'il positivement sur l'efficacité de la branche agroindustrielle dans la transformation des ressources. En effet, lorsque les exportations augmentent, la branche assure continuellement la transformation des ressources. Ainsi, une augmentation de 1% du taux d'exportation, entraînerait une augmentation du score d'efficacité technique pure 0,238%. Ce résultat reflète la bonne qualité de nos produits agro-industriels, et traduit la volonté des demandeurs étrangers à les consommer. Il traduit également un climat des affaires satisfaisant dans l'agro-industrie et capable desservir les marchés intérieur et extérieur, donc résister à la concurrence extérieure. Le ratio de rentabilité des immobilisations (RRI): influence négativement l'efficacité des entreprises agroindustrielles dans la transformation des ressources en produits manufacturiers. Son signe négatif traduit le fait que plus la proportion du taux de rentabilité des immobilisations augmente, moins la branche agroindustrielle transforme ses ressources en produits manufacturier. Avec un coefficient de régression de (-0,00782) ; une augmentation de ce ratio de 1 %, entraînerait une diminution du score d'efficacité de (0,782 %). Ce qui confirme l'hypothèse selon laquelle, plus la branche accumule le taux de rentabilité des immobilisations, plus elle devient réticente à la transformation des ressources par conséquent techniquement inefficaces. Les branches agro-industrielles camerounaises ne font donc pas une transformation optimale de leurs ressources lorsque le taux de rentabilité des immobilisations augmente. Cela pourrait aussi traduire le financement d'un certain nombre élevé de projets d'investissement non viables, mal montés, ne présentant aucune perspective de rentabilité. Le ratio marge brute d'exploitation (RMBE): qui est considéré comme l'ensemble de ressources dont dispose la branche agro-industrielle à un moment donné. La marge d'exploitation constitue le solde positif entre des emplois et les ressources disponibles. Le signe positif de ce ratio signifie que plus la part de l'excédent d'exploitation dans une branche augmente, plus la branche est efficace dans la transformation de ses ressources. De manière formelle, une augmentation de 1 % de ce ratio, provoquerait une augmentation du score d'efficacité de 1,19%. Par ailleurs, une marge pléthorique pour une agro-industrie pourrait donc s'interpréter comme la manifestation d'une efficacité dans la transformation de ses ressources. Ce résultat pourrait s'expliquer par le fait que les branches agroindustrielles camerounaises préfèrent orienter leurs ressources dans les emplois de marge. V. # Conclusion En définitive, l'analyse descriptive des résultats et le survol méthodologique ont permis de déterminer les scores d'efficacité par le moyen du logiciel SPAD 9.1 qui s'est fait à la suite de la spécification des inputs et outputs. Les scores d'efficacité nous ont permis de déterminer les scores d'inefficacité. Il ressort que l'efficacité technique totale s'est établie à 0,31 ; l'efficacité technique à 0,503 et l'efficacité d'échelle à 0,371. La meilleure performance a été réalisée en 2008 soit 0,836 ; la plus faible 0,279 en 2012. Ces résultats prouvent que les branches agro-industrielles camerounaises souffrent énormément et principalement de problèmes d'inefficacité que de la mauvaise pratique de gestion. L'analyse des composantes principales a montré que les branches les plus efficaces sont celles de transformation des produits agricoles, fabrication des papiers et articles en papiers et les moins efficaces techniquement sont celles de l'industrie du caoutchouc et articles en plastique. Il s'est avéré que le facteur capital est mieux corrélé aux branches qui sont techniquement efficaces et le capital à celle dont l'efficacité technique est moindre. Ceci nous conduit inévitablement à faire une estimation du modèle économétrique donc les ratios d'exportation (REX) et marge brute d'exploitation (RMBE) sont positivement corrélés et techniquement efficace. ![a) Concept d'efficacité technique L'efficacité technique concerne la capacité d'une organisation, une entreprise, une branche dans notre cas, à éviter le gaspillage. L'efficacité technique d'une branche mesure donc l'aptitude de celle-ci à obtenir le maximum d'output possible à partir d'une combinaison efficiente d'inputs et d'une technologie de production donnée ou son aptitude à réaliser un niveau d'outputs très élevés à partir des quantités d'inputs disponibles.](image-2.png "") 12![Figure 1: Efficacité technique et efficacité allocative : cas de deux intrants](image-3.png "Figure 1 :Figure 2 :") 3![Figure 3: Frontière de production et rendement d'échelle](image-4.png "Figure 3 :") 4![Figure 4: Illustration de la mesure de l'efficacité technique par la méthode DEA.](image-5.png "Figure 4 :") f) Mesure de l'efficacité économiqueL'efficacité économique est déterminée par lacombinaison de l'efficacité technique et de l'efficacitéallocative d'une firme combinant par exemple lesfacteurs travail et capital pour produire un produitdonné.III. Revue de la Litterature : FondementsThéoriquesa) Approches explicatives du concept d'efficacitéL'approche de Farrell ci-dessous suppose lesrendements d'échelle constants, sur la figure ci-dessousSS' est un isoquant représentant l'ensemble descombinaisons des facteurs capital et travail permettant àune firme techniquement efficace, de produire une unitéd'output. Methodologie, Analyse etInterpretation des Resultats deL'etudeNous avons fait recours à la méthode DEA(Data Envelopment Analysis) pour mesurer les niveauxd'efficacité technique des branches agro-industriellescamerounaises sur la période 2005-2014 à l'aide dulogiciel SPAD 9.1. La méthode non paramétriquecomme cadre d'analyse qui se justifie par l'incertitudede la relation fonctionnelle liant les inputs et les outputsdans le secteur de l'agro-industrie. Pour cerner lesfacteurs explicatifs des niveaux d'efficacité desbranches agro-industrielles, puis nous avons estimé unmodèle de régression linéaire multiple. Ce modèle apour variable expliquée les scores d'efficacité techniquepure et comme variables explicatives et certains ratiosde gestion pertinents. Les données utilisées pourl'estimation des scores et l'analyse des déterminants del'efficacité technique proviennent de l'Institut National dela Statistique (INS) du Cameroun et du Groupementinter patronal du Cameroun (GICAM). Nous disposonsde 11 points d'observations chaque année et de 110points d'observations sur toute la période permettant laconstruction d'une frontière de production et l'estimationdes scores annuels des branches agro-industriellesobservées. 2PeriodeTotalePureEchelle20050,2720,4640,30620060,4270,7270,50920070,2620,2960,26820080,5560,8360,58220090,3750,6450,39320100,3470,5950,41320110,2460,4190,36820120,1850,2790,27120130,2210,3520,320140,2120,4110,2982005-20140,3100,5030,371 Efficacite Technique des Entreprises Agro Industrielles au Cameroun: Approche Non Parametriquechiffre d'affaire réalisée à l'exportation dans le chiffreLe ratio marge brute d'exploitation (RMBE) : mesure lad'affaire total. Il mesure le degré d'ouverture.croissance globale de l'économie via les branches agro-Le ratio de rentabilité des immobilisations (RRI): détermine le rapport entre un revenu obtenu et les ressources employées pour l'obtenir.industrielles. La spécification du modèle empirique d'estimation des déterminants de l'efficacité technique est donc la suivante:ETP =?0+?1i RVA+?2REXi+?3RRIi+?4RMBEi+?i, i = 1,2, ?,110(2)L'estimation de ce modèle met en relief lesmanufacturiers. Afin de corriger une éventuelle auto-facteurs qui peuvent influencer la transformation descorrélation des erreurs du modèle, on a introduits leressourcesagro-industriellesenproduitsterme AR (1) dans le modèle.L'équation qui en ressort est la suivante :ETP = 0,385 + (-0,0065) x RVA + (0,0024) x REX + (-0,0078) x RRI + (0,0119) x RMBE Ecart-type (0,0595) (0,00367) (0,00149) (0,00199) (0,00395)Year 2018..,110 B1, B2,??.Bk sont les paramètres du modèle. i est le nombre d'observation. PURE ECHELLE (1,59) (-3,92) (3,00) Graphique: Evolution des scores moyens annuels d'efficacité Où, Y est un vecteur de dimension 110 x 1 représentant les scores annuels d'efficacité technique 0 0,1 0,2 0,4 0,5 0,6 0,7 0,8 0,9 score t -Student (6,46) (-1,77) g) Interprétation des résultats Le modèle estimé sur les déterminants de l'efficacité technique des branches agro-industrielles camerounaises a suggéré les explications suivantes si toutes choses égales par ailleurs : Le ratio de la valeur ajoutée (RVA): il semble inefficacité dans la transformation des produits manufacturiers. Puisqu'il agit négativement sur les scores d'efficacité signifiant que plus la proportion du taux de la valeur ajoutée dans une branche agro-industrielle augmente, plus cette agro-industrie n'est efficace dans la transformation des ressources. Autrement dit, dans une branche agro-industrielle lorsque les consommations intermédiaires sont importantes, elle devient 0,3 1 2 3 4 5 6 7 8 9 10 période techniquement inefficace. Alors, une augmentation de 1% des ressources de la proportion du taux de valeur ajoutée diminuerait le score d'efficacité de 0,65%.41 Volume XVIII Issue VI Version I ( E ) -Global Journal of Human Social Sciencepure(ETP)desbranchesagro-industriellesLes variables explicatives utilisées danscamerounaises sur toute la période de l'étude. Ill'estimation de ce modèle représentent quatre ratios dereprésente la variable expliquée du modèle.gestion des agro-industries:X 1i , X 2i , X 3i ?, X ki ; représentent respectivement les kvariables explicatives exogènes et potentielles desscores de branches agro-industrielles ''i''.i ? est l'erreur de spécification (entre le modèle vrai etLe ratio d'exportation (REX): mesure l'importance desspécifié).transactions réalisées avec l'étranger. C'est la part du© 2018 Global Journals Year 2018 © 2018 Global Journals Efficacite Technique des Entreprises Agro Industrielles au Cameroun: Approche Non Parametrique © 2018 Global JournalsEfficacite Technique des Entreprises Agro Industrielles au Cameroun: Approche Non Parametrique * Estimating most productive scale size using Data Envelopment Analysis RDBanker Eur J Oper Res 17 1984. 1984 * On Estimating the Industry Production Function DJAigner SFChu American Economic Review 58 1968 * Formulation and estimation of stochastic frontier production function models DJAigner CA KLovell PJSchmidt Journal of Econometrics 6 1977 * Mesure de l'efficacité technique: Revue de la littérature NAmara RRomain Série Recherche des Cahiers du CRÉA 2000 * Measuring efficiency of decision making units ACharnes European Journal of Operational Research 98 2 1978 * Measuring the Efficiency of Decision Making Units ACharnes WWCooper ERhodes European Journal of Operational Research 2 1978 * A guide to Deap version 2.1: A data envelopment analysis TCoelli 1996 computer program. CEPA Working paper 1996(8) * GDebreu The coefficient of ressource utilisation 1951 19 * The measurement of productive efficiency MJFarrell Journal of the Royal Statistical Society 120 3 1957 * Estimating Efficient Production Frontiers Under Increasing Returns to Scale MJFarrell FieldhouseM J. Roy. Statist. Soc. Ser. A 1962 * « Efficacité et productivité des banques au Maroc durant la période de libéralisation financière:1990-1996», Communication aux 17èmes journées internationales d'économie monétaire et bancaire OJoumady 2000. France, 7-9 Juin 2000 25 Université Lumière Lyon 2 * The sources of productivity change in Spanish banking OJoumady European Journal of Operational Research 98 2000 * Technical efficiency of the banks of the CEMAC SYKamgna LDimou MPRA 2008 * An analysis of Production as Efficient Combination of Activities TCKoopmans Activity Analysis of Production and Allocation TCKoopmans New York 1951 Cowles Commission for Research in Economics * Efficiency Estimation from Cobb-Douglas Production Functions With Composed Error WMeeusen JVan Den Broeck International Economic Review 18 1977 * ANabil REt Romain «Mesure De L'efficacité Technique 2000 34 Québec, Canada, Septembre ISBN, CREA, Université de Laval Revue de la Littérature