Résumé

En milieu rural subsaharien, la pauvreté et l’insécurité alimentaire cohabitent au sein des ménages. C’est pourquoi cette étude s’est donnée pour objectif de quantifier à travers un modèle PROBIT, les répercussions de la pauvreté sur l’alimentation au sein de ces ménages. Ainsi, une enquête a été menée dans 326 ménages sélectionnés de manière aléatoire dans 30 villages de la préfecture de Tandjouare. Les résultats du profil socioéconomique montrent que 71% des ménages sont pauvres. Par rapport à la sécurité alimentaire, l’Échelle d’Insécurité Alimentaire Ménage (EIAM) ressort que seulement 8% sont en sécurité alimentaire ; le Score de Consommation Alimentaire Ménage (SCAM) montre que la moitié des ménages ont un score acceptable et limite. Pour le Score de Diversité Alimentaire Ménage (SDAM), 15% des ménages sont en difficultés. La modélisation de l’impact indique que l’amélioration du profil socioéconomique d’un ménage a un lien avec l’EIAM, le SCAM et la durée des récoltes avec des seuils de significativité (P-value) respectifs de 0%, 0% et 1%. Par contre l’impact est négatif sur le SDAM. Globalement, l’intensification des politiques de développement en milieu rural serait une solution idoine pour faire reculer ces deux phénomènes qui agissent négativement sur le bien-être de ces ménages.


 Mots clés: Modélisation, impact, profil socioéconomique, pauvreté, sécurité alimentaire, Tandjouare

INTRODUCTION

La pauvreté et la faim restent les plus grands défis de l’époque actuelle en matière de politiques de développement. La sécurité alimentaire et la sous-alimentation constituent des problèmes majeurs dans les régions les moins développées du monde (High Level Panel of Expert (HPLE), 2017). À cet effet, l'Afrique a toujours cherché des moyens de résoudre le problème de la sécurité alimentaire qui occupe une place importante dans les discussions et prises de décisions des dirigeants africains (Omotesho et al., 2008).

Fort de cette réalité, l’Assemblée Générale des Nations-Unies adopta le 25 septembre 2015, les dix-sept (17) Objectifs du Développement Durable (ODD) comme un référentiel qui doit guider les politiques publiques de développement afin de faire reculer les fléaux qui affectent les populations notamment l’extrême pauvreté (ODD 1 : éliminer la pauvreté sous toutes ses formes et partout dans le monde) et l’insécurité alimentaire (ODD 2 : éliminer la faim, assurer la sécurité alimentaire, améliorer la nutrition et promouvoir une agriculture durable) (Organisation des Nations Unies (ONU), 2015).

Malheureusement, malgré les multiples actions et progrès impressionnants réalisés dans la lutte contre la malnutrition et la faim, l'insécurité alimentaire et nutritionnelle demeure une préoccupation majeure dans les pays d'Afrique subsaharienne (Ogunniyi et al., 2020). Selon la FAO et al. (2019), le continent africain est l’une des parties du monde où la grande partie de la population vit sous le seuil de la pauvreté (en dessous du seuil de 1,9 dollar US par jour). Or, une grande partie de cette population vit en milieu rural (Mercandalli et Losch, 2018).

Le Togo, à l’image des autres pays africains a plus de 62% de sa population en milieu rural (Direction Générale de la Statistique et de la Comptabilité Nationale (DGSCN), 2011) et l’incidence de la pauvreté en milieu rural est de 68,7% pour les individus et 72,6% pour les ménages agricoles (Institut National de la Statistique, des Études Economiques et Démographiques (INSEED), 2016a).

Cependant, malgré la succession de multiples politiques de développement, force est de constater que plus d’un enfant de moins de cinq ans sur quatre (28 %) souffre de malnutrition chronique et 10 % sous la forme sévère ; 6,5 % souffrent de malnutrition aiguë et 1,5 % sous la forme sévère ; 16 % présentent une insuffisance pondérale et 4 % sous la forme sévère (DGSCN, 2015). Aussi, il est remarqué que la malnutrition chronique affecte plus les enfants en milieu rural (prévalence de 34% dans la Région des Savanes) qu’en milieu urbain (29% dans les Régions Maritime et Centrale) (DGSCN, 2015). De plus, l’analyse de la situation de sécurité alimentaire en 2016 à travers le Questionnaire Unifié des Indicateurs de Base du Bien-être (QUIBB) a révélé que 46,6% de ménages ont eu à faire face à une situation d’insuffisance de nourriture au cours des douze (12) derniers mois de l’année 2015. Cette proportion est plus élevée en milieu rural (51,2%) qu’en milieu urbain (41,5%) (INSEED, 2016b).

Au vu de ces statistiques, il est remarqué qu’en milieu rural, la pauvreté et la sécurité alimentaire cohabitent. L’analyse de la nature des relations entre ces deux phénomènes est primordiale afin de donner une bonne orientation aux politiques pro pauvres. Selon la FAO, dans les pays en développement, le secteur agricole est censé produire des aliments et générer des revenus pour garantir la sécurité alimentaire et nutritionnelle, et réduire la pauvreté d'une population sans cesse croissante (Organisation des Nations Unies pour l'Alimentation et l'Agriculture (FAO), 1996).

Or au sud du Sahara, c’est l’agriculture qui constitue l’activité dominatrice en milieu rural (Larsen et Lilleør, 2014), mais malgré la mise en œuvre des différents politiques de développement, les populations peinent à assurer leur bien-être.

L’exploration de la littérature montre peu d'études qui examinent l’impact de la pauvreté sur la sécurité alimentaire au niveau des ménages. Et encore moins d'études examinent la satisfaction des ménages en matière de consommation alimentaire et analysent quantitativement les facteurs d'influence de la consommation alimentaire principale dans les régions pauvres (Li et Yu, 2010).

Au Togo, malgré l’importance accordée à la pauvreté et à la sécurité alimentaire par les directions s’occupant des statistiques, il n’y a presque d’étude qui analyse le lien entre ces deux phénomènes surtout dans les zones les plus pauvres du pays comme c’est le cas de la préfecture de Tandjouare. La présente étude vient combler ce vide en mettant la lumière sur cet aspect et en ressortant un modèle économétrique qui mesure l’impact de la pauvreté sur la sécurité alimentaire en milieu rural.

MATERIEL ET METHODE

Zone d’étude, échantillonnage et collecte des données

L’étude a été réalisée dans la préfecture de Tandjouare (figure 1), l’une des sept préfectures de la région des Savanes, se situant dans la partie sahélienne du Togo. S’étendant sur une superficie de 950 km², elle est subdivisée en deux (2) communes, seize (16) cantons et cent quatre-vingt-quinze (195) villages. Elle compte une population de 120 659 habitants (DGSCN, 2011). Elle jouit d’un climat de type tropical soudanien.

La formule de Slovin (1960) a permis de déterminer 326 ménages issus d’un échantillonnage aléatoire à deux degrés. Au premier degré, trente villages ont été tirés et au second degré, les ménages à enquêter ont été déterminés sur la base des pas de sondage.

Afin d’avoir une idée globale sur les phénomènes étudiés dans le but de bien structurer le questionnaire et arriver à bien interpréter les résultats, des entretiens inspirés de l’approche HEA (Household Economic Approach) avec des groupes cibles (personnes ressources, autorités locales, agents des services techniques) se sont déroulés pour cerner les profils socioéconomiques des ménages de la zone d’étude.

Par rapport à l’enquête Ménage, les données ont été collectées en avril 2020 correspondant à la période de soudure (février à juin) dans le milieu. Le questionnaire a été administré aux chefs de ménage en présence de certains membres de la famille (souvent les épouses si le chef de ménage est un homme ou des enfants si le chef de ménage est une femme)

Méthodologie d’analyse

Par rapport à la méthodologie d’analyse, la classification hiérarchique ascendante basée sur la méthode des k-means a été utilisée en combinaison avec l’approche HEA pour ressortir les profils socioéconomiques des ménages. Le package FactoMineR de logiciel R a servi à faire cette analyse ( Lê et al., 2008; Josse et Husson, 2016). Par rapport au profil de sécurité alimentaire des ménages, l’Échelle d’Insécurité Alimentaire Ménage (EIAM), le Score de Consommation Alimentaire Ménage (SCAM) et le Score de Diversité Alimentaire Ménage (SDAM) ont été utilisés. Un modèle de régression logistique PROBIT avec le logiciel R a permis de capter l’impact de la pauvreté sur cinq variables de la sécurité alimentaire qui sont :

- Échelle d’Insécurité Alimentaire Ménage (EIAM), variable explicative qualitative comportant quatre (4) modalités codées en 0 = insécurité alimentaire sévère, 1 = insécurité alimentaire moyenne, 2 = insécurité alimentaire faible, 3 = sécurité alimentaire ;

- Score de Consommation Alimentaire Ménage (SCAM), variable explicative qualitative comportant trois (3) modalités codées en 0 = consommation pauvre, 1 = consommation limite, 2 = consommation acceptable ;

- Score de Diversité Alimentaire Ménage (SDAM), variable explicative qualitative comportant trois (3) modalités codées en 0 = diversité faible, 1 = diversité moyenne, 2 = diversité élevée ;

- durée de couverture des besoins alimentaires par les récoltes, variable explicative quantitative évaluée en nombre de mois ;

- nombre de repas par jour, variable explicative quantitative.

Quant à la variable expliquée, elle a été codée en deux (2) modalités à savoir « pauvre » et « non-pauvre »

RÉSULTATS ET DUSCUSSIONS

Résultats

Profils socioéconomiques des ménages

L’approche HEA a permis de ressortir 17 variables qui permettent de catégoriser les ménages selon leur profil socioéconomique. Il s’agit de superficie (en hectare) de produits vivriers, de la superficie (en hectare) de produits de rentes, de la quantité (en Kg) de produits vivriers récoltés, de la quantité (en Kg) de coton, de la quantité (en Kg) de sésame, de la quantité (en Kg) de soja, de la quantité (en Kg) d’anacarde, du nombre de bovins, d’asins, d’ovins, de caprins, de porcins, de volailles de ruches, de vélos et de motos. Aussi, selon ce diagnostic, existe-t-il quatre (4) classes socioéconomiques à savoir les « très pauvres », les « pauvres », les « moyens » et les « nantis ».

La classification hiérarchique ascendante des ménages par rapport à ces variables (figures 2 et 3) a permis de ressortir trois classes homogènes.

Figure 2 : Dendrogramme de classification socioéconomique des ménages en 3 dimensions

Figure 3 : Dendrogramme de classification socioéconomique des ménages en 2 dimensions

Sur la base des quatre premières variables qui caractérisent mieux l’ensemble des trois (3) classes, des ménages parangons, des ménages spécifiques (Tableau 1) et du niveau de coupure des branches, l’analyse a permis de ressortir que le « cluster 1 » est la classe des « pauvres », le « cluster 2 » celle de la classe « moyenne » et le « cluster 3 » celle des « nantis ».

Tableau 1 : Caractérisation des classes de ménages selon le niveau de possession des moyens d’existence

À l’issue de ce processus, il est constaté que l’échantillon est composé en grande majorité par les ménages « pauvres », suivi de la classe moyenne et celle des « nantis » qui complètent la marche (Figure 4).

Après classement des ménages parangons et spécifiques selon le niveau de possession des moyens d’existence, ceux du cluster 3 sont arrivés au premier rang suivi du cluster 2 et le cluster 1 occupe la dernière place. Donc, le cluster 3 est clairement identifié comme la classe des nantis. Pour savoir si le cluster 2 appartient à la catégorie des « moyens » ou des « pauvres » puisse qu’il y a aussi la catégorie socioéconomique des « très pauvres » identifiée dans l’approche HEA, il a été fait recours à l’arbre (figure 3). Ainsi, il est constaté que les clusters 2 et 3 sont liés à une branche avant que les deux clusters soient liés au cluster 1. Cette liaison entre ces deux clusters montre leur proximité ; or, selon le diagnostic HEA, la classe qui vient juste avant celle des « nantis » est la classe des « moyens ». Il va de soi que le cluster 2 soit la classe socioéconomique des « moyens » et le cluster 1 celui des « pauvres ». Cette dernière classe est divisée en deux (2) sous-classes donnant la possibilité d’extraire les « très pauvres ». Mais le niveau de coupure des branches selon le gain d’inertie propose trois classes homogènes avec la méthode des « k-means ».

Figure 4 : Répartition des ménages selon la classification socioéconomique

Profils de sécurité alimentaire des ménages

L’analyse de l’EIAM montre qu’au sein de l’échantillon, à part une infime partie (8%) des ménages en sécurité alimentaire, le lot des ménages restants est divisé en trois (03) groupes presque égaux de ménages en insécurité alimentaire sévère, en insécurité alimentaire moyenne, et en insécurité alimentaire faible (Figure 4).

Figure 4 : Situation de sécurité alimentaire des ménages selon l'EIAM

L’analyse du SCA montre un niveau de consommation un peu acceptable malgré la présence de certains ménages ayant des consommations alimentaires pauvres. Mais le cumule des ménages ayant une consommation pauvre et ceux ayant une consommation limite avoisine 52% de l’échantillon, ce qui laisse croire qu’une bonne moitié de ces ménages est exposée à des problèmes de qualité du niveau de consommation alimentaire. (Figure 5).

Figure 5 : Situation de sécurité alimentaire des ménages selon le SCAM

L’analyse du SDA Ménage montre qu’au sein de l’échantillon, le niveau de diversité alimentaire est acceptable au vu de la proportion faible, mais non négligeable de ménages ayant une faible diversité alimentaire (15%) (Figure 6).

Figure 6 : Situation de sécurité alimentaire des ménages selon le SDAM

Modèle PROBIT de mesure de l’impact de la pauvreté sur la sécurité alimentaire

Le modèle de régression logistique PROBIT montre que l’échelle d’insécurité alimentaire, le score de consommation alimentaire, le score de diversité alimentaire et la durée du stock de produits vivriers sont statistiquement significatifs au seuil de 0 et 1%. Seul le nombre de repas consommé par jour apparait comme une variable superflue dans le modèle (Tableau 2).

Il est à noter que l’amélioration du statut socioéconomique (passer de la classe « pauvre » à « non pauvre ») a un impact positif sur l’échelle d’insécurité alimentaire, le score de consommation alimentaire, et la durée du stock de produits vivriers.

En effet, le passage d’un statut socioéconomique « pauvre » à un statut supérieur « non pauvre » multiplie par deux et même plus la probabilité d’avoir un meilleur indice d’échelle d’insécurité alimentaire et de score de consommation alimentaire, toutes choses étant égales par ailleurs. C’est la même logique, mais dans une proportion un peu moindre pour la durée de stock de produits vivriers.

Par contre, cela a un impact négatif sur le score de la diversité alimentaire. Le passage d’un ménage du statut « pauvre » au statut « non pauvre » diminue de 37,5% la probabilité d’avoir un meilleur score de diversité alimentaire, toutes choses étant égales par ailleurs.

Tableau 2 : Résultats du modèle de régression logistique PROBIT

Discussions

Profils socioéconomiques

La complémentarité de l’approche HEA et de l’analyse multidimensionnelle a permis de déterminer trois classes (pauvre, moyen, nanti). La démarche HEA, associée à une approche multidimensionnelle (CHA) a permis de dégager trois classes homogènes de manière objective correspondant aux profils socioéconomiques des ménages de la zone sur la base de leurs moyens d’existence.

Il est aussi constaté que le cluster 1, celui des « pauvres » est divisé en deux sous classes. Cette situation donne une possibilité d’extirper la classe des « très pauvres » s’il y a besoin de faire une intervention de politique publique à leur endroit. Mais le niveau de coupure optimale de l’arbre de classification ne permet pas de ressortir cette classe comme cela a été identifié dans l’approche HEA. Le dendrogramme de classification (Figure 3) montre au niveau des branches une homogénéité dans ce cluster des « pauvres » et une hétérogénéité (plusieurs sous-classes) dans le cluster des « moyens ». Cela traduit une disparité en termes de moyens d’existence au sein de la classe moyenne.

Ces techniques d’analyse ont permis de catégoriser 71% des ménages enquêtés dans la classe des « pauvres », 27% dans la classe des « moyens » et 2% dans la classe des « nantis ». Or, il a été constaté que la cartographie de la pauvreté réalisée en 2017 donne une incidence de la pauvreté évaluée entre 60 et 70% des ménages de la préfecture de Tandjouare (INSEED, 2017). Cette étude a utilisé l’approche monétaire pour mesurer la pauvreté au niveau des ménages. Magombeyi et al. (2016), sur la base de l’approche monétaire de la pauvreté ont rapporté que le niveau d’incidence de ce fléau en milieu rural est de 68,7% au Zimbabwé et de 68,2 au Mozambique. Ces données avoisinent celle de Tandjouaré qui est de 71% sur la base de l’approche multidimensionnelle de mesure de la pauvreté.

L’approximation des résultats de cette étude avec ceux de l’INSEED et d’autres auteurs montre à suffisance qu’en milieu rural, le profil socioéconomique des ménages est mieux évalué avec la combinaison de l’approche HEA et de la CHA. Cette démarche méthodologique adoptée vient combler les insuffisances de l’approche HEA qui limitait son diagnostic au niveau communautaire. En effet, en associant la technique de CHA à la suite de l’approche HEA, cela permet de définir de manière objective le profil socioéconomique de chaque ménage dans une zone d’intervention où les populations sont homogènes du point de vue « moyens d’existence » ; ce qui est le cas des populations rurales africaines.

Aussi, ces résultats mettent la lumière sur l’ampleur de la précarité dans laquelle végètent les ménages de cette zone. Cela doit susciter une prise de conscience individuelle (au niveau de chaque ménage) et collective (au niveau des autorités) afin d’agir contre la misère et l’extrême pauvreté.

Profils de sécurité alimentaire

Les données relatives à l’analyse du profil de sécurité alimentaire des ménages ont été collectées en période de soudure (février à juin) dans la Région des Savanes. Cette évaluation dépend de l’écart entre le moment de l’enquête et la période de récoltes et aussi d’autres facteurs structurels (Magombeyi et al., 2016). Cela a permis d’avoir une meilleure photographie sur les réalités que vivent les ménages en matière d’alimentation en cette période cruciale de l’année, car, selon Thiombiano et al. (2012) cette période est vécue généralement par les populations comme une crise silencieuse.

L’Échelle d’Insécurité Alimentaire des Ménages montre que près du tiers des ménages enquêtés sont en insécurité alimentaire sévère. Cet indicateur permet de capter l’anxiété, la diminution de la quantité et de la qualité des aliments. Alaimo et al. (2020) rapportent que la prévalence mondiale de l'insécurité alimentaire grave était de 10,2 % en 2017. L’approximation de ce taux avec celui de Tandjouaré montre à suffisance qu’il faut faire des efforts dans le sens du développement rural en Afrique. Selon Ba et Bricas (2016), les ruraux consomment une bonne partie de leurs productions. Cela veut dire qu’en période de soudure, certains ménages sont en rupture de stock alimentaire et ont besoin d’assistance.

Le Score de Consommation Alimentaire (SCA) qui mesure la fréquence et l’importance nutritionnelle des différents groupes d’aliments ressort que près de la moitié des ménages enquêtés ont un SCA acceptable. Aussi, 15% des ménages ont-ils une diversité alimentaire (SDA) faible. Même si cet indicateur (SDA) donne des résultats assez satisfaisants, il est prudent d’avoir à l’esprit que ce dernier contient d’énorme insuffisance, car évaluant la diversité alimentaire seulement sur vingt-quatre (24) heures et n’incluant pas la quantité ni la qualité de cette diversité alimentaire en matière d’apport énergétique et nutritionnel.

Modèle PROBIT de l’impact de la pauvreté sur la sécurité alimentaire

La modélisation de l’impact de la pauvreté sur les différentes dimensions de la sécurité alimentaire montre globalement que si un ménage passe du statut « pauvre » à un statut supérieur (« moyen » ou « nanti »), cela agit positivement sur sa sécurité alimentaire.

En effet, par rapport à la composante « stabilité de la disponibilité alimentaire » mesurée dans le modèle par la variable « durée du stock de produits vivriers », une amélioration du statut socioéconomique agirait positivement sur le niveau de la production et de la durée du stock alimentaire. Les composantes « accès » et « utilisation » de la sécurité alimentaire sont captées dans le modèle par les variables EIAM, SCAM, SDAM. Aussi une amélioration du profil socioéconomique impacte positivement sur les capacités d’accès physique et économique des ménages aux aliments ainsi que sur leur utilisation. Cela est perçu à travers les variables EIAM et SCAM. Ces observations sont similaires aux conclusions d’une étude semblable menée dans les bidonvilles indiens de Kolkata avec le même modèle (PROBIT) (Maitra et Rao, 2015) où il est indiqué que les politiques de lutte contre la pauvreté ciblant les pauvres devraient permettre d’assurer leur sécurité alimentaire. Dans une zone urbaine (Lagos), Agboola et Balcilar (2012) ont réussi à démontrer en inversant la position des variables, c’est-à-dire en analysant l’impact de la sécurité alimentaire sur la pauvreté que l’amélioration du niveau de sécurité alimentaire entraîne la diminution de la pauvreté. Selon Babu et Sanyal (2009), la pauvreté dans les pays en développement reste une contrainte majeure dans l’atteinte de la sécurité alimentaire.

Par contre, l’amélioration du profil de pauvreté agit négativement sur la diversification des aliments (SDAM). Il ressort que si un ménage pauvre sort de cette situation, il est probable qu’il diminue son niveau de diversification alimentaire de 37,5%. Cette situation s’explique par le fait qu’en milieu rural, « pauvre » et « nanti » ont tendance à consommer les mêmes aliments ; ce qui n’est pas le cas en milieu urbain. Les ruraux consomment plus ce qu’ils produisent, quel que soit leur statut socioéconomique. Selon Sanou et al. (2018), en période de soudure, le niveau de diversité alimentaire en milieu rural au Burkina Faso (communes du nord) diminue indépendamment du nombre de cultures et du revenu agricole des ménages. Pour le cas de Tandjouare, les résultats pris à l’état brut laissent croire que les ménages pauvres de cette préfecture ont une meilleure éducation nutritionnelle que les ménages des autres classes socioéconomiques. Or, cette étude s’est réalisée en période de soudure, coïncidant aussi avec la période des mangues. Au vu de cette situation, les pauvres ne passent jamais une journée sans manger de fruits, notamment les mangues qui sont faciles d’accès. Aussi, leur situation les oblige à recourir à la charité des autres ménages résilients à cette situation. Ce qui fait que ces ménages pauvres varient leur alimentation au gré de la charité des autres laissant croire qu’ils ont une meilleure variation alimentaire. Or, l’éducation nutritionnelle, la diversification de la production agricole peinent à impacter sur la diversité alimentaire au sein des ménages africains (Rosenberg et al., 2018). Mais une étude réalisée en zone rurale de la Birmanie (Myanmar) prouve plutôt le contraire. En effet, les ménages ayant plus de moyens d’existence (les « nantis ») diversifient mieux leur alimentation que ceux qui peinent à avoir des terres cultivables et autres moyens d’existence (Pritchard et al., 2019).

En dépit de toutes ces observations et analyses, il n’y a pas de doute par rapport à l’existence d’une relation de cause à effet entre pauvreté et sécurité alimentaire traduisant l’impact négatif de la pauvreté sur le niveau de sécurité alimentaire des ménages ruraux. Donc, l’insécurité alimentaire est une conséquence de la pauvreté dans la préfecture.

CONCLUSION

La connaissance du niveau d’impact de la pauvreté sur la sécurité alimentaire constitue une nécessité surtout pour des milieux ruraux frappés intensément par ce double fléau.

Cette étude se veut une analyse transversale en une période cruciale (période de soudure) de l’économie alimentaire des ménages de la zone afin de quantifier l’influence que pourrait avoir la pauvreté sur le statut de sécurité alimentaire d’un ménage et servir par la même occasion d’outil de prise de décision aux autorités locales et gouvernementales.

Sur la base du profil socioéconomique et de sécurité alimentaire de ces ménages, il a été démontré que la précarité agit négativement sur l’alimentation des ménages ruraux dans la préfecture de Tandjouare.

Alors le renforcement des moyens d’existence à travers une assistance continue dans le domaine agricole sera une solution contre ce double fléau que constituent la pauvreté et l’insécurité alimentaire.

Cependant, cette étude présente deux limites. Il s’agit en premier lieu de la non-prise en compte des liens de solidarité des ménages dans le processus de catégorisation socioéconomique. En effet, en milieu rural, la solidarité est un facteur important et elle est utilisée comme moyen d’existence et comme stratégie d’adaptation aux chocs (Broutin et Bricas, 2006). La seconde limite est liée à la taille de l’échantillon. Le modèle de régression logistique PROBIT utilisé dans cette étude pour mesurer l’impact de la pauvreté sur la sécurité alimentaire marche mieux avec des tailles d’échantillon assez élevé.

Néanmoins, une exploration de cette même thématique en période post récolte donnerait une idée plus complète de l’impact de la pauvreté sur la sécurité alimentaire des ménages en milieu rural.

RÉFÉRENCES CITÉES

Agboola, M. O. and Balcilar, M. (2012). Impact of Food Security on Urban Poverty: A Case Study of Lagos State. Nigeria, Procedia - Social and Behavioral Sciences, 62, 1225–1229. doi: 10.1016/j.sbspro.2012.09.209.

Alaimo, K., Chilton, M. and Jones, S. J. (2020). Chapter 17 - Food insecurity, hunger, and malnutrition. In Marriott, B. P. et al. (eds) Present Knowledge in Nutrition (Eleventh Edition). Academic Press, pp. 311–326. doi: 10.1016/B978-0-12-818460-8.00017-4.

Babu, S. C. and Sanyal, P. (2009). Chapter 13 - Classifying households on food security and poverty dimensions – application of K-mean cluster analysis. In Babu, S. C. and Sanyal, P. (eds) Food Security, Poverty and Nutrition Policy Analysis. San Diego : Academic Press, pp. 265–277. doi: 10.1016/B978-0-12-374712-9.00013-4.

Broutin, C. and Bricas, N. (2006). Agroalimentaire et lutte contre la pauvreté en Afrique subsaharienne. Paris, France, Éditions du Gret, Études et travaux, 127p.

DGSCN (2011). Quatrième recensement général de la population et de l’habitat, 06 au 21 novembre 2010, Résultats définitifs. Lomé, Togo, 238p.

DGSCN (2015). Troisième Enquête Démographique et de Santé au Togo (EDST-III 2013-2014). Lomé, 528p.

FAO (1996). Sécurité alimentaire : exemples de réussite. Document d’information technique. Rome, 51p.

FAO, F., OMS, P. and UNICEF (2019). L’État de la sécurité alimentaire et de la nutrition dans le monde 2019. Se prémunir contre le ralentissement et les fléchissements économiques. Rome, 253p.

HLPE (2017). Nutrition et système alimentaire. Un rapport du groupe d’experts de haut niveau sur la sécurité alimentaire et la nutrition du Comité de la Sécurité Alimentaire mondiale. Rome, 190p.

INSEED (2016a). Profil de la pauvreté. Lomé, 133p.

INSEED (2016b) Questionnaire unifié des indicateurs de base du bien-être. Lomé, 174p.

INSEED (2017) cartographie de la pauvreté 2017 Togo. Lomé, 59p.

Josse, J. and Husson, F. (2016). missMDA: a package for handling missing values in multivariate data analysis. Journal of Statistical Software, 70(1), 1–31.

Larsen A.F. et Lilleør H.B. (2014). Beyond the Field : The Impact of Farmer Field Schools on Food Security and Poverty Alleviation. World Development 64 : 843–859. https://doi.org/10.1016/j.worlddev.2014.07.003.

Lê, S., Josse, J. and Husson, F. (2008). FactoMineR: an R package for multivariate analysis. Journal of statistical software, 25(1), 1–18.

Magombeyi, M. S., Taigbenu, A. E. and Barron, J. (2016). Rural food insecurity and poverty mappings and their linkage with water resources in the Limpopo River Basin. Physics and Chemistry of the Earth, Parts A/B/C, 92, 20–33. doi: 10.1016/j.pce.2015.10.020.

Maitra, C. and Rao, D. S. P. (2015). Poverty–Food Security Nexus : Evidence from a Survey of Urban Slum Dwellers in Kolkata. World Development, 72, 308–325. doi: 10.1016/j.worlddev.2015.03.006.

Mercandalli, S. and Losch, B. (2018). Une Afrique rurale en mouvement. Dynamiques et facteurs des migrations au sud du Sahara. Rome, FAO et CIRAD, 60p.

Ogunniyi, A. I. et al. (2020). Governance quality, remittances and their implications for food and nutrition security in Sub-Saharan Africa. World Development, 127, 104752. doi: 10.1016/j.worlddev.2019.104752.

Omotesho, O. A., Adewumi, M. O. and Fadimula, K. s (2008). Food Security and Poverty of the Rural Households In Kwara State, Nigeria. 2007 Second International Conference, August 20-22, 2007, Accra, Ghana 52203. African Association of Agricultural Economists (AAAE). Available at : https://econpapers.repec.org/paper/agsaaae07/52203.htm (Accessed: 10 March 2020).

ONU (2015). Les Objectifs de développement durable – ODD. Available at : https://www.un.org/sustainabledevelopment/fr/objectifs-de-developpement-durable/ (Accessed: 23 May 2020).

Pritchard, B., Rammohan, A. and Vicol, M. (2019). The importance of non-farm livelihoods for household food security and dietary diversity in rural Myanmar. Journal of Rural Studies, 67, 89–100. doi: 10.1016/j.jrurstud.2019.02.017.

Rosenberg A.M., Maluccio J.A., Harris J., Mwanamwenge M., Nguyen P.H., Tembo G. et Rawat R. (2018). Nutrition-sensitive agricultural interventions, agricultural diversity, food access and child dietary diversity : Evidence from rural Zambia. Food Policy, 80, 10–23. doi: 10.1016/j.foodpol.2018.07.008.

Thiombiano, D. N. E. et al. (2012). Le rôle des espèces ligneuses dans la gestion de la soudure alimentaire au Burkina Faso. Science et changements planétaires/Sécheresse, 23(2), 86–93.