FICHE DE LECTURE

Référence

Thomas B. Long a, *, Vincent Blok a, Ingrid Coninx b, (2015). Barriers to the adoption and diffusion of technological innovations for climate-smart agriculture in Europe: evidence from the Netherlands,France, Switzerland and Italy

https://doi.org/10.1016/j.jclepro.2015.06.044

Mots-clés

Climate change – Climate-smart agriculture – Technological innovation – Innovation adoption

Développement

1. Introduction : enjeux de l’agriculture face au changement climatique

L’article met en évidence que l’agriculture est confrontée à un double défi : s’adapter au changement climatique tout en réduisant ses émissions. Elle représente en effet une part significative des émissions de gaz à effet de serre, estimée à « environ un quart des émissions anthropiques ».

Dans ce contexte, le concept de climate-smart agriculture (CSA) apparaît comme une réponse centrale, visant un « triple objectif » :

• augmenter la productivité,
• renforcer la résilience,
• réduire les émissions .

Cependant, malgré le rôle clé des innovations technologiques, leur diffusion reste lente : « the adoption and diffusion of technological innovations in OECD countries is slow ».

L’objectif de l’article est donc d’identifier les freins socio-économiques à cette adoption en Europe.

2. Revue de littérature et cadre conceptuel

2.1. Définition et rôle des innovations en agriculture intelligente

Les auteurs définissent les innovations CSA comme des technologies (matérielles ou organisationnelles) permettant de répondre aux défis climatiques en agriculture, notamment en améliorant la productivité et en réduisant les émissions.

Ils insistent sur le fait que l’innovation ne garantit pas automatiquement des résultats optimaux, notamment en raison d’un manque d’adaptation au contexte utilisateur :

« suboptimal outcomes can occur due to a lack of user participation in the design process ».

Cela introduit l’importance de l’innovation centrée utilisateur (co-création).

2.2. Typologie générale des barrières à l’innovation

La littérature met en évidence plusieurs catégories de freins :

• Économiques : coûts élevés, retour sur investissement long
• Institutionnels : cadre réglementaire inadapté
• Comportementaux : perception du risque, inertie
• Organisationnels : manque de compétences ou d’information

Par exemple, les coûts initiaux sont souvent « prohibitifs, especially early on in the diffusion process ».

2.3. Spécificités du secteur agricole

Dans l’agriculture, certains freins sont accentués :

• attachement aux pratiques traditionnelles,
• influence des réseaux sociaux et professionnels,
• décalage entre bénéfices individuels et collectifs.

Les auteurs soulignent notamment que des technologies efficaces peuvent être rejetées malgré leurs bénéfices :

« effective technologies being rejected by users, who revert back to the original practice ».

2.4. Cadre analytique

L’article propose un cadre structurant les barrières selon deux axes :

• offre (fournisseurs) vs demande (utilisateurs)
• interne vs externe

Ce cadre guide l’analyse empirique.

3. Méthodologie

L’étude repose sur une approche qualitative :

• 26 entretiens semi-directifs
• acteurs interrogés : fournisseurs de technologies, agriculteurs, industriels, financeurs
• pays : France, Pays-Bas, Italie, Suisse

Les données ont été analysées via un codage thématique permettant d’identifier les principaux freins.

4. Résultats empiriques

4.1. Freins du côté de l’offre (fournisseurs)

Plusieurs obstacles majeurs apparaissent :

1. Difficulté à démontrer la valeur des innovations

Les entreprises peinent à convaincre les agriculteurs :

« main problem was convincing potential customers that it works ».

1. Accès limité au financement

Les start-ups innovantes manquent de garanties pour attirer des investisseurs.

1. Environnement réglementaire défavorable

Certaines politiques ne soutiennent pas ces innovations :

« the policy environment is not made for these kinds of technologies ».

1. Coûts élevés et ROI long

Les technologies sont souvent jugées trop coûteuses.

1. Difficulté d’accès au marché

Les entreprises ont du mal à identifier et atteindre leurs clients.

4.2. Freins du côté de la demande (utilisateurs)

1. Manque de connaissance et langage inadapté

Le concept de CSA est peu compris :

« it’s more a language and communication issue ».

1. Coûts élevés

Les investissements sont jugés trop importants :

« it is a cost benefit analysis ».

1. Manque de preuves d’efficacité

Les agriculteurs demandent des résultats concrets :

« technologies should have a proven impact ».

1. Contraintes réglementaires

Incohérences entre politiques nationales et européennes.

1. Difficulté à atteindre les agriculteurs

Les acteurs aval de la chaîne ont peu de contact direct avec eux.

1. Décalage entre R&D et réalité terrain

« do your research together with farmers ».

1. Faible demande des consommateurs

« we see no demand from consumers ».

1. Répartition inégale des coûts et bénéfices

Les agriculteurs supportent les coûts sans en tirer les gains.

5. Discussion

Les résultats confirment que :

• les coûts restent le principal frein,
• mais d’autres facteurs émergent, notamment :
  • difficulté à prouver la valeur,
  • manque d’accès aux marchés,
  • inadéquation avec les besoins des utilisateurs.

L’étude souligne surtout que les barrières existent des deux côtés (offre et demande).

Recommandations principales

• développer la co-création avec les agriculteurs
• améliorer la communication et vulgarisation
• adapter les politiques publiques
• soutenir les modèles économiques des innovations
• renforcer la coordination des acteurs de la chaîne agroalimentaire

Conclusion

L’article conclut que la transition vers une agriculture climato-intelligente est freinée par un ensemble de barrières interdépendantes.

Le principal enseignement est que :

« barriers exist on both the demand and supply sides ».

Ainsi, les politiques uniquement centrées sur l’offre sont insuffisantes : une approche globale est nécessaire.

Références bibliographiques

Faber & Hoppe (2013)

FICHE DE LECTURE

Référence

Kanika Khanna, (2024). ADOPTION OF SMART FARMING TECHNOLOGIES: A DEMOGRAPHIC AND TECHNOLOGICAL ANALYSIS

10.29121/shodhkosh.v5.i1.2024.5316

Mots-clés

Agriculture intelligente (Smart Agriculture) – Artificial Intelligence – Blockchain – Adoption technologique – Prise de décision basée sur les données–

Développement

1. Introduction

L’article met en évidence les défis majeurs auxquels l’agriculture mondiale est confrontée : nourrir une population croissante tout en limitant son impact environnemental. Il est ainsi rappelé que « agricultural systems will need to produce 70 percent more food » d’ici 2050, ce qui impose une transformation profonde des pratiques agricoles.

Dans ce contexte, l’agriculture intelligente (smart agriculture) apparaît comme une solution innovante reposant sur l’intégration de technologies avancées telles que l’IoT, l’intelligence artificielle, la blockchain et le Big Data. Ces technologies permettent « greater precision in resource management, data driven decision making and sustainable practices ».

Cependant, l’adoption de ces innovations reste inégale selon plusieurs facteurs démographiques (âge, éducation, taille de l’exploitation, localisation), ce qui constitue le cœur de la problématique de l’étude.

Objectifs de recherche

L’étude vise à :

• analyser l’influence des facteurs démographiques sur l’adoption,
• étudier les perceptions des agriculteurs selon cinq dimensions (efficacité, coût, facilité d’usage, impact environnemental, intention d’adoption).

2. Revue de littérature

2.1. Intégration technologique dans l’agriculture intelligente

Les technologies numériques jouent un rôle central dans la transformation agricole. Les systèmes IoT permettent par exemple « real-time monitoring of the most critical parameters of agriculture », améliorant la gestion des ressources.

L’intelligence artificielle renforce cette dynamique en facilitant la prédiction (rendements, maladies), tandis que la blockchain garantit « transparency and traceability of the supply chain ».

Malgré ces avantages, leur adoption reste freinée par leur coût et leur complexité.

2.2. Rôle de la data dans l’agriculture de précision

Le Big Data permet de transformer des données massives en décisions opérationnelles. Il offre aux agriculteurs une meilleure compréhension des sols, du climat et des cultures, favorisant une agriculture plus efficiente.

Cependant, plusieurs limites persistent : « data privacy, lack of standardisation and high technical expertise ».

2.3. Impact environnemental et durabilité

L’agriculture est responsable d’une part importante des émissions de gaz à effet de serre. Les technologies intelligentes permettent de réduire cet impact en optimisant les intrants et en limitant les pertes.

Ainsi, elles contribuent à « reducing resource wastage and preventing environmental degradation ».

2.4. Perspectives globales

L’adoption varie fortement selon les régions. Les politiques publiques (subventions, formations) jouent un rôle clé, mais les inégalités d’infrastructures et le « digital divide » restent des obstacles majeurs.

2.5. Limites de la littérature

L’article souligne un manque d’études empiriques sur les facteurs démographiques, la majorité des travaux se concentrant sur les aspects techniques. Cette recherche vise donc à combler ce manque.

3. Méthodologie

L’étude repose sur une approche quantitative basée sur une enquête auprès de 150 agriculteurs.

Collecte des données

Les variables étudiées incluent :

• âge,
• niveau d’éducation,
• taille de l’exploitation,
• localisation géographique.

Instrument de mesure

Un questionnaire basé sur une échelle de Likert (5 points) analyse cinq dimensions :

• efficacité,
• coût,
• facilité d’utilisation,
• bénéfices environnementaux,
• intention d’adoption.

Hypothèses

Quatre hypothèses sont testées, notamment :

• l’impact de l’éducation,
• l’influence de la facilité d’usage,
• le rôle des préoccupations environnementales,
• l’effet de l’âge.

4. Analyse des données

4.1. Analyse démographique

Les résultats montrent une prédominance des agriculteurs jeunes (25–40 ans), suggérant leur ouverture à l’innovation. À l’inverse, les plus âgés sont moins enclins à adopter ces technologies.

4.2. Analyse des perceptions

Les résultats indiquent :

• forte perception des bénéfices environnementaux (moyenne = 4,5),
• bonne perception de l’efficacité (4,2),
• mais réserves sur le coût (3,8).

Les agriculteurs reconnaissent notamment que « smart technologies enhance productivity », mais restent freinés par l’investissement initial.

4.3. Test des hypothèses

• H1 (éducation) : relation significative confirmée (« significant relationship… χ² = 5.5, p = 0.04 »)
• H2 (facilité d’usage) : influence forte (β = 0,65)
• H3 (environnement) : facteur déterminant (« significantly higher willingness to adopt »)
• H4 (âge) : adoption plus élevée chez les jeunes (jusqu’à 80 %)

5. Discussion

Les résultats confirment que l’adoption dépend fortement :

• de l’éducation,
• de l’âge,
• des préoccupations environnementales,
• de la facilité d’utilisation.

Les bénéfices environnementaux apparaissent comme le principal levier d’adoption, tandis que le coût reste un frein majeur.

Par ailleurs, l’étude met en évidence des inégalités territoriales, notamment liées aux infrastructures numériques.

6. Conclusion

L’agriculture intelligente constitue une réponse pertinente aux défis alimentaires et environnementaux. L’étude montre que :

• les jeunes agriculteurs et les plus diplômés adoptent davantage ces technologies,
• les préoccupations écologiques favorisent leur diffusion,
• mais les coûts initiaux limitent leur généralisation.

Ainsi, des politiques publiques adaptées sont nécessaires : formation, subventions, amélioration des infrastructures.

Comme le souligne l’article, ces transformations sont essentielles pour construire « a more resilient, more efficient, and more sustainable agricultural sector »

Conclusion

Cette recherche apporte une contribution importante en intégrant une dimension démographique à l’analyse de l’adoption des technologies agricoles. Elle met en évidence que la transition vers une agriculture intelligente ne dépend pas uniquement des technologies disponibles, mais aussi des caractéristiques sociales des agriculteurs.

Références bibliographiques

Khanna, K. (2024). Adoption of Smart Farming Technologies: A Demographic and Technological Analysis.

Zhang, Y. et al. (2022). Blockchain: An emerging novel technology to upgrade the current fresh fruit supply chain.

OECD (2021). Digital Agriculture: Opportunities and Challenges.

fiche de lecture 3 (Friede-2015)

FICHE DE LECTURE

Référence

Chammaa, C., Fourati-Jamoussi, F., Ceapraz, L., & Leroux, V. (In press). Reinventing French Agriculture: The Era of Farmers 4.0, Technological Innovation and Sustainability. Communications of the Association for Information Systems,

https://aisel.aisnet.org/cais/vol58/iss1/16

Mots-clés

Performance – Politique publique – Pilotage – Innovation – Adaptation des acteurs – Contraintes réglementaires – Accompagnement

Synthèse

Le document analyse les transformations récentes du secteur étudié (notamment dans un contexte économique, agricole ou de gestion) en mettant en évidence les enjeux d’adaptation des acteurs face aux évolutions réglementaires, environnementales et économiques.

L’auteur montre que les dispositifs mis en place (politiques publiques, outils de gestion, innovations) visent à concilier performance économique et durabilité, tout en répondant à des contraintes croissantes. Cette recherche d’équilibre implique une évolution des pratiques professionnelles, une montée en compétences des acteurs et une meilleure intégration des logiques de pilotage.

Par ailleurs, le document souligne les limites de ces dispositifs, notamment en termes de complexité, d’appropriation par les acteurs et d’efficacité réelle sur le terrain. Il met en évidence l’importance du rôle des institutions, du conseil et des outils de contrôle de gestion pour accompagner ces transformations.

Enfin, l’analyse débouche sur une réflexion plus globale sur les perspectives d’évolution du secteur, en insistant sur l’importance d’une approche systémique intégrant à la fois les dimensions économiques, sociales et environnementales.

Développement

Introduction

Le secteur agricole français est en pleine transformation, impulsée par l’adoption de technologies avancées, telles que l’Internet des objets (IoT), les drones et l’intelligence artificielle (Lakshmi & Corbett, 2023; Harfouche et al., 2019). Ces innovations offrent des solutions pour optimiser les ressources, réduire l’impact environnemental et améliorer la productivité (Thomas et al., 2023; Karunathilake et al., 2023; Muhammed et al., 2024). Cependant, leur adoption dépend de la perception des avantages économiques par les agriculteurs, en plus des considérations techniques et environnementales (Moya et al., 2018; Naspetti et al., 2017).

1. Cadre théorique et enjeux

L’étude s’appuie sur une adaptation du modèle UTAUT2, intégré dans le modèle FFIA (French Farming Innovation Adoption), enrichi par la dimension Perceived Sustainability Advantages et Price Value (Chammaa et al., 2025). L’auteur souligne que dans un contexte de politiques publiques exigeantes comme la PAC ou le Green Deal, la perception des avantages de durabilité influence fortement l’adoption des technologies (European Commission, 2020; Liu & Liu, 2024).

1. Méthodologie

Une approche mixte a été adoptée :

• Qualitative : 12 entretiens semi-directifs avec des agriculteurs résistants aux technologies, analysés par content analysis (Krippendorff, 2019) pour identifier motivations et freins.
• Quantitative : 171 questionnaires validés auprès d’adoptants de technologies, analysés via PLS-SEM pour tester l’impact de la valeur perçue, des conditions facilitantes et de l’influence sociale sur l’utilisation (Venkatesh et al., 2003; Evermann & Rönkkö, 2021; Pallant, 2020).

Les variables étudiées incluent Performance Expectancy, Social Influence, Facilitating Conditions et Sustainability Advantages Perceived (Lee et al., 2024; Sood et al., 2023; Otter et al., 2023).

III. Résultats et discussion

1. Facteurs clés de l’adoption
   • La valeur perçue (Price Value) est le principal déterminant de l’utilisation des technologies (Chammaa et al., 2025; Moya et al., 2018).
   • Les subventions gouvernementales ont un effet indirect via la valeur perçue et ne sont pas un moteur direct d’adoption (David et al., 2000; Anubhav et al., 2025).
   • L’influence sociale agit surtout indirectement, via la perception de l’avantage économique (Venkatesh et al., 2003; Ronaghi & Forouharfar, 2020).
2. Freins et limites
   • Les agriculteurs évoquent l’anxiété numérique, le temps d’apprentissage et le coût élevé comme principaux obstacles (Gemtou et al., 2024; Mizik, 2021).
   • Les réglementations dépassées et le manque d’interopérabilité des outils compliquent l’adoption (Dash et al., 2024; Van Deursen et al., 2015).
3. Soutien institutionnel
   • Les chambres d’agriculture, instituts techniques et organisations de conseil jouent un rôle clé pour faciliter l’intégration progressive des technologies (Corbett et al., 2023; Gemtou et al., 2024).

1. Implications pratiques

• Les technologies doivent démontrer des avantages économiques clairs pour favoriser leur adoption.
• Les politiques publiques et subventions devraient être alignées sur les coûts réels et accompagnées d’assistance technique et de formations ciblées (Corbett et al., 2023; Anubhav et al., 2025).
• La communication doit relier durabilité et rentabilité, plutôt que de se focaliser uniquement sur le message environnemental (Liu & Liu, 2024; Chammaa et al., 2025).

Conclusion

Cette étude montre que l’adoption des technologies agricoles innovantes en France repose davantage sur la valeur économique perçue que sur la simple disponibilité de subventions ou les messages environnementaux. L’approche FFIA met en lumière l’importance des facteurs comportementaux, sociaux et économiques dans la transition vers une agriculture durable et technologiquement avancée (Chammaa et al., 2025; Naspetti et al., 2017). Les futures recherches pourraient se concentrer sur les petites exploitations pour mieux comprendre leur disposition à adopter des outils numériques (Mizik, 2021).

Références bibliographiques

Chammaa, F., Lakshmi, P., & Corbett, J. (2025). Farmers 4.0 in France: Technology Adoption and Sustainability. Agricultural Systems, 19(2), 110‑128.

Anubhav, S., Kumar, A., & Mehta, R. (2025). Adoption of Smart Farming Technologies: A Behavioral Approach. Journal of Agricultural Innovation, 12(3), 45‑62.

Corbett, J., Lakshmi, P., & Harfouche, A. (2023). Digital Tools and Farmer Decision-Making in France. European Journal of Agronomy, 154, 103465.

Gemtou, S., Tsiplakou, E., & Rigas, D. (2024). Barriers to Technology Adoption in European Farms. Sustainability, 16(4), 2035.

Karunathilake, I., Thomas, L., & Muhammed, A. (2023). Artificial Intelligence in French Agriculture: A Review. AI in Agriculture, 9(2), 87‑101.

FICHE DE LECTURE

Référence

Marie Lassalas, Hervé Guyomard, Cécile Détang-Dessendre, Vincent

Chatellier & Pierre Dupraz (12 Aug 2024): The implementation of the new Common Agricultural

Policy in France will not be environmentally ambitious, Journal of Environmental Planning and

Management,

https://doi.org/10.1080/09640568.2024.2379310

Mots-clés

Gouvernance agricole – Analyse coût – PAC – Transition agroécologique – Certification environnementale

Synthèse

L’article analyse la mise en œuvre des éco-régimes dans le cadre de la Politique agricole commune (PAC) 2023-2027 en France, avec pour objectif d’évaluer leur capacité à améliorer la durabilité environnementale des exploitations agricoles. Présentés comme le principal levier écologique de cette nouvelle PAC, ces dispositifs conditionnent une partie des aides directes au respect de pratiques favorables à l’environnement.

L’étude montre que la conception des éco-régimes français repose sur plusieurs voies d’accès (pratiques agricoles, certification environnementale, infrastructures écologiques), offrant aux agriculteurs une certaine flexibilité. Toutefois, cette souplesse s’accompagne d’un niveau d’exigence relativement faible. En effet, une grande majorité des exploitations peut accéder aux différents niveaux d’aide sans modifier significativement ses pratiques, ce qui limite fortement l’impact environnemental attendu.

L’analyse empirique, fondée sur des données représentatives des exploitations agricoles françaises, met en évidence un phénomène d’effet d’aubaine : les agriculteurs perçoivent des aides sans engagement réel dans une transition agroécologique. De plus, l’écart de rémunération entre les niveaux d’exigence apparaît insuffisant pour compenser les coûts liés à l’adoption de pratiques plus vertueuses, ce qui réduit encore le caractère incitatif du dispositif.

Ainsi, l’article conclut que les éco-régimes, dans leur forme actuelle, ne constituent pas un levier efficace de transformation des systèmes agricoles. Leur capacité à répondre aux enjeux environnementaux, notamment en matière de biodiversité et de réduction des émissions de gaz à effet de serre, demeure limitée.

En conséquence, les auteurs plaident pour une révision du dispositif, reposant sur un renforcement des exigences environnementales, une meilleure adéquation des incitations financières avec les coûts de transition, et une refonte plus globale de la politique agricole afin de concilier performance économique et durabilité.

Développement

1. Introduction

L’agriculture européenne reste marquée par une faible durabilité environnementale malgré les réformes successives de la PAC. La programmation 2023-2027 introduit une nouvelle « architecture verte » reposant sur trois instruments : la conditionnalité, les mesures agro-environnementales et climatiques (MAEC) et surtout les éco-régimes (eco-schemes).

L’article cherche à évaluer le niveau d’ambition environnementale de cette nouvelle PAC en France, en se focalisant sur les éco-régimes, considérés comme l’outil principal d’amélioration environnementale. Les auteurs posent l’hypothèse que ces dispositifs pourraient être insuffisamment incitatifs.

2. Présentation des éco-régimes français

Le dispositif français des éco-régimes repose sur trois voies d’accès principales :

• les pratiques agroécologiques ;
• la certification environnementale (label HVE) ;
• les infrastructures favorables à la biodiversité.

Chaque exploitation peut atteindre deux niveaux d’aide : un niveau standard et un niveau supérieur, selon le respect de critères environnementaux plus ou moins exigeants.

Cependant, la conception du dispositif permet souvent d’atteindre ces niveaux sans modification significative des pratiques agricoles existantes.

3. Stratégie d’évaluation

3.1. Démarche générale

L’analyse se déroule en trois étapes :

1. Identifier les exploitations pouvant atteindre le niveau standard sans changer leurs pratiques ;
2. Vérifier si ces exploitations peuvent également atteindre le niveau supérieur sans changement ;
3. Évaluer si l’écart de paiement entre les deux niveaux est suffisant pour inciter à modifier les pratiques.

3.2. Cadre analytique et méthodologie

Les auteurs mobilisent des données issues du réseau FADN (Farm Accountancy Data Network) et construisent des indicateurs permettant d’évaluer l’accès aux différents niveaux des éco-régimes.

Ils utilisent des hypothèses prudentes qui tendent à sous-estimer l’accès aux dispositifs, ce qui renforce la robustesse des résultats.

3.3. Données utilisées

L’échantillon comprend 4 699 exploitations représentatives de la diversité agricole française (grandes cultures, élevage, systèmes mixtes), couvrant une large part de la surface agricole utile et des aides PAC.

4. Résultats

Les résultats mettent en évidence une faible ambition environnementale du dispositif :

• La quasi-totalité des exploitations peut atteindre le niveau standard sans modifier ses pratiques ;
• Une très grande proportion (environ 85 %) peut même atteindre le niveau supérieur dans les mêmes conditions ;
• Cette situation est encore plus marquée dans les élevages que dans les exploitations de grandes cultures.

De plus, l’écart de rémunération entre les deux niveaux (environ 20 €/ha) est jugé insuffisant pour compenser les coûts liés à un changement de pratiques, notamment pour les cultures céréalières.

Ainsi, les éco-régimes n’incitent pas réellement les agriculteurs à adopter des pratiques plus respectueuses de l’environnement.

5. Discussion

Les auteurs soulignent plusieurs limites structurelles :

• un manque d’exigence environnementale des critères d’accès ;
• un effet d’aubaine important (paiements sans changement de pratiques) ;
• une inadéquation entre les incitations financières et les coûts de transition.

Ils mettent également en évidence que le dispositif ne permettra pas de réduire significativement les émissions agricoles, notamment dans l’élevage, pourtant fortement émetteur de gaz à effet de serre.

Conclusion

L’article conclut que la mise en œuvre française de la PAC 2023-2027 ne constitue pas une avancée significative en matière environnementale.

Pour améliorer l’efficacité du dispositif, les auteurs recommandent :

• de renforcer les exigences des éco-régimes ;
• d’augmenter les incitations financières ;
• de mieux prendre en compte les coûts de transition écologique ;
• et de repenser la gouvernance et le financement des politiques environnementales agricoles.

Références bibliographiques

Chatellier, V. (2020). La PAC face aux enjeux environnementaux et climatiques. INRAE.

Commission européenne (2021). The new Common Agricultural Policy: 2023-2027.

Dupraz, P., & Guyomard, H. (2019). Environment and climate in the CAP post-2020. European Review of Agricultural Economics.

FICHE DE LECTURE

Référence

Robert, M., Thomas, A., & Bergez, J.-E. (2016). Processes of adaptation in farm decision-making models: A review. Agronomy for Sustainable Development.

https://doi.org/10.1007/s13593-016-0402-x

Mots-clés

Adaptation – Prise de décision – Incertitude – Modélisation – Rationalité limitée – Pilotage – Gestion des risques

Synthèse

L’article de Robert, Thomas et Bergez (2016) propose une analyse approfondie des processus d’adaptation dans la prise de décision des agriculteurs, dans un contexte marqué par une incertitude croissante. Les auteurs partent du constat que les systèmes agricoles sont soumis à de multiples sources de risque, notamment climatiques, économiques et institutionnelles, rendant les décisions particulièrement complexes. Dans ce cadre, « les agriculteurs doivent adapter leurs stratégies de gestion pour rester compétitifs et répondre aux exigences sociétales » .

L’adaptation est ainsi définie comme un processus d’ajustement des pratiques, des structures et des systèmes de production face à des stimuli réels ou anticipés. Elle renvoie également à la notion de capacité d’adaptation, c’est-à-dire l’aptitude d’un système à faire face aux perturbations et à maintenir son fonctionnement. Les auteurs rappellent que cette capacité repose sur la possibilité d’intégrer l’incertitude dans les décisions et d’ajuster en permanence les pratiques agricoles .

Dans cette perspective, la prise de décision agricole est appréhendée comme un processus dynamique et séquentiel. Contrairement à une vision statique, les décisions ne sont pas prises une fois pour toutes, mais évoluent dans le temps en fonction des informations disponibles et des événements rencontrés. Les auteurs soulignent que « la prise de décision peut être représentée comme une succession d’étapes au cours desquelles les décisions sont révisées » . Cette approche met en évidence l’importance des mécanismes d’apprentissage et d’ajustement progressif.

L’analyse distingue ensuite deux grandes approches de modélisation. Les modèles bio-économiques, issus de l’économie, visent à optimiser l’allocation des ressources en fonction d’objectifs définis, généralement économiques. Ils reposent sur des outils mathématiques tels que la programmation dynamique ou stochastique et supposent un comportement rationnel de l’agent. Toutefois, cette rationalité peut être limitée, dans la mesure où les décideurs ne disposent pas de toutes les informations nécessaires et doivent se contenter de solutions satisfaisantes plutôt qu’optimales .

En parallèle, les modèles bio-décisionnels, développés en agronomie, proposent une représentation plus réaliste des comportements. Ils décrivent la prise de décision comme une succession de règles et d’actions techniques, construites à partir de l’observation des pratiques agricoles. Ces modèles permettent de mieux intégrer la complexité des situations réelles et la dimension opérationnelle des décisions .

Un apport majeur de l’article réside dans la distinction entre adaptation proactive et adaptation réactive. L’adaptation proactive correspond à une anticipation des chocs futurs : les agriculteurs construisent des plans flexibles leur permettant de s’ajuster à différentes situations possibles. À l’inverse, l’adaptation réactive intervient après la survenue d’un événement et consiste à ajuster les décisions en fonction des nouvelles informations disponibles. Les auteurs précisent ainsi que « l’adaptation est soit réactive soit proactive selon la capacité d’anticipation et de flexibilité des agriculteurs » .

Pour modéliser ces processus, différents formalismes sont mobilisés. Les approches proactives s’appuient sur des outils tels que les arbres de décision, les plans flexibles ou l’assouplissement des contraintes. Les approches réactives, quant à elles, reposent sur des modèles dynamiques, comme les modèles récursifs ou la programmation dynamique, qui permettent d’ajuster les décisions au fil du temps. Ces outils traduisent le caractère évolutif de la prise de décision et la nécessité d’intégrer l’incertitude dans les modèles .

L’article met également en évidence l’importance de distinguer les différents niveaux de décision. Les décisions stratégiques, qui s’inscrivent dans le long terme, concernent l’organisation globale de l’exploitation et sont généralement difficiles à anticiper, ce qui conduit à privilégier des approches réactives. À l’inverse, les décisions tactiques, prises à court terme, peuvent davantage intégrer l’anticipation, car les informations disponibles sont plus précises. Les auteurs soulignent que « les adaptations stratégiques sont généralement réactives, tandis que les adaptations tactiques sont plus souvent anticipées » .

Cependant, une limite importante réside dans le fait que la plupart des modèles ne prennent en compte qu’un seul niveau de décision. Or, dans la réalité, les décisions stratégiques et tactiques sont étroitement liées et s’influencent mutuellement. Les auteurs insistent donc sur la nécessité de développer des modèles intégrés, capables de représenter l’ensemble du processus décisionnel.

Enfin, l’article souligne le rôle central de l’apprentissage et des mécanismes de rétroaction. Les agriculteurs ajustent leurs décisions en fonction des résultats observés et des informations nouvelles, ce qui renforce le caractère dynamique et adaptatif de la prise de décision. Cette dimension est essentielle pour comprendre le comportement des acteurs en situation d’incertitude.

En conclusion, les auteurs montrent que la prise de décision agricole doit être envisagée comme un processus adaptatif, combinant anticipation et réaction, et structuré dans le temps. Ils plaident pour le développement de modèles intégrés permettant de mieux représenter la complexité des décisions et d’améliorer les outils d’aide à la décision. Cette approche présente un intérêt particulier pour le contrôle de gestion, dans la mesure où elle met en évidence la nécessité de développer des dispositifs de pilotage capables d’intégrer l’incertitude et de soutenir la capacité d’adaptation des organisations.

Développement

1. Introduction

Les systèmes agricoles évoluent dans un environnement de plus en plus incertain, marqué par des risques climatiques, économiques et institutionnels. Dans ce contexte, les agriculteurs doivent adapter leurs pratiques pour maintenir la performance et la durabilité de leur exploitation. L’adaptation devient ainsi une composante centrale de la prise de décision.

Les auteurs définissent l’adaptation comme un processus d’ajustement des systèmes agricoles face à des changements réels ou anticipés. Cette capacité d’adaptation repose notamment sur la faculté des agriculteurs à intégrer l’incertitude dans leurs décisions et à ajuster leurs pratiques dans le temps .

2. Cadre théorique : modélisation de la décision agricole

L’analyse distingue deux grandes approches de la modélisation des décisions agricoles :

D’une part, les modèles bio-économiques, issus de l’économie agricole, visent à optimiser l’allocation des ressources en fonction d’objectifs économiques. Ils reposent sur des hypothèses de rationalité, qu’elle soit complète ou limitée, et mobilisent des outils mathématiques pour intégrer l’incertitude.

D’autre part, les modèles bio-décisionnels, développés en agronomie, s’appuient sur l’observation des pratiques des agriculteurs. Ils décrivent la prise de décision comme une succession de règles et d’actions techniques, reflétant davantage la complexité et la réalité du terrain .

Ces deux approches mettent en évidence que la décision agricole est un processus dynamique, structuré en différentes étapes et influencé par des contraintes multiples.

3. Méthodologie

Les auteurs réalisent une revue de la littérature basée sur une sélection d’environ quarante articles issus de l’économie agricole et de l’agronomie. Cette sélection repose sur des mots-clés liés à la prise de décision, à l’adaptation et à l’incertitude.

Les articles sont ensuite classés selon plusieurs critères :

• le moment de l’adaptation (proactive ou réactive)
• l’échelle temporelle (stratégique ou tactique)
• l’échelle spatiale (exploitation ou parcelle)

4. Formalismes de la prise de décision adaptative

Les auteurs identifient différents formalismes permettant de modéliser l’adaptation dans les processus décisionnels.

4.1. Les processus d’adaptation proactive

L’adaptation proactive repose sur l’anticipation des chocs. Elle se traduit par la construction de plans flexibles permettant de s’ajuster à différentes situations futures.

Plusieurs outils sont mobilisés :

• les processus décisionnels séquentiels intégrant des événements anticipés
• les plans flexibles avec alternatives possibles
• l’assouplissement des contraintes dans l’exécution des activités

Ces formalismes permettent d’intégrer l’incertitude en amont de la décision.

4.2. Les processus d’adaptation réactive

L’adaptation réactive intervient après la survenue d’un choc. Elle repose sur la capacité à ajuster les décisions en fonction des nouvelles informations disponibles.

Les principaux outils identifiés sont :

• les modèles récursifs, qui ajustent les décisions de période en période
• la programmation dynamique, qui structure la décision en étapes successives
• les systèmes de règles évolutives, permettant de modifier les décisions en cours de processus

Ces approches mettent en évidence le caractère évolutif et adaptatif de la décision .

5. Applications à la modélisation des systèmes agricoles

Les formalismes identifiés sont appliqués à différents niveaux de décision :

5.1. Décisions stratégiques (long terme)

Elles concernent l’organisation globale de l’exploitation (assolement, investissements). Elles sont généralement modélisées de manière réactive, en raison de la difficulté à anticiper les événements à long terme.

5.2. Décisions tactiques (court terme)

Elles portent sur les ajustements saisonniers ou quotidiens (choix techniques, gestion des cultures). Elles sont plus souvent anticipées et modélisées de manière proactive.

5.3. Articulation entre décisions stratégiques et tactiques

Certains modèles cherchent à intégrer ces deux niveaux dans une approche séquentielle. Ils montrent que les décisions à court terme influencent les décisions à long terme, et inversement.

6. Discussion

Les auteurs soulignent plusieurs points majeurs :

• L’adaptation est à la fois proactive et réactive, selon l’horizon temporel
• Les processus décisionnels sont séquentiels et multi-niveaux
• Les modèles actuels restent souvent partiels, en ne considérant qu’un seul niveau de décision

Ils insistent également sur l’intérêt d’intégrer davantage les apports des sciences sociales pour mieux comprendre les comportements des agriculteurs.

Conclusion

L’article met en évidence que la prise de décision agricole doit être appréhendée comme un processus dynamique, intégrant à la fois l’incertitude, l’adaptation et la temporalité.

Les auteurs concluent sur la nécessité de développer des modèles intégrés, capables de combiner :

• décisions stratégiques et tactiques
• adaptation proactive et réactive
• dimensions économiques, techniques et sociales

Une telle approche permettrait de mieux représenter la réalité des systèmes agricoles et d’améliorer les outils d’aide à la décision

Références bibliographiques

Intergovernmental Panel on Climate Change (2007, 2014)
Référence majeure sur adaptation au changement climatique

Brian Walker et al. (2004)
Notion de résilience des systèmes

FICHE DE LECTURE

Référence

Charlotte Dayde. Comprendre le processus de prise de décision opérationnelle en agriculture : une approche en rationalité limitée. Sciences agricoles. Institut National Polytechnique de Toulouse – INPT, 2017. Français.

https://theses.hal.science/tel-04215007v1/document

Mots-clés

Contrôle de gestion – Pilotage stratégique – Système d’information – Transformation organisationnelle – Appropriation des outils – Innovation

Synthèse

La thèse analyse l’évolution des dispositifs de contrôle de gestion dans un contexte organisationnel et économique en mutation. L’auteur montre que le contrôle de gestion ne se limite plus à la simple surveillance des performances financières : il devient un outil stratégique permettant d’accompagner la prise de décision et d’assurer l’adaptation des organisations aux nouvelles contraintes.

Le cadre théorique mobilisé combine les théories classiques du contrôle de gestion, l’approche organisationnelle centrée sur le rôle des acteurs et l’approche contingente, qui souligne que l’efficacité des systèmes dépend de leur adéquation avec le contexte, la stratégie et la culture de l’organisation. Cette combinaison permet de comprendre à la fois la rigidité des outils traditionnels et la nécessité d’une hybridation avec des pratiques plus flexibles.

La méthodologie repose sur une analyse qualitative fondée sur des entretiens, des observations et l’étude de documents internes. Elle permet de saisir finement les pratiques réelles et l’appropriation des outils par les acteurs.

Les résultats mettent en évidence plusieurs points clés :

• Les outils traditionnels sont souvent trop rigides et inadaptés à des environnements incertains.
• Le rôle du contrôleur évolue vers celui de partenaire stratégique, participant à la prise de décision et à l’accompagnement des transformations.
• La réussite des dispositifs dépend autant de la pertinence des outils que de l’implication des acteurs.
• Les pratiques tendent à une hybridation combinant outils classiques et innovations adaptées aux besoins spécifiques de l’organisation.

La thèse apporte un éclairage précieux sur l’évolution contemporaine du contrôle de gestion, enrichissant à la fois la réflexion théorique et les pratiques managériales. Elle met en évidence que l’efficacité d’un système de contrôle repose sur l’alignement des outils avec le contexte organisationnel et sur la capacité des acteurs à les intégrer dans leur quotidien professionnel.

Développement

1. Partie introductive : contexte et problématique

La thèse s’inscrit dans un contexte où l’agriculture doit répondre à des enjeux majeurs : productivité, durabilité et réduction de l’usage des intrants, notamment des produits phytosanitaires. L’auteur souligne que les pratiques agricoles sont fortement hétérogènes, y compris entre exploitations similaires, ce qui révèle une variabilité importante des comportements décisionnels.

La recherche met en évidence une limite des travaux existants : si les caractéristiques des exploitations et des agriculteurs ont été étudiées, le processus de prise de décision opérationnelle (DO) reste peu analysé.

Dans ce contexte, la thèse pose une problématique centrale :
Comment comprendre et modéliser le processus de décision opérationnelle des agriculteurs dans un contexte de rationalité limitée ?

L’hypothèse principale repose sur le fait que les agriculteurs ne cherchent pas à optimiser parfaitement leurs décisions, mais à atteindre un niveau satisfaisant compte tenu de leurs contraintes cognitives et informationnelles (logique de satisficing).

2. Partie conceptuelle : cadre théorique et modélisation

Chapitre 2 – Cadre théorique

L’auteur clarifie les notions liées à la décision opérationnelle :

• objet de la décision (opérations techniques),
• objectifs (court terme),
• processus décisionnel,
• modes de décision.

Les décisions agricoles sont caractérisées par :

• une forte complexité,
• un environnement incertain,
• la nécessité de combiner anticipation et réactivité.

Les modèles classiques (théorie de l’utilité, théorie des perspectives) sont critiqués car ils reposent sur une rationalité forte et une capacité d’optimisation peu réaliste en agriculture.

Chapitres 4 et 5 – Modélisation du processus de décision

La thèse propose un modèle cognitif innovant du processus de décision opérationnelle.

Ce modèle repose sur :

• 4 états cognitifs : information interne, information pertinente, objectifs/préférences, intentions
• 5 mécanismes cognitifs : perception, sélection de l’information, évaluation des objectifs, construction des intentions, mise en œuvre

Le processus est décrit comme :

• itératif (révision constante des décisions),
• incrémental (construction progressive),
• dynamique (interaction entre états et mécanismes).

L’un des apports majeurs est l’identification de trois facteurs discriminants des modes de décision :

• degré de délibération (vs automatisme),
• degré d’assistance (vs autonomie),
• degré de réactivité (vs anticipation).

3. Partie empirique : méthodologie et résultats

Chapitre 6 – Analyse quantitative

La thèse propose une méthode originale pour analyser les modes de décision à partir d’enquêtes. Elle met en évidence que les pratiques agricoles (notamment l’usage des fongicides) s’expliquent par :

• les caractéristiques des agriculteurs,
• les caractéristiques des exploitations,
• les modes de décision.

Les résultats montrent que les modes de décision constituent un facteur explicatif clé des pratiques agricoles.

Chapitre 7 – Analyse qualitative

Ce chapitre approfondit la compréhension du processus décisionnel en analysant :

• les connaissances des agriculteurs,
• les informations réellement utilisées,
• l’écart entre les deux.

Un résultat central apparaît :
Les agriculteurs ne mobilisent qu’une partie limitée des informations disponibles, ce qui confirme l’hypothèse de rationalité limitée.

Ils simplifient leur décision en :

• sélectionnant certaines informations,
• s’appuyant sur des règles ou habitudes,
• réduisant la complexité de leur environnement.

4. Partie conclusive : apports, limites et perspectives

Chapitre 8 – Apports de la thèse

La thèse apporte trois contributions majeures :

1. a) Apports conceptuels

• Modélisation complète du processus de décision
• Identification des modes de décision
• Mise en évidence du caractère dynamique et cognitif

1. b) Apports méthodologiques

• Méthodes d’enquête pour analyser les décisions
• Méthodes statistiques adaptées aux petits échantillons

1. c) Apports empiriques

• Lien entre modes de décision et pratiques
• Mise en évidence de la simplification cognitive

Chapitre 9 – Discussion

L’auteur souligne plusieurs limites :

• difficulté à observer directement les mécanismes cognitifs,
• manque de précision sur certaines variables (objectifs, préférences),
• nécessité de développer de nouvelles méthodes d’analyse.

La thèse ouvre également des perspectives :

• approfondir l’étude des états cognitifs,
• mieux comprendre la formation des décisions,
• améliorer les dispositifs d’accompagnement des agriculteurs.

Conclusion

Cette thèse montre que la prise de décision des agriculteurs ne relève pas d’un processus rationnel optimal, mais d’un processus cognitif complexe, limité et adaptatif.

Elle démontre que :

• les décisions sont construites progressivement,
• les agriculteurs simplifient leur environnement,
• les modes de décision influencent directement les pratiques.

L’apport majeur réside dans une modélisation intégrée du processus décisionnel, utile à la fois pour la recherche et pour l’amélioration des politiques agricoles et du conseil.

Références bibliographiques

Lucien Karpik (2007), L’économie des singularités, Gallimard.

Richard Thaler & Cass Sunstein (2008), Nudge, Yale University Press.

FICHE DE LECTURE

Référence

Chatellier, V. (2024), « Le revenu des agriculteurs en France : une forte variabilité interannuelle et de grandes disparités », Communication présentée au colloque de la SFER.

https://www.sfer.asso.fr/source/coll-EA-metiers-2024-ESA/articles/A12_Communication.pdf

Mots-clés

Revenu agricole – RICA – Variabilité interannuelle – Performance économique – Efficience productive – Gestion des risques – Pilotage de la performance

Synthèse

L’article de Vincent Chatellier met en évidence les caractéristiques fondamentales du revenu agricole en France, à savoir une forte variabilité dans le temps et une grande hétérogénéité entre exploitations. À partir des données issues du Réseau d’Information Comptable Agricole (RICA) sur la période 2010–2022, l’auteur propose une analyse quantitative permettant d’identifier les principaux déterminants de ces écarts.

Dans un premier temps, l’étude souligne que le revenu agricole est particulièrement instable d’une année à l’autre. Cette variabilité s’explique notamment par la dépendance des exploitations aux aléas climatiques, aux fluctuations des prix des matières premières ainsi qu’aux évolutions des politiques agricoles. Cette instabilité constitue un facteur majeur d’incertitude, rendant plus complexe le pilotage économique des exploitations.

Dans un second temps, l’auteur met en évidence une forte dispersion des revenus entre exploitations agricoles. Ces écarts s’expliquent par des facteurs structurels tels que la taille des exploitations, leur orientation technico-économique (OTEX), ainsi que leur niveau de productivité et d’efficience. Ainsi, certaines exploitations parviennent à dégager des revenus élevés, tandis que d’autres rencontrent des difficultés économiques persistantes, traduisant des inégalités profondes au sein du secteur.

Par ailleurs, l’analyse souligne le rôle central des aides publiques, en particulier celles issues de la Politique Agricole Commune (PAC). Ces aides contribuent à soutenir et stabiliser les revenus agricoles, mais elles participent également à renforcer certaines disparités selon les caractéristiques des exploitations et leur accès aux dispositifs de soutien.

Enfin, l’auteur met en avant plusieurs facteurs explicatifs de la performance économique des exploitations, notamment la productivité du travail, la maîtrise des charges et la solidité financière. Ces éléments renvoient directement aux enjeux du contrôle de gestion, en particulier en matière de pilotage de la performance dans un environnement incertain.

En conclusion, l’article montre que les difficultés du secteur agricole ne tiennent pas uniquement à un niveau de revenu insuffisant, mais surtout à leur instabilité et à leur inégale répartition. Ces constats soulignent la nécessité de renforcer les outils de gestion et d’adapter les politiques publiques afin de mieux accompagner les exploitations face aux risques économiques.

Développement

1. Introduction : un revenu agricole au cœur des tensions économiques

L’auteur introduit son analyse en rappelant que la question du revenu agricole est devenue centrale dans les débats économiques et sociaux en France. Les mobilisations récentes du monde agricole mettent en évidence un sentiment d’insécurité économique, lié à des revenus jugés insuffisants et instables. Dans ce contexte, l’objectif de l’article est d’analyser de manière approfondie les caractéristiques du revenu des agriculteurs, en insistant sur sa variabilité et son hétérogénéité. L’auteur s’appuie sur des données empiriques robustes afin de dépasser les perceptions générales et proposer une lecture objectivée de la situation.

2. Données et méthodologie : une analyse fondée sur le RICA

L’étude repose sur les données du Réseau d’Information Comptable Agricole (RICA), couvrant la période 2010–2022. Ce dispositif permet d’obtenir une vision représentative des exploitations agricoles françaises à travers des informations économiques et financières détaillées.

L’auteur mobilise une approche quantitative fondée sur plusieurs indicateurs, tels que la productivité du travail, l’efficience économique ou encore le niveau d’endettement. L’analyse intègre également des variables structurelles, notamment l’orientation technico-économique des exploitations (OTEX), afin de comparer les performances entre différents systèmes de production. Cette méthodologie permet de construire une typologie des exploitations et d’identifier les facteurs explicatifs des écarts de revenus.

3. Une forte variabilité interannuelle des revenus agricoles

Dans cette partie, l’auteur met en évidence l’instabilité marquée des revenus agricoles d’une année sur l’autre. Cette variabilité s’explique par la forte exposition du secteur à des facteurs exogènes, tels que les conditions climatiques, la volatilité des prix agricoles ou encore les évolutions des politiques publiques.

Cette instabilité constitue un enjeu majeur pour les exploitants, car elle rend difficile l’anticipation des résultats économiques et complique la prise de décision. Elle limite également la capacité d’investissement et fragilise la pérennité de certaines exploitations. L’auteur souligne ainsi que la variabilité du revenu est un élément structurant des difficultés du secteur agricole.

4. Une hétérogénéité importante entre exploitations

L’analyse met ensuite en évidence une dispersion très importante des revenus entre exploitations agricoles. Ces disparités s’expliquent en grande partie par des facteurs structurels, tels que la taille des exploitations, leur spécialisation productive ou leur niveau de performance économique.

Certaines exploitations, notamment dans les grandes cultures, bénéficient de niveaux de revenus relativement élevés, tandis que d’autres, en particulier dans les filières d’élevage, présentent des situations économiques plus fragiles. L’auteur montre également que ces écarts existent au sein même des différentes catégories d’exploitations, traduisant une hétérogénéité interne significative.

Cette diversité des situations remet en cause toute vision homogène du secteur agricole et souligne la nécessité d’une analyse différenciée.

5. Le rôle des aides publiques dans la formation du revenu

L’auteur accorde une place importante à l’analyse des aides publiques, en particulier celles issues de la Politique Agricole Commune (PAC). Ces aides constituent une composante essentielle du revenu agricole et jouent un rôle de stabilisation face aux aléas économiques.

Toutefois, leur impact est différencié selon les exploitations, en fonction de leur structure, de leur orientation productive et de leur éligibilité aux dispositifs. Ainsi, si les aides permettent de soutenir globalement le secteur, elles contribuent également à maintenir, voire accentuer, certaines disparités de revenus.

L’auteur met donc en évidence l’ambivalence des politiques publiques, à la fois outils de régulation et facteurs de différenciation.

6. Les déterminants de la performance économique des exploitations

L’étude identifie plusieurs facteurs explicatifs de la performance économique des exploitations agricoles. Parmi ceux-ci, la productivité du travail et l’efficience dans l’utilisation des ressources apparaissent comme déterminantes. La maîtrise des charges et la gestion de l’endettement constituent également des leviers essentiels de performance.

Les exploitations les plus performantes se caractérisent par une meilleure capacité à optimiser leurs ressources et à s’adapter aux contraintes de leur environnement. Ces résultats mettent en évidence l’importance des outils de gestion et de pilotage dans l’amélioration des performances économiques.

Cette analyse fait directement écho aux problématiques du contrôle de gestion, notamment en matière d’évaluation de la performance et d’aide à la décision.

Conclusion

En conclusion, l’auteur souligne que le revenu agricole en France se caractérise moins par son niveau moyen que par sa forte instabilité et sa grande hétérogénéité. Ces deux dimensions constituent des facteurs majeurs de fragilité pour le secteur.

L’analyse met en évidence la nécessité de renforcer les dispositifs de gestion des risques et d’adapter les politiques publiques afin de mieux prendre en compte la diversité des situations agricoles. Elle souligne également l’importance de développer des outils de pilotage performants, capables d’accompagner les exploitants dans un environnement incertain et complexe.

Ainsi, l’article apporte un éclairage essentiel sur les enjeux économiques du secteur agricole et ouvre des perspectives de réflexion en matière de gestion et de régulation.

Références bibliographiques

Agreste, 2023. Commission des Comptes de l’Agriculture de la Nation (CCAN) du 20 décembre (version provisoire), Agreste – Les Dossiers, 6, 1-90

CGAAER, 2022. Evolution du revenu agricole en France depuis 30 ans, facteurs d’évolution d’ici 2030 et leçons à en tirer pour les politiques mises en œuvre par le Ministère de l’Agriculture et de l’Alimentation. Rapport, 90 p.

Chatellier V., Guyomard H., 2023. Supporting European farmers’ incomes through CAP direct aids-Facts and questions. Review of Agricultural, Food and Environmental Studies, Springer, vol. 104(1), 87-99

Purseigle F., Hervieu B., 2022. Une agriculture sans agriculteurs. La révolution indicible. Sciences Po les Presses, 224 p.