Actes de la conférence internationale

ENJEUX et PERSPECTIVES ÉCONOMIQUES en AFRIQUE

FRANCOPHONE
Dakar, 4-5-6 février 2019

Modèle à base d’agents de la dynamique du prix des

moutons au Sénégal
Marie Ndeye Gnilane DIOUF
Docteur en Sciences économiques de l’université Cheikh Anta Diop de
Dakar (Sénégal)
mariendeyegnilane.diouf@ucad.edu.sn
Pierre MENDY
Professeur à la faculté des Sciences économiques de l’université Cheikh
Anta Diop de Dakar (Sénégal)
pierre.mendy@ucad.edu.sn
Alassane BAH
Professeur à l’École Supérieure Polytechnique de Dakar (Sénégal)
alassane.bah@gmail.com

RÉSUMÉ La filière ovine occupe une place importante au Sénégal. Tout au long de
l’année, le sous-secteur ovin doit satisfaire une demande croissante particulièrement
durant la période de la fête d’Eid El Kébir. Ce qui est à l’origine des spéculations des
prix sur le marché des moutons au Sénégal. Pour permettre à la population d’avoir
accès aux moutons, le Sénégal mise sur les importations à travers le Mali et la
Mauritanie. De ce fait, nous nous sommes intéressés à la dynamique des prix sur ce
marché pour analyser les facteurs qui déterminent les fluctuations des prix. Nous
utilisons deux approches : le protocole Overview, Design concepts, Details pour
décrire le fonctionnement du marché et comprendre les interactions entre les
différents acteurs du marché ; et le modèle Autoregressive Distributive Lags qui
permet d'analyser la relation entre l'offre et les prix de moutons au Sénégal. Les
principaux résultats montrent qu’à long terme comme à court terme les prix des
moutons n'ont pas d'impact significatif sur l'offre. Ce résultat peut s'expliquer par la
méthode de fixation des prix du mouton qui se fait par une négociation directe entre
l'offreur et le demandeur et aussi par la taille de notre échantillon qui est
relativement limitée.

MOTS CLÉS Moutons, dynamique, prix, offre

Les idées et opinions exprimées dans les textes sont celles des auteurs et ne reflètent pas
nécessairement celles de l’OFE ou celles de ses partenaires. Aussi, les erreurs et lacunes
subsistantes de même que les omissions relèvent de la seule responsabilité des auteurs.
Pour citer ce document :
Diouf, M. N. G. ; Mendy, P. ; Bah, A. 2019. « Modèle à base d’agents de la
dynamique du prix des moutons au Sénégal », dans Enjeux et perspectives
économiques en Afrique francophone (Dakar, 4 – 6 février 2019). Montréal :
Observatoire de la Francophonie économique de l’Université de Montréal, 858-
884 pages.
 P a g e | 860

1- Introduction
L’élevage est un secteur qui occupe près de 60% des ménages agricoles et contribue à
la richesse du pays à hauteur de 4,6% du produit intérieur brut (Agence nationale de la
statistique et de la démographie (ANSD), 2018). Ce secteur touche la majorité des
familles rurales. Il est réparti aujourd’hui sur l’ensemble du territoire y compris dans
la capitale Dakar et sa région qui concentre près du cinquième de la population totale.
Cette forte densité s’explique par les effets combinés de l’accroissement naturel de la
population et de la migration.
La filière ovine occupe une place importante et joue un rôle socio-économique très
important. En 2014, l’effectif des ovins est estimé à 6 294 000 soit 38% du cheptel
sénégalais (ANSD, 2018). La capitale Dakar représente le principal pôle de
consommation et sa demande globale tire et oriente l’ensemble de la filière.
Cependant, la région de Dakar n’a pas une vocation pastorale faute d’espace, mais
néanmoins, la région est le principal centre de commercialisation et de consommation
de moutons. La demande annuelle moyenne est estimée à 719 878. Ainsi à l’approche
de la fête de la Tabaski, la demande en moutons est exceptionnellement forte et ne
cesse d’augmenter d’année en année. Pour répondre à cette demande, des flux de
moutons proviennent d’une part de l’intérieur du pays notamment de la zone sylvo-
pastorale (Dahra, Linguère), de la zone nord (Matam, Dioum, Ourossogui, Galoya) et
de la zone est (Missirah, Tamba, Kahone, Kaolack) et d’autre part de l’extérieur du
pays à travers le Mali et la Mauritanie. Ces transits pour approvisionner Dakar
impliquent des charges supplémentaires et ont des répercussions sur les prix observés
sur les marchés. L’objectif de cet article est d’expliquer le fonctionnement du marché
des moutons et de comprendre la relation qui existe entre l’offre de moutons et les
prix. Pour ce faire, nous allons baser notre analyse sur l’approche de système multi-
agent qui permet de comprendre les interactions entre les agents du marché de la
production à la commercialisation et grâce à la modélisation ARDL voir le type de
dynamique qui existe entre l’offre et les prix.
2- Faits stylisés
La fête de la Tabaski est un événement important de la religion musulmane. Elle est
célébrée en sacrifiant des moutons selon les prescriptions islamiques. Ainsi à
l’approche de la fête, la demande en moutons est exceptionnellement forte.
L’offre nationale est insuffisante d’où le recours à des importations massives du Mali,
de la Mauritanie voire du Niger et tourne autour de 56% de la demande.
 P a g e | 861

Tableau 1: Évolution des importations de moutons de Tabaski au Sénégal.

Source Direction de l’élevage (DIREL)
Les importations sur pieds sont vues par les commerçants comme une
complémentarité de l’offre locale, un moyen de réguler l’offre par rapport à la
demande et d’avoir des prix raisonnables (Duvergé, 2006). En absence de ces
importations, les prix des moutons sont rigidement à la hausse.
L’approvisionnement de Dakar en viande de ruminants se fait par le commerce sur
pied (circuit vif) et un grand nombre d’intermédiaires sont concernés: commerçants
(dioulas) garants ou courtiers (téfankés), convoyeurs, chevillards et bouchers.
Les circuits d’approvisionnement sont très diversifiés (Figure 1)
 P a g e | 862

Figure 1: Circuit de distribution et de consommation.

Source : Atlas de l’élevage au Sénégal. Commerce et territoires, (Cesaro et al., 2010)

Cependant, quelle que soit la saison, la Tabaski constitue un moment de transactions

très fortes. La production de moutons fait intervenir plusieurs acteurs partant des
éleveurs qui se trouvent en général dans la campagne aux vendeurs dans les marchés
terminaux.
L'élevage urbain fournit plus de 20% des moutons de Tabaski de la région de Dakar
(Ninot, 2009). Cependant, l'élevage rural est le principal fournisseur de moutons.
Les types de moutons sacrifiés sont variables et dépendent du revenu des
consommateurs. Les prix de ces moutons dépendent de la race et du
poids(corpulence).
Les flux commerciaux s'organisent autour des zones de production pour le
regroupement des moutons et ensuite ils sont acheminés vers les grands centres
urbains où ils seront distribués. Les flux comportent deux circuits. Nous avons le
circuit qualifié de vif qui part des zones de production jusqu'aux principaux pôles de
 P a g e | 863

consommation notamment les centres urbains, et l'autre circuit qualifié de mort

concerne la commercialisation de la viande. Pour la commercialisation de ces
moutons, nous distinguons trois types de marchés :
- les marchés de collectes (primaires) situés dans la zone sylvopastorale et
constituent le premier maillot du circuit des marchés. Au niveau de ces
marchés, nous rencontrons les agents suivants : les producteurs et les Dioulas.
Ces derniers sont des marchands qui achètent les moutons sur ces marchés
pour les revendre au niveau des marchés secondaires ou terminaux ;
- les marchés de regroupements (secondaires) qui sont des marchés de transit et
se caractérisent par la fourniture d'animaux engraissés dans la zone par les
agroéleveurs et ceux venant des marchés primaires. On y retrouve les Dioulas
et les courtiers ;
- les marchés terminaux localisés dans les centres urbains, ils constituent le
dernier maillot du circuit vif.
3- Analyse de l’offre
3.1- Le modèle analytique
L’analyse du comportement d’offre des producteurs permet de déterminer comment
les producteurs vont répondre à des changements de prix à la production et des
facteurs de production. L’étude de l’offre intègre deux éléments essentiels : d’un côté
l’analyse de la relation technologique qui existe entre le niveau des facteurs de
production et le niveau d’output et de l’autre, le comportement du producteur dans le
choix de ses décisions de production, les prix des produits et des facteurs étant
donnés. Dans le cadre analytique, le producteur est censé maximiser son profit. Il
détermine ainsi le niveau de sa production (q t ) et les quantités des facteurs de
production ( x 1 t , x 2 t ) sous la contrainte technologique décrite par la fonction de
production. Le programme s’écrit alors :
Ma x x 1t
, x2 t ,qt ( p t qt −w 1 t x1 t −w 2t x 2 t ) (1)
sous la contrainte:
q t=f ( x 1 t , x2 t )
Où pt représente le prix du produit à l’instant t ;
q t la quantité produite en t ;
x 1 t , x 2 t les niveaux des facteurs de production variables utilisés ;
 P a g e | 864

w 1 t , w2 t leurs prix respectifs ;

et f définit la fonction de production.
La résolution de cette structurelle permet de déterminer les variables endogènes (offre
output, demande de facteurs) en fonction des variables exogènes (prix des facteurs).
Ainsi, la fonction d’offre est définie au premier ordre par:
q ¿t =q( pt , w1 t , w2 t ) (2)
3-2 La dynamique de la fonction d’offre : le modèle de Nerlove
Le modèle combine l’hypothèse d’anticipation adaptative et l’hypothèse d’ajustement
partiel. Nerlove s’inspire du concept Hicksien d’élasticité d’anticipation défini comme
le rapport entre le taux de variation du prix anticipé et celui du prix effectif (Cadoret
et al., 2009). Il en déduit que le prix anticipé jugé normal par les producteurs est le
prix anticipé que les producteurs jugeaient normal à la période précédente auquel on
ajoute un coefficient d’ajustement. Ce coefficient est une proportion de l’écart entre le
prix effectif de la période précédente et le prix anticipé de la période précédente.
3-2-1 Spécification des anticipations
On suppose que le producteur raisonne par rapport à des anticipations de prix,
l’équation d’offre s’écrit:
q ¿t =q( pat , w 1t , w2 t ) (3)
Où pat désigne le niveau anticipé des prix pour la période t. L’hypothèse
d’anticipation est décrite dans la relation suivante:

pat = p at−1 +γ ( pt −1− p at−1) (4)

pat : est le prix anticipé pour la période t;
pt −1 : le prix observé à la période t−1.
L’équation (4) peut s’écrire sous cette forme:
pat =γ pt −1+(1−γ ) pta−1 (5)

Le prix anticipé est ainsi une moyenne mobile à pondérations géométriques

décroissantes des prix passés. γ est le coefficient des anticipations adaptatives supposé
constant et compris entre 0 et 1.
À chaque période, le producteur révise ses anticipations en proportion de l’erreur
associée au précédent d’anticipations. L’erreur est égale à la différence entre le niveau
observé des prix et le niveau anticipé.
 P a g e | 865

- Si γ=0, les prix effectifs sont complètement déconnectés des anticipations.

- Si γ=1, les producteurs forment des anticipations naïves. Ils supposent que le prix
en t sera identique à celui de la période précédente.
3-2-2 Le concept d’ajustement partiel
L’existence de coûts d’ajustement se traduit par le fait qu’une modification des
variables exogènes ne provoque pas un ajustement immédiat et total du niveau de
production offert. L’introduction de ces coûts permet de différencier le comportement
du producteur à court et à long terme. L’ajustement partiel s’écrit:
q t−qt −1=δ (q¿t −q t−1 ) (6)
Où q t correspond au niveau observé de produit offert en t;
q t−1 le niveau observé de la période précédente ;
q t∗¿ représente le niveau de produit désir ;.
Le coefficient δ définit le coefficient d’ajustement partiel compris entre 0 et 1.
3-2-3 Le modèle général de Nerlove
Le modèle d’offre de Nerlove comprend l’équation décrivant les anticipations ainsi
que l’équation expliquant l’ajustement partiel. En plus de cela, Nerlove rajoute une
troisième relation spécifiant la quantité désirée comme relation linéaire des prix
anticipés et de variables exogènes z t .
q ¿t =α 1 +α 2 pat + α 3 zt (7)

Le coefficient du prix anticipé définit ainsi la réponse à long terme. Le modèle

général d’offre de Nerlove s’écrit alors:
q ¿t =α 1 +α 2 pat + α 3 zt +ut (8)

pat =γ pt −1+(1−γ ) pta−1 (9)

q t−qt −1=δ (q¿t −q t−1 )+ v t (10)

Où ut , z t sont les termes d’erreurs associés aux équations.

3-2-4 Estimation du modèle de Nerlove

Pour obtenir une équation estimable de la fonction d’offre, il faut éliminer de ces
équations les variables non observables dans les équations précédentes c’est-à-dire le
 P a g e | 866

¿
niveau de production en l’absence de coûts d’ajustement q t et le niveau des prix

anticipés pat . L’équation (9) est introduite dans l’équation (8). On obtient:

q ¿t =α 1 +α 2 (γ pt −1+(1−γ ) p at−1 )+ α 3 z t +ut (11)

Or les anticipations de prix sont définies suivant un modèle à retards échelonnés au

sens de Koyck c’est-à-dire que les coefficients des variables retardées sont
géométriquement décroissants. Donc pat peut s’écrire:
γ
pat = p +ε
1−(1−γ )L t−1 t
Avec L l’opérateur retard. Ainsi nous avons l’expression de la quantité
désirée définie par:
γ
q ¿t =α 1 +α 2 ( p + ε )+ α 3 z t +ut (12)
1−(1−γ ) L t−1 t

Cette équation reportée dans (10) donne:

γ
q t−qt −1=δ (α 1 + α 2 ( p + ε )+α 3 z t +ut −qt −1 )+ v t (13)
1−(1−γ ) L t −1 t
Cette forme développée et réduite permet d’obtenir la quantité observée en fonction
des variables décalées, des prix décalés et des autres variables.
q t=π 1 + π 2 p t−1 +π 3 q t−1 + π 4 q t−2 +π 5 z t + π 6 z t−1 + μt (14)
Avec π i=1 , ..., 6 les coefficients de la forme réduite.
π 1=α 1 δγ
π 2=α 2 δγ
π 3=(1−δ )+(1−γ )
π 4 =−(1−δ )(1−γ )
π 5=α 3 δ
π 6=−α 3 δ (1−γ )
4- Méthodologie économétrique
Nous utilisons l’approche Auto Regressive Distributive lags (ARDL) de co-
intégration développée par Pesaran et al. (2001) pour tester l’existence d’une relation
de long terme entre les variables caractérisées par un ordre d’intégration différent. Il
 P a g e | 867

s’agit de test des limites (bound test) pour une relation de long terme dans un modèle
autorégressif à retards échelonnés ARDL. Nous adopterons cette approche pour
analyser la relation dynamique entre la Production et le prix des moutons au Sénégal.
Cette approche est plus adaptée aux échantillons de petite taille et offrant la possibilité
d’étudier en même temps la dynamique de long terme et les ajustements de court
terme. La démarche consiste en premier lieu, à effectuer des tests de racine unitaire
pour les variables à l’aide des tests de Augmented Dickey Fuller (Dickey et Fuller,
1981) pour étudier leur stationnarité et leur degré d’intégration ; en second lieu, à
analyser le modèle en utilisant la procédure ARDL en vue d’analyser la dynamique de
court et de long terme. La présence de relation de long terme entre les variables est
obtenue en calculant les F-statistiques testant la signification des niveaux décalés des
variables sous la forme de correction d’erreur du modèle ARDL. Le modèle s’écrit:
p p
Δ qt =α 0+ ∑ ‍δ i Δqt −i+ ∑ ‍γ i Δ p t−i + β 1 q t−1 + β 2 pt −1+ ε t (15)
i=1 i=1

où δ et γ représentent la dynamique à court terme du modèle ;

β 1 et β 2 représentent la relation de long terme ;
ε est le terme d’erreur du bruit blanc.
Après estimation, il est à établir s’il existe une relation de co-intégration entre q t et pt .
L’hypothèse nulle du test F est la non-existence de relation de co-intégration.
H 0 : β 1=0; β 2=0 ¿
{ H 1 : β 1 ≠0 ; β 2 ≠ 0 ¿

La règle de décision est la suivante:

 Si la valeur de la F-statistic est supérieure à la borne supérieure, on rejette H 0
alors il existe une relation de longterme entre les variables considérées.
 Si la valeur de la F-statistic est inférieure à la borne inférieure, on accepte H 0
alors il n’y a pas de relation de long terme entre les variables considérées.
 Si la valeur de F-statistic est comprise entre la borne inférieure et la borne
supérieure dans ce cas on ne peut pas conclure.
5- Le modèle à base d’agents
5-1 Matériels
Dans cette étude, nous proposons un modèle de marché adapté à la simulation de la
dynamique des prix sur une période. Ce modèle tient compte des interactions qui
existent entre les différents agents lorsqu’ils procèdent à des échanges sur un horizon
 P a g e | 868

temporel. La structure du marché est assimilée à la loi de l’offre et de la demande et

nous pouvons identifier trois composantes majeures du marché:
 la structure du marché qui s’articule autour d’un ensemble de règles qui
définissent son fonctionnement et qui régissent les échanges.
 les agents économiques qui souhaitent acheter ou vendre des moutons. À ce
niveau nous incluons les intermédiaires qui jouent un rôle important dans le
maillon de distribution.
 l’information qui est utilisée par les agents pour prendre leur décision. Cette
information peut être endogène ou exogène.
Les modalités selon lesquelles se rencontrent les offreurs et les demandeurs d’un bien
diffèrent selon la structure du marché qui influence la formation du prix. Sur le
marché des moutons, nous avons les demandeurs beaucoup plus importants que les
offreurs qui s’approprient le marché. Ce marché présente une structure oligopole
contrairement à la concurrence pure et parfaite qui a longtemps dominé et caractérisé
par l’atomicité de l’offre et de la demande, la transparence du marché, l’homogénéité
des produits et la mobilité des facteurs de production. Ce type de marché est
aujourd’hui inadéquat à la réalité. Les positions dominantes actuellement sont la
structure oligopolistique (Cournot,1838 ; Bertrand, 1883 et Hotelling, 1929).
L’oligopole est défini comme un marché sur lequel évolue un petit nombre de
producteurs face à un grand nombre de demandeurs. Il s’apparente au marché de
concurrence monopolistique dans lequel les possibilités d’action de chaque firme sont
fonction des actions des autres firmes présentes sur le même marché. Les actions
d’une firmes sont déterminantes pour l’équilibre de la branche. Sur ce marché, chaque
producteur se comporte de façon à maximiser son propre intérêt. Le marché
oligopolistique est caractérisé par une interdépendance des décisions: les producteurs
agissent en fonction des actions des uns et des autres. Si l’un d’entre eux augmente
son prix les autres peuvent faire de même ou non pour attirer la clientèle. Le jeu est de
type non coopératif, car il n’existe pas d’accord initial de production entre les
producteurs d’un oligopole. Ainsi pour s’accaparer d’une plus grande part de marché,
les producteurs mettent en place des stratégies de différenciation ou de discrimination
par les prix. La différenciation des produits consiste pour les producteurs à offrir un
même produit, mais avec des caractéristiques différentes: qualité, mode d’élevage,
etc. Dans ce cas, les produits ne sont pas homogènes. La discrimination par les prix
est une pratique consistant à fixer des prix différents en fonction des caractéristiques
 P a g e | 869

des demandeurs. Cependant, il peut y avoir entente c’est dire un accord entre les
producteurs. L’objectif est de limiter ou de supprimer la concurrence sur le marché.
Dans ce fait, les producteurs obtiennent le contrôle du marché. Il vendent leurs
produits à des prix plus élevés que ceux dans la situation de concurrence. Les victimes
seront les consommateurs qui n’ont d’autre choix que d’accepter les prix proposés.
Les producteurs présents sur le marché disposent d’un pouvoir de marché c’est-à-dire
d’une capacité à influencer le prix et les quantités d’équilibre du fait de leur poids sur
le marché. Les pouvoirs publics sont obligés d’intervenir afin de réguler le prix d’où
dans notre cas, l’importation en quantités de moutons de la sous-région.

5-2 Méthode : Le protocole Overview Design concepts Details du modèle de

marché
Dans cette section, nous développons le protocole Overview, Design concepts, Details
(ODD) (Grimm et al., 2010) pour simuler notre modèle de marché de moutons en
utilisant les systèmes multiagents.
Les systèmes multiagents communément appelés SMA sont des systèmes composés
des éléments suivants selon Ferber (1995) :
- d’un environnement E ui est usuellement un espace ;

- d’un ensemble d’Objets O dont il est possible à tout moment d’associer un

objet avec une position dans E ;
- d’un ensemble d’Agents A qui sont des objets spécifiques (un sous ensemble
de O) et dui représentent les entités actives dans le systèmes ;
- d’un ensemble de relation R qui lient les objets l’un de l’autre ;

- d’un ensemble d’Opérations Op permettant aux agents de A de percevoir, de

produire, de transformer et de manipuler les objets dans O ;
- des opérateurs chargés de représenter l’application et la réaction du monde à
cette tentative de modification que l’on appelle les lois de l’univers.
Et dans lesquels les agents interagissent entre eux dans l’environnement.
Plusieurs plateformes de simulation multi-agent ont été développées en ce sens dont
celle que nous utiliserons dans cette étude : Gis and agent-based modelling
architecture (GAMA). GAMA est une plateforme libre de modélisation et de
simulation à base d’agents développée depuis 2007 (Taillandier et al., 2014) par
 P a g e | 870

plusieurs équipes de recherche sous l’égide de l’unité internationale de recherche de

l’Institut de Recherche pour le Développement(IRD)/Université Pierre et Marie
Curie(UPMC). Dans cette étude, nous avons procédé, en premier lieu, au traitement
cartographique de la région de Dakar grâce au système d’information géographique
"Quantum GIS" pour l’extraction et l’affichage des données géographiques
concernant les coordonnées des différents agents, de leurs lieux d’habitats et des
différents marchés choisis pour cette étude. Rappelons qu’un système d’information
géographique est un outil informatique permettant d’organiser et de présenter des
données alphanumériques spatialement référencées.
5-2-1 Vue d’ensemble
5-2-1-1 L’objectif
L’objectif du modèle est de décrire et d’analyser la dynamique des prix sur le marché
des moutons à Dakar. Sur ce marché, on y retrouve principalement le marché du parc
des petits ruminants appelé Dalifort Foirail qui constitue le plus grand marché de la
sous-région. C’est un marché qui fonctionne tous les jours et enregistre 1000 à 3000
entrées par jour dont 90% sont des ovins en provenance de diverses origines. À
l’occasion de la Tabaski, en plus du marché de Dalifort Foirail, plusieurs autres
marchés se créent pour répondre à la demande. C’est le cas des marchés des HLM,
des parcelles assainies (Stade Léopold Sédar Senghor), de la foire, etc. La dynamique
dépendra du comportement de l’offre et de la demande en moutons. Les échanges se
font dans un environnement virtuel et le nombre d’agents en interaction rend le
système complexe.
5-2-1-2 Structure du modèle et échelle
Nous modélisons les déplacements de deux catégories d’agents mobiles: les
consommateurs (clients) qui se déplacent à destination des marchés pour acheter des
moutons; les troupeaux de moutons avec à leur tête les éleveurs qui les acheminent
vers les marchés. Le territoire virtuel de la simulation représente la région de Dakar et
est constitué d’habitats, de marchés et de bergerie. Les habitants et les éleveurs se
retrouvent sur les marchés. Parmi les trois marchés, deux à savoir Pikine et Parcelles
assainies, sont situés dans la banlieue dakaroise facilitant ainsi l’approvisionnement
de cette population.
À l’initialisation, le programme crée dans un premier temps les habitats, les bergeries
et les marchés. À l’approche de la Tabaski, les moutons en provenance des autres
régions et pays sont stockés à l’entrée de Dakar. Ceci pour bénéficier du pâturage
 P a g e | 871

disponible et éviter le plus les problèmes d’espace dont sont confrontés les Dakarois.
De ce fait, nous avons supposé l’existence de bergeries à l’entrée de Dakar où l’on
rassemble les moutons avant leur présentation dans les différents marchés. Le bétail
est acheminé vers les marchés en empruntant les routes et de même pour les
consommateurs. Ces derniers apparaissent aléatoirement sur les lieux d’habitats. À
quelques jours de la fête et jusqu’au jour j, ils font le tour des marchés pour se
procurer des moutons. Les agents sont situés dans un environnement composé de
plusieurs lieux. Plusieurs variables sont également définies comme paramètre du
modèle : le nombre de moutons dans l’environnement (nombre-moutons), le nombre
de consommateurs (nombre-consommateurs), le nombre d’éleveurs (nombre-
éleveurs), le nombre de marchés (nombre-marché), la distance domicile-marché de
chaque consommateur (distance-domicile-marché), la distance ferme-marché de
chaque éleveur. Le modèle prévoit d’activer le prix d’équilibre à chaque cession de
moutons de l’éleveur au profit de consommateurs ainsi que les différentes interactions
existantes entre les différents marchés et les différents agents qui les constituent. À
noter que l’échelle spatiale du modèle n’est pas précise. La structure du modèle est
présentée de manière simplifiée dans le diagramme de classes Unified Modeling
Language (UML). Le diagramme de classe est une représentation statique des
éléments qui composent le système et de leurs relations.
 P a g e | 872

Figure 2: Diagramme de classe

5-2-1-3 Vue d’ensemble des processus et de leur ordonnancement

Dans cette partie, nous représentons les différentes étapes par un diagramme d’activité
qui permet de modéliser le comportement du système, dont la séquence des actions et
leurs conditions d’exécution. Les consommateurs choisissent leur marché
aléatoirement. Au cours de la journée, ici nous prenons l’intervalle de temps compris
entre 10h et 19h, les consommateurs peuvent faire le tour des marchés ou se limiter
sur un seul marché pour se procurer de moutons qui répondent à leur besoin et en
fonction de leur revenu. Dans cette étude, nous ne nous focalisons pas sur la distance
entre les marchés. Une fois l’acquisition faite, ils disparaissent du marché pour
permettre aux autres de faire leurs achats. En ce qui concerne les moutons, les
éleveurs choisissent au début leur marché d’implantation. Nous avons pour la région
 P a g e | 873

de Dakar trois principaux marchés: Dalifort Foirail, Habitats à loyer modéré (HLM) et
Parcelles assainies. Une fois les agents sur le marché, le consommateur choisit le(s)
mouton(s) qu’il désire acquérir et commence un processus de marchandage pour
trouver un prix qui satisfait les deux parties sinon le consommateur devra faire le tour
du marché en question pour trouver un mouton en adéquation avec son revenu.

Figure 3: Diagramme d’activité des agents

5-2-2 Les éléments de conception du modèle

5-2-2-1 Principe
Dans cette étude, nous cherchons à modéliser le prix des moutons par l’interaction
entre les éleveurs et les consommateurs. Nous nous basons sur l’analyse de Léon
Walras à travers le commissaire-priseur. Cette analyse consiste à imaginer l’existence
d’un commissaire-priseur qui permet aux vendeurs(éleveurs) et aux consommateurs
de faire des propositions de prix et d’enclencher un processus itératif convergent vers
 P a g e | 874

les prix d’équilibre. On fait l’hypothèse que les éleveurs et les consommateurs au
cours de la journée se rendent au marché et y restent jusqu’à obtenir satisfaction avant
de revenir à leur position initiale (domicile-ferme).
5-2-2-2 Émergence
Les marchés ont une capacité d’attractivité forte à l’état l’initial. Au cours de la
simulation, la structure va changer du fait des interactions entre les agents du marché.
Nous observons un phénomène de satisfaction des agents constituant le marché en fin
de simulation.
5-2-2-3 Perception
Les consommateurs ont la capacité de percevoir les différents marchés à proximité
idem pour les éleveurs. Les consommateurs ont conscience du temps et de la période
(cérémonie, Tabaski), ce qui leur permet de décider s’il est opportun d’aller au
marché.
5-2-2-4 Interaction
Les interactions présentent dans le modèle sont les interactions entre agent
consommateur et agent éleveur, les interactions entre les différents marchés. Quand
un consommateur aperçoit un troupeau de moutons d’un éleveur, il s’en approche et
fait un choix sur le mouton qu’il souhaite acheter. Il s’ensuit un marchandage qui
aboutit à un accord sur un prix. Cependant, ils peuvent ne pas tomber d’accord sur un
prix, dans ce cas le consommateur peut se déplacer vers un autre marché ou voir un
autre éleveur établit sur le même marché que le premier.
5-2-2-5 Stochasticité
Le modèle contient une part de stochasticité à la fois dans la modélisation et dans la
dynamique. Nous avons la position des moutons et des consommations qui est
aléatoire sur un des marchés et sur un des domiciles. Au cours de la simulation, deux
dynamiques intègrent une part d’aléa : le déplacement des moutons sur les marchés
est aléatoire de même que le déplacement des consommateurs au niveau des marchés.
De plus, les interactions existantes entre les agents génèrent aussi une dynamique.
5-2-2-6 Observation
L’affichage principal du simulateur est une économie qui peut représenter une zone
bien précise affichant les types d’occupation de la zone économique (lieu d’habitat,
les fermes et les marchés) ainsi que les consommateurs, les éleveurs et les moutons.
Cet affichage est mis à jour à chaque pas de temps permettant de visualiser la
dynamique des déplacements. Le graphe des interactions entre agents est également
 P a g e | 875

affiché et mis à jour à chaque pas de temps. Au cours de la simulation, on observe

l’évolution du système de prix d’équilibre à l’aide d’une courbe représentant ces
valeurs en fonction du temps.
5-2-3 Détails
5-2-3-1 Initialisation
Tout d’abord, la première étape consiste à télécharger la carte de la région de Dakar
obtenue par le QGIS dans laquelle sous différentes couleurs sont implantés les bergers
(vert), les habitats (gris) et les marchés(jaune). Ensuite des agents moutons sont créés
et répartis aléatoirement dans les bergeries. Dans la journée, ils se rendent au marché.
Puis les agents humains sont créés aléatoirement dans les zones d’habitat et selon leur
revenu ils se rendent au marché.

Figure 4: État initial de l’économie

5-2-3-2 Les variables d’entrée
Le modèle prend en entrée un graphique sous la forme d’une image raster représentant
la région de Dakar. Nous avons représenté sur ce graphique une économie dans
 P a g e | 876

laquelle nous avons les lieux d’habitat des consommateurs, les lieux d’élevage des
moutons et enfin le lieu de rencontre : le marché.
5-2-3-3 Les sous-modèles
Dans cette partie, nous développons les différentes procédures importantes du
modèle. Elles concernent d’un côté les déplacements des deux agents: consommateurs
et moutons (éleveurs) et d’un autre côté le choix qu’opère le consommateur sur le
marché.
La première procédure concerne l’acheminement des moutons vers les différents
marchés et le déplacement des consommateurs vers ces marchés. L’algorithme est
identique pour ces deux catégories d’agents. Cependant, une fois au marché, leur
objectif diffère, car pour le consommateur, il cherche à maximiser son utilité sous la
contrainte de son revenu alors que pour l’éleveur ce qui l’intéresse c’est comment
maximiser son profit sous la contrainte de ces facteurs de production notamment les
charges supportées de l’élevage à la commercialisation.
La seconde procédure consiste au processus achat/vente des moutons observé sur le
marché. Cependant, nous notons que la décision d’acheter ou de vendre peut dépendre
des facteurs exogènes du marché et qui le plus souvent ont un impact sur la
détermination du prix. D’où le rôle important de l’information. Si l’état du marché est
compatible aux aspirations de l’agent, la décision d’acheter ou de vendre est illustrée
par un signal acheter/vendre. Dans le cas contraire, l’agent devra changer de lieu
autrement dit, il doit changer de vendeur (ou attendre d’autres clients) ou de marché.

6- Analyse statistique et résultats de simulation

6-1 Sources de données
Les données utilisées proviennent de la Société de Gestion des abattoirs du Sénégal
(SOGAS) et de l'Agence Nationale de la Statistique et de la démographie (ANSD). Il
s'agit de données mensuelles sur le prix et l’offre de moutons à Dakar couvrant la
période 2008-2015 soient 96 observations.
6-2 Test de racine unitaire
Nous faisons le test de stationnarité de nos deux séries pour s’assurer qu’elles ne sont
pas intégrées d’ordre deux ou plus, car l’application de l’approche ARDL exige que
les variables soient intégrées d’ordre I(0) ou I(1). Nous utilisons le test de Dickey
Fuller Augmenté (ADF) [1981] pour stationnariser les séries. Les résultats obtenus
 P a g e | 877

montrent une stationnarité des deux séries à niveaux. Nous en déduisons que les séries
sont intégrées à niveau.
En niveau Valeurs critiques au seuil de
Variables
Statistiques du test ADF Probabilités 5%
lnOffre -6,222 0
-3,5484
lnPrix -3,293 0,0007
Tableau 2- Test de stationnarité des séries
6-3 Décalage optimal et estimation du modèle ARDL
Pour sélectionner le modèle ARDL optimal qui nous permet d’obtenir des résultats
significatifs, nous utilisons les critères d’information Akaike (AIC). Nous avons le
graphique suivant qui nous informe sur le modèle ARDL optimal.

Figure 5: Choix du modèle ARDL optimal

Le modèle ARDL(1,0) est le plus optimal de ces cinq modèles, car ayant la plus petite
valeur du AIC.
L’estimation de ce modèle donne:
 P a g e | 878

Variables Coefficient t-Statistique Probabilité

lnOffre (-1) -0,6039 -6,32 0,000**

lnPrix_LT -0,6263 -1,11 0,271
lnPrix_CT -0,0378 -1,09 0,278
Constante 6,6774 5,97 0,000**
Note : *ρ<0,1 ; **ρ<0,05 ; ***ρ<0,01

Tableau 3: Estimation du modèle ARDL(1,0)

Les tests de diagnostic du modèle estimé donne:
Pour le test d’autocorrélation, le corrélogramme montre une absence
d’autocorrélation des erreurs.

Tableau 4: Test d’autocorrélation des erreurs

 P a g e | 879

Test d’hétéroscédasticité

Tableau 5: Test d’hétéroscédasticité des erreurs

Les résultats montrent que les erreurs ne sont pas hétéroscédastiques.
Le test de normalité du modèle estimé :

Tableau 6: Test de normalité

De ces tests de diagnostic, nous concluons que le modèle ARDL(1,0) n’est pas ni
corrélé, ni hétéroscédastique. Cependant, le modèle ne satisfait pas la condition de
normalité, mais n’empêche pas la validation du modèle.
6-4 Résultats du "Bounds test"
Les résultats de la procédure du bounds tests de Pesaran et al.(2001) donnent le
tableau suivant:
 P a g e | 880

Test statistique Valeur K

F-statistique 13,1897 1

Signification Borne I0 Borne I1

10% 3,02 3,51

5% 3,62 4,16
2.5% 4,18 4,79
1% 4,94 5,58

Tableau 7: Bounds test Pesaran et al.2001

La statistique de Fisher est supérieure à la borne supérieure pour les différents seuils
de significativité. Nous rejetons l’hypothèse nulle H0 d’absence de relation de long
terme.
F-statistic = 13,1896 supérieure à I(1) la borne supérieure alors il existe une relation
de long terme entre les variables permettant ainsi d’estimer les effets de long terme du
prix sur l’offre.
6-5 La dynamique de long et court terme
Variables Coefficient t-Statistique Probabilité

lnOffre (-1) -0,6039 -6,32 0,000**

lnPrix_LT -0,6263 -1,11 0,271
lnPrix_CT -0,0378 -1,09 0,278
Constante 6,6774 5,97 0,000**
Note : *ρ<0,1 ; **ρ<0,05 ; ***ρ<0,01
Tableau 8: Estimation du modèle ARDL(1,0)
À long terme, les effets du prix sur l’offre sont négatifs: une augmentation des prix
de 1% entraine une baisse de l’offre de 0,626%. À court terme, la même dynamique
est maintenue. Le prix a un effet négatif sur l’offre.
 P a g e | 881

7- Conclusion
Dans cette étude, nous nous sommes intéressés à la modélisation de l’offre de
moutons au Sénégal. Nous avons utilisé deux méthodes pour faire cette étude. La
première méthode a consisté à modéliser le fonctionnement du marché des moutons
en utilisant les systèmes multiagents qui nous ont permis de décrire d’une part les
différentes interactions entre les agents du système et de l’autre la formation du prix
des moutons qui résulte des échanges entre offreurs et demandeurs. La seconde
méthode a consisté à appliquer la méthode d’estimation ARDL (Pesaran et al. 2001)
pour modéliser la dynamique de court terme et de long terme.
Une attention particulière a été donnée à la région de Dakar qui constitue le plus grand
centre de commercialisation et consommation de moutons. Nous avons eu recours au
système multi agent pour décrire le fonctionnement du marché. L'objectif a été de
modéliser le comportement de deux agents économiques à savoir le consommateur et
l'éleveur en tenant compte des différentes étapes de cession et des différentes charges
et taxes endossées par les différents intermédiaires du circuit d'approvisionnement.
Ces charges et taxes vont se refléter sur les prix pratiqués dans les marchés de
consommation. Ainsi, nous développons les différentes procédures importantes du
modèle. Elles concernent d'un côté, les déplacements des deux agents :
consommateurs et moutons (éleveurs) et d'un autre côté le choix qu'opère le
consommateur sur le marché.
La première procédure concerne l'acheminement des moutons vers les différents
marchés et le déplacement des consommateurs vers ces marchés. L'algorithme est
identique pour ces deux catégories d'agents. Cependant, une fois au marché, leur
objectif diffère, car pour le consommateur, il cherche à maximiser son utilité sous la
contrainte de son revenu alors que pour l'éleveur ce qui l'intéresse c'est comment
maximiser son profit sous la contrainte de ces facteurs de production notamment les
charges supportées de l'élevage à la commercialisation.
La seconde procédure consiste à la mise en œuvre du processus achat/vente des
moutons observé sur le marché. Cependant, nous notons que la décision d'acheter ou
de vendre peut dépendre des facteurs exogènes du marché et qui le plus souvent ont
un impact sur la détermination du prix. D'où le rôle important de l'information. Si
l'état du marché est compatible aux aspirations de l'agent, la décision d'acheter ou de
vendre est illustrée par un signal acheter/vendre. Dans le cas contraire, l'agent devra
changer de lieu autrement dit, il doit changer de vendeur (ou attendre d'autres clients)
 P a g e | 882

ou de marché. L'affichage principal du simulateur est une économie qui représente la

région de Dakar avec les types d'occupation (lieu d'habitat, les fermes et les marchés)
ainsi que les consommateurs, les éleveurs et les moutons.
Cet affichage est mis à jour à chaque pas de temps permettant de visualiser la
dynamique des déplacements. Le graphe des interactions entre agents est également
affiché et mis à jour à chaque pas de temps. Au cours de la simulation, on observe
l'évolution du système de prix d'équilibre à l'aide d'une courbe représentant ces
valeurs en fonction du temps.
De plus, au niveau de la plateforme de simulation, nous pouvons voir les différentes
interactions existantes sur les marchés entre les différents acteurs. Au fur et à mesure
qu'il y a des transactions qui sont effectuées, celles-ci sont illustrées dans le graphe
d'évolution des prix en tenant compte des prélèvements de taxes.
Nous nous sommes aussi intéressés à la dynamique d'évolution des prix à long et
court terme sur ce marché. Nous avons utilisé le test ARDL de Pesaran et al. 2001
pour déterminer la nature de la dynamique de l'offre et des prix. Les résultats ont
montré que les prix n'ont pas d'impact significatif sur l'offre. Ce résultat s'explique par
la méthode de fixation de prix des moutons qui se fait par négociation directe entre
l'offreur et le demandeur, car c'est un sous-secteur dominé par l'informel et chacun est
libre de vendre ses moutons à ses prix.
 P a g e | 883

Bibliographie
Agence Nationale de la Statistique et de la Démographie (ANSD), janvier 2018.
Situation économique et sociale du Sénégal en 2015, www.ansd.sn.

BERTRAND Joseph L.F. 1883. Book of review of "Théorie mathématique de la

richesse sociale" and of "Recherches sur les principes mathématiques de la théorie de
la richesse", Journal de Savants, pp 499-508.

CADORET et al., 2009. Économétrie appliquée, Méthodes-Applications- Corrigés, 2e

édition, Ouvertures économiques, De Boeck Université.

CESARO et al., 2010. Atlas de l’élevage au Sénégal. Commerce et territoires.

Publication du projet de recherche ATP Icare.

COURNOT Antoine Augustin. 1838. Recherches sur les principes mathématiques de

la théorie des richesses, L. Hachette, Econometrics, 198 pages.

DICKEY, D. and W. FULLER. 1981. Likelihood ratio statistics for autoregressive

time series with unit root, Econometrica 49,4.

Direction de l’élevage (DIREL). Rapport Suivi de la préparation de la Tabaski 2017.

Ministère de l’élevage et des productions animales du Sénégal.

DUVERGE Anne. 2006. Quel avenir pour la filière viande bovine du Sénégal, Etude
du circuit long de la filière, de Tambacounda jusqu’à Dakar, Ecole d’ingénieur en
agro-développement international.

FERBER Jacques. 1995. Multi-agents. Vers une intelligence collective, InterEditions.

GRIMM et al., 2010. The ODD protocol: a review and first update, Ecological
modelling 2760-2768.
HOTELLING Harold. 1929. Stability in competition, the economic journal, vol
xxxix, p.41-57.
 P a g e | 884

NINOT Olivier. 2009. La fête du mouton, des moutons pour la fête. Enjeux
économiques de la Tabaski au Sénégal, Grain de sel, n°46-47, Mars-Août.

PESARAN et al., 2001. Bounds testing approaches to the analysis of level

relationships, Journal of applied econometrics, 16: 289-326.

TAILLANDIER et al., 2014. Des données géographiques à la simulation à base

d’agents: application de la plateforme GAMA, Cybergeo: european Journal of
Geography, Systèmes, Modélisation, Géostatistiques, document 671.