Combien de pauvres compte un pays ? La réponse dépend étroitement de l'approche retenue. L'estimation fondée sur un seuil monétaire — en identifiant les individus dont les dépenses se situent en deçà d'un niveau donné — diffère de celle qui repose sur l'observation des privations vécues au quotidien, telles que l'accès limité à l'éducation, à l'eau potable, à l'électricité ou à l'assainissement. Ces deux approches ne recouvrent pas nécessairement les mêmes populations, ce que le présent article met en évidence.

Ce document propose de construire, de manière progressive et à partir de données empiriques, un indice de pauvreté multidimensionnelle inspiré de la méthode d'Alkire et Foster — méthode également utilisée par l'indice de pauvreté multidimensionnelle (MPI) publié annuellement par le Programme des Nations Unies pour le développement (PNUD) et l'Oxford Poverty and Human Development Initiative (OPHI). Il ne s'agit toutefois pas d'une reproduction du MPI officiel : l'indice construit ici repose sur des choix méthodologiques propres (dimensions retenues, pondérations, source des données) et n'est pas directement comparable aux estimations publiées par le PNUD/OPHI. Les analyses s'appuient sur les données issues de l'Enquête Camerounaise auprès des Ménages (ECAM3), collectée en 2007. L'exercice revêt à la fois une dimension méthodologique — en examinant les modalités d'agrégation de privations hétérogènes en un indicateur synthétique et décomposable — et une dimension empirique, dont les limites sont explicitement discutées.

Pourquoi recourir à un indice multidimensionnel ?

La pauvreté monétaire appréhende une dimension spécifique du bien-être, à savoir le niveau de revenu ou de dépense des ménages. Toutefois, un ménage peut se situer légèrement au-dessus du seuil monétaire tout en étant confronté à des privations substantielles, telles que l'absence d'accès à des infrastructures sanitaires, à l'électricité ou à l'éducation. À l'inverse, ces privations ne peuvent être résorbées immédiatement par une augmentation marginale des ressources monétaires : la mise en place d'infrastructures éducatives ou de réseaux d'approvisionnement en eau requiert des investissements et des délais significatifs. Dès lors, la mesure directe des privations vécues constitue un complément indispensable à l'approche monétaire.

La méthode d'Alkire et Foster présente l'avantage de produire un indice décomposable, permettant d'identifier la contribution relative des différentes régions et des types de privations à la pauvreté globale. Cette propriété confère à l'indicateur une portée opérationnelle, en facilitant l'orientation et le ciblage des politiques publiques.

La méthode d'Alkire-Foster : principes et mise en œuvre

La construction de l'indice repose sur une procédure en « double seuil ». Dans un premier temps, des indicateurs de privation binaires sont définis et regroupés en dimensions, chacune assortie d'un poids. Dans le cadre de cette analyse, deux dimensions de poids égal (1/2 chacune) sont retenues : l'éducation (aucun adulte du ménage n'a dépassé le primaire ; présence d'au moins un enfant de 6 à 14 ans non scolarisé) et les conditions de vie (accès à une source d'eau non améliorée, assainissement non amélioré, absence d'électricité, usage de combustibles polluants pour la cuisine, sol en matériau naturel, quasi-absence de biens durables).

Pour chaque ménage, un score de privation pondéré c ∈ [0, 1] est calculé. Un premier seuil s'applique au niveau de chaque indicateur (privation ou non), puis un second seuil k s'applique au score cumulé : un ménage est considéré comme pauvre au sens multidimensionnel si c ≥ k. Le seuil retenu est k = 1/3, conformément à la pratique du MPI mondial.

Trois indicateurs synthétiques permettent ensuite de caractériser la pauvreté :

Les estimations sont pondérées afin de représenter la population, en mobilisant les coefficients d'extrapolation des ménages ajustés par leur taille, conformément aux standards internationaux.

Résultats empiriques

Ampleur et intensité

Sur l'échantillon exploitable (environ 10 850 ménages après traitement des valeurs manquantes et exclusions, sur environ 11 534 ménages enquêtés dans l'ECAM3), les résultats sont les suivants :

Ces niveaux ne sont pas directement comparables aux estimations officielles du MPI du Cameroun publiées par le PNUD/OPHI (M₀ = 0,258 ; H = 47,6 % ; A = 54,2 %, sur données EDS 2011), en raison de différences méthodologiques importantes : source et année d'enquête distinctes, dimensions retenues (absence de la dimension santé ici), indicateurs et pondérations propres à cette analyse.

Disparités régionales

La décomposition régionale de M₀ met en évidence de fortes inégalités territoriales, avec un rapport supérieur à 1 à 20 entre les extrêmes :

Indice de pauvreté multidimensionnelle (M0) par région du Cameroun, données ECAM

Cette hiérarchie apparaît robuste aux choix de pondération et constitue un appui direct à la priorisation territoriale des politiques publiques.

Composition des privations

Contribution de chaque indicateur à l'indice de pauvreté multidimensionnelle, Cameroun

La décomposition de M₀ par type de privation montre une contribution relativement équilibrée des différents indicateurs. Les principales contributions concernent le combustible de cuisine polluant (environ 17 %), l'assainissement (15 %), le niveau d'éducation des adultes (15 %) et l'électricité (13 %), tandis que le sol et les biens durables contribuent également de manière significative. Ces résultats soulignent l'absence de levier unique et la nécessité d'interventions multisectorielles coordonnées.

Articulation avec la pauvreté monétaire

La comparaison avec le classement des ménages selon leurs dépenses (les 40 % de ménages les moins aisés en termes de dépenses par équivalent-adulte — catégorisation analytique relative, qui ne correspond pas au seuil national officiel de pauvreté monétaire) met en évidence une divergence notable :

Ces résultats montrent que l'approche monétaire sous-estime une part substantielle des populations confrontées à des privations effectives, ce qui justifie le recours à des indicateurs multidimensionnels.

Portée et limites

Plusieurs limites doivent être explicitement prises en compte :

Données, unité d'analyse et reproductibilité : Source : Enquête Camerounaise Auprès des Ménages (ECAM3, 2007), Institut National de la Statistique du Cameroun. Échantillon : environ 11 534 ménages enquêtés, environ 10 850 ménages exploitables après traitement des valeurs manquantes et exclusions. Unité d'analyse : le ménage (et non l'individu) ; les indicateurs H, A et M₀ présentés ici sont donc calculés au niveau des ménages, puis interprétés comme caractérisant la population vivant dans ces ménages, et ne sont pas directement comparables aux indicateurs individuels du MPI mondial. Pondération : coefficients d'extrapolation ECAM3 ajustés par la taille du ménage. Les estimations présentées dans cet article sont des calculs propres à l'auteur, non officielles, et ne se substituent pas aux publications de l'INS ou du PNUD/OPHI.

Conclusion

La méthode d'Alkire-Foster permet de transformer un ensemble de privations en un indicateur synthétique, décomposable et opérationnel. Appliquée au Cameroun, elle met en évidence une pauvreté multidimensionnelle fortement concentrée dans les régions septentrionales, résultant d'un cumul de déficits plutôt que d'un facteur isolé, et largement distincte de la pauvreté monétaire.

Ces résultats suggèrent que les politiques de lutte contre la pauvreté doivent dépasser les seules approches monétaires et cibler simultanément les privations en matière d'éducation, d'accès à l'énergie, à l'eau et à l'assainissement, en tenant compte des disparités territoriales.

Sources des données : Enquête Camerounaise Auprès des Ménages (ECAM3, 2007), Institut National de la Statistique (INS) du Cameroun. Méthodologie : Alkire & Foster (2011), « Counting and multidimensional poverty measurement », Journal of Public Economics ; cadre du MPI mondial PNUD/OPHI (Oxford Poverty and Human Development Initiative), cité ici à des fins méthodologiques uniquement — les résultats présentés sont des estimations propres, non officielles, non comparables aux publications du PNUD/OPHI. Analyse réalisée sous Python (pandas, pyreadstat).