REPUBLIQUE DU MALI Un Peuple – Un But – Une Foi MINISTERE DE LA SOLIDARITE, DE L’ACTION BANQUE MONDIALE HUMANITAIRE ET DE LA RECONSTRUCTION DU NORD Observatoire du Développement Humain Durable Programme de Filets Sociaux Jigisèmèyiri et de la Lutte Contre la Pauvreté DETERMINATION DU STATUT DE PAUVRETE MULTIDIMENSIONNEL DES COMMUNES DU MALI Novembre 2015 Table des matières Liste des tableaux ....................................................................................................................... 2 Liste des figures ......................................................................................................................... 3 Liste des encadrés ....................................................................................................................... 3 Sigles et abréviations .................................................................................................................. 4 Introduction ................................................................................................................................ 5 I. Détermination des indicateurs de pauvreté spécifique au niveau des communes............... 7 1.1. Evaluation du niveau de la pauvreté monétaire des communes. ................................. 7 1.2. Evaluation du niveau de pauvreté alimentaire et nutritionnelle des communes ........ 19 II. Construction d’un indicateur de pauvreté multidimensionnelle des communes et ciblage géographique ............................................................................................................................ 30 2.1. Construction de l’indicateur de pauvreté multidimensionnelle ................................. 30 2.2. Contribution au ciblage géographique ....................................................................... 36 III. Présentation des produits de l’étude .............................................................................. 37 3.1. Le Fichier SPSS ......................................................................................................... 37 3.2. La Base de Données décisionnelle avec sa documentation ....................................... 37 Conclusion ........................................................................................................... 40 IV. ANNEXES .................................................................................................................... 42 4.1. Liste des communes classées de la plus pauvre à la moins pauvre ........................... 42 4.2. Termes de référence ................................................................................................... 69 1 Liste des tableaux Tableau 1 : Corrélations de Pearson entre les variables déduites de l’EMOP et certaines variables continues essentielles de l’IPC .............................................................................................................. 11 Tableau 2 : Liste des variables des fonctions discriminantes ................................................................ 16 Tableau 3 : Comparaison entre la classification par la procédure TWOSTEP et les résultats du classement de l’analyse discriminante a ............................................................................................... 17 Tableau 4 : Effectifs des communes par région et par statut de pauvreté monétaire ............................ 18 Tableau 5 : Pourcentage de communes par région et par statut de pauvreté monétaire ........................ 18 Tableau 6 : Effectifs des communes par ZME et par statut de pauvreté monétaire .............................. 19 Tableau 7 : Pourcentage de communes par ZME selon le statut de pauvreté monétaire (%) ............... 19 Tableau 8 : Comparaison entre les classes ( TwoStep) et le résultat de la classification par analyse discriminante (échantillon de l’ENSAN) .............................................................................................. 28 Tableau 9 : Effectifs des communes par région et par statut de pauvreté alimentaire et nutritionnel ... 28 Tableau 10 : Pourcentage de communes par région selon le statut de pauvreté alimentaire et nutritionnel ............................................................................................................................................ 28 Tableau 11 : Effectif des communes par ZME et selon le statut de pauvreté alimentaire..................... 29 Tableau 12 : Pourcentage des communes par ZME et selon le statut de pauvreté alimentaire ............ 29 Tableau 13 : Répartition des communes par statut de pauvreté spécifique selon le statut de pauvreté multidimensionnelle (%) ....................................................................................................................... 34 Tableau 14 : Effectifs des communes par région selon le statut de pauvreté multidimensionnelle ...... 35 Tableau 15 : Pourcentage de communes par région selon le statut de pauvreté multidimensionnelle .. 35 Tableau 16 : Effectifs des communes par ZME selon le statut de pauvreté multidimensionnelle ........ 35 Tableau 17 : Pourcentage de communes par ZME selon le statut de pauvreté multidimensionnelle.... 36 2 Liste des figures Figures 1: Positionnement des communes selon la mesure directe par commune et la mesure synthétique par ZME. .............................................................................................................................. 9 Figures 2: Positionnement des communes par Zone de Moyen d’Existence (ZME) selon la mesure composite de l’incidence de la pauvreté ................................................................................................ 10 Figure 3 : Distribution des communes selon l’incidence de la pauvreté monétaire .............................. 13 Figure 4 : Schéma des résultats de la classification............................................................................... 14 Figure 5 : Distributions des communes pauvres et non pauvres selon l’incidence de la pauvreté monétaire ............................................................................................................................................... 15 Figure 6 : Positions des communes par Zone de Moyen d’Existence et selon l’incidence de l’insécurité alimentaire ............................................................................................................................................. 21 Figure 7 : Positions des communes par Zone de Moyen d’Existence et selon l’incidence de la faim .. 22 Figure 8 : Position des communes par Zone de Moyen d’Existence et selon l’incidence de la malnutrition aigüe sévère ...................................................................................................................... 23 Figure 9 : Position des communes par Zone de Moyen d’Existence et selon l’incidence de la malnutrition aigüe modérée ................................................................................................................... 23 Figure 10 : classification des communes de l’échantillon de l’ENSAN en deux groupes selon les variables de sécurité alimentaire et de nutrition .................................................................................... 25 Figure 11 : Représentation des communes des deux groupes dans le plan des variables de malnutrition modérée et sévère .................................................................................................................................. 26 Figure 12 : Représentation des communes des deux groupes dans le plan des variables de malnutrition aigüe sévère et d’insécurité alimentaire ................................................................................................ 26 Figure 13 : Classes de pauvreté multidimensionnelle ........................................................................... 31 Figure 14 : Visualisation des communes non pauvres de la classe 4 .................................................... 32 Figure 15 : Visualisation des communes non pauvres de la classe 2 ZME et selon la superficie cultivée ............................................................................................................................................................... 33 Liste des encadrés Encadré 1 : Les estimations sur la commune considérée comme petit domaine ..................... 8 Ecadré 2 : Fonction discriminante « Non pauvre monétaire » ................................................. 17 Encadré 3 : Fonction Discriminante “Pauvre monétaire� ........................................................ 18 Encadré 4 : Fonction discriminante « Pauvre alimentaire » ..................................................... 27 Encadré 5 : Fonction discriminante « Non pauvre alimentaire » ............................................. 27 3 Sigles et abréviations ACP Analyse en composante principale AEDD Agence de l’Environnement et du Développement Durable AES Adduction d’eau sommaire AIC Analyse intégrée du contexte AMADER Agence malienne pour le développement de l’énergie domestique et l’électrification rurale CSCom Centre de santé communautaire CSRéf Centre de santé de référence CV Coefficient de variation DNH Direction nationale de l’hydraulique EDM Energie du Mali EMEP Enquête malienne d’évaluation de la pauvreté EMOP Enquête modulaire auprès des ménages ENSAN Enquête nationale de sécurité alimentaire et nutritionnelle FAO Fonds des nations unies pour l’agriculture INSTAT Institut national de la statistique IPC Indice de pauvreté communale ODHD/LCP Observatoire du développement humain durable et de la lutte contre la pauvreté OMS Organisation mondiale de la santé ORTM Office de radiodiffusion télévision du Mali PAM Programme alimentaire mondiale SAP Système d’alerte précoce SIG Système d’informations géographiques SOMAGEP Société malienne de gestion de l’eau potable TBS Taux brut de scolarisation TNS Taux net de scolarisation UNICEF Fonds des nations unies pour l’enfance ZME Zone de Moyen d’existence 4 Introduction Pour identifier les ménages pauvres, le « Programme de Filets Sociaux Jigisemejiri » procède dans un premier temps à un ciblage géographique qui consiste à identifier les communes les plus pauvres. Le présent rapport entre dans ce cadre et vise à contribuer à la réalisation d’un objectif général qui est « ..de travailler avec des institutions locales et internationales pour générer un référentiel des statistiques géographiques du pays au niveau le plus déconcentré possible»1. Plus précisément, il répond à l’objectif spécifique de : - « identifier les bases de données géographiques des indicateurs de pauvreté, et d’autres comme indicateurs de malnutrition, d’infrastructures, climat, vulnérabilité, chocs naturels… - consolider les indicateurs au niveau déconcentré dans une base de données unique - préparer un rapport avec la description des indicateurs, la pertinence des indicateurs et la périodicité pour l’actualisation de chaque indicateur - classifier les localités à la base, si possible les communes suivants les différents indicateurs (simples ou agrégés) collectés, afin d’aider à un meilleur ciblage géographique des zones (communes) pauvres et vulnérables du Mali »2. Il se pose de prime abord le problème du niveau de déconcentration des données disponibles a priori; celles-ci ayant des vocations souvent très différentes et sont élaborées avec des contraintes spécifiques, des approches différentes les unes des autres. Si on se réfère à l’objectif général de l’étude, ceci apparait comme une contrainte majeure pour classifier les communes de façon à mieux cibler les plus pauvres et les plus vulnérables. Ce ciblage, de fait l’ultime besoin à satisfaire, recommande l’orientation donnée ici à cette étude à savoir se fixer le niveau de ciblage le plus déconcentré possible (commune) puis collationner les statistiques disponibles pour ce niveau et le cas échéant s’aider de techniques statistiques pour générer des indicateurs propres au niveau des communes. Cette orientation est d’autant pertinente qu’on sait a priori qu’il existe des sources principales de données en rapport avec l’évaluation de la pauvreté notamment, l’étude de l’ODHD pour l’évaluation de la pauvreté de conditions de vie, les enquêtes nationales de l’INSTAT sur la pauvreté, les enquêtes nationales sur la sécurité alimentaire et la nutrition, le dispositif du SAP. On sait aussi que, attribuer à une entité géographique (ou une collectivité humaine), les propriétés d’une entité (ou collectivité) plus vaste la contenant, peut être source de biais important. De plus, une telle démarche n’est pas efficace pour bien discriminer entre entités ou collectivités. Au plan des concepts, il est entendu qu’il s’agit de cibler les communes les plus pauvres au sens le plus large possible de ce terme. Ce qui amène à considérer les trois types usuels de 1 TERMES DE REFERENCE RELATIFS A L’ETUDE POUR LA CRÉATION D’UN REPERTOIRE DE DONNEES AU NIVEAU GEOGRPAHIQUE COMMUNAL POUR LE CIBLAGE GEOGRAPHIQUE DU PROGRAME JIGISEMEJIRI 2 Document cité 5 pauvreté : la pauvreté de conditions de vie, la pauvreté monétaire et la pauvreté alimentaire et nutritionnelle. C’est compte tenu de ces considérations que l’étude a été réalisée selon les étapes ci-après. Dans un premier temps on procède à l’identification des bases de données existantes. Cet exercice permet d’enregistrer et d’évaluer les bases de données du système statistique national en rapport avec le sujet, tout en scrutant les possibilités d’en déduire des indicateurs pour le niveau de la commune. Dans un deuxième temps, on détermine les indicateurs de pauvreté par commune à l’aide des données de base des sources identifiées comme étant de référence en matière d’évaluation de la pauvreté. Cette étape, très technique, demande le respect des standards usuels en matière d’estimation statistique. En troisième lieu, il faut bâtir un indicateur synthétique censé donner le statut de pauvreté multidimensionnel de la commune. Cet indicateur « intègre » à la fois les différents types de pauvreté et certaines caractéristiques locales de la commune. Pour finir, les données, tant recueillies que calculées, sont organisées en base de données décisionnelle implémentée sous MS Access avec le Système d’Information Géographique MapInfo embarqué. 6 I. Détermination des indicateurs de pauvreté spécifique au niveau des communes Il s’agit d’indicateurs qui mesurent par entité géographique le niveau de pauvreté. On en distingue ici trois sortes : l’incidence de la pauvreté monétaire, l’indice de pauvreté des communes (pauvreté de conditions de vie) et les incidences de l’insécurité alimentaire et de la malnutrition. 1.1. Evaluation du niveau de la pauvreté monétaire des communes. L’indice de pauvreté monétaire est calculé régulièrement, annuellement depuis 2011 à travers l’EMOP par l’INSTAT. Il est basé sur l’observation des dépenses des ménages : dépenses par achat, par autoconsommation et par autofourniture. Il existe 703 communes au Mali et l’enquête EMOP n’est pas significative par commune ; elle ne l’est même pas au niveau des communes touchées par cette enquête. On note en effet que l’échantillon de l’EMOP 2011/12 est distribué dans 474 communes avec un maximum de 4 sections d’énumération (SE) par commune (24 ménages) notamment dans la commune I du District de Bamako. L’idéal serait de déterminer pour chacune des 703 communes, l’incidence de la pauvreté monétaire au niveau des ménages ou des individus des communes. Pour cela, il faut disposer d’un modèle prédictif, dont les variables explicatives se rapportent aux ménages ou individus et sont connues pour toutes les communes. Tel n’est pas le cas. On rappelle que la base de données de l’IPC 2012/2013, est la seule source de données « contemporaine » qui soit exhaustive au niveau des 703 communes. Les variables dont on dispose à travers cette base de données, sont des indicateurs qui se rapportent plutôt à l’offre collective de services sociaux ou économiques. Elles expriment davantage, en partie et de façon relative, les facilités collectives données aux ménages d’accéder à certains services ; elles n’expriment pas ou très peu leurs accès à ces services, lesquels accès sont davantage susceptibles d’avoir une corrélation avec la pauvreté monétaire. Il n’est donc pas possible, par des méthodes classiques, de prédire « convenablement », à partir des variables de l’IPC (importées sur la Base de données EMOP), l’incidence de la pauvreté pour les 474 communes de l’échantillon, encore moins au niveau des autres communes du pays. Pour obtenir des indicateurs convenables de pauvreté monétaire au niveau de toutes les communes, on fait appel à des techniques statistiques spécifiques dont, entre autres, celle d’estimation sur les petits domaines. Ces techniques visent à solutionner objectivement le problème en donnant les solutions les mieux appropriées pour un contexte précis sans prétendre à des résultats parfaits. Les estimations faites sont loin d’avoir la qualité de celles établies par niveau de signification de l’enquête, mais sont réputées les meilleurs étant donné le contexte. 7 La démarche adoptée ici comporte deux étapes : • obtenir une estimation assez précise et moins biaisée de la pauvreté monétaire pour les 474 communes de l’échantillon de l’EMOP ; • construire à partir de cette estimation, des indicateurs de pauvreté monétaire transportables sur les 703 communes. ➢ Estimation de la pauvreté monétaire sur les 474 communes de l’échantillon EMOP On détermine au niveau de chaque commune, deux sortes d’estimateurs aux propriétés opposées : l’estimateur direct (D) qui donne une estimation post stratifiée de l’incidence de la pauvreté au niveau de chacune des 474 communes et l’estimateur indirect synthétique (S) qui revient dont le principe est d’attribuer à chaque commune, l’estimation de l’incidence de la pauvreté de la ZME dont elle fait partie3. L’estimateur C, ½ somme des deux, est meilleur que chacun des deux au niveau de la commune. Il est plus précis que l’estimateur direct et moins biaisé que l’estimateur S (voir encadré n°1). On dispose ainsi de l’estimation de l’incidence de la pauvreté sur les 474 communes de l’échantillon 2011/12 de l’EMOP sous la forme d’un estimateur composite. Suivant une démarche similaire, on détermine la dépense moyenne des ménages par commune. Ces deux variables ne sont pas très corrélées et sont a priori appropriées pour différencier les communes selon leur niveau de pauvreté. Encadré 1 : Les estimations sur la commune considérée comme petit domaine 1. Estimateur direct (D) : Elle est fonction des seules données de la commune. On fait une post stratification au niveau de la commune : les unités de l’échantillon qui tombent dans la commune sont extrapolées pour obtenir l’estimation. La taille de l’échantillon dans la commune est généralement très faible et très variable d’une commune à l’autre. L’estimateur est donc généralement imprécis (erreur de sondage grande) et de façon inégale entre commune mais ; il est toutefois de moindre biais. 2. Estimateur indirect synthétique (S) : On fait l’hypothèse que l’estimation sur la commune est identique à l’estimation sur un grand domaine qui la contient. Cette hypothèse est forte et a des implications importantes. L’estimateur sur le grand domaine est assez précis et de faible biais. Tout en restant précis, il comporte un biais en tant qu’estimateur pour la commune. Ce biais tient au fait qu’il ne tient pas compte des particularités de la commune. Plus le grand domaine est homogène du point de vue du phénomène étudié, plus faible est le biais. C’est probablement le cas si, pour évaluer l’incidence de la pauvreté, on considère comme grand domaine la Zone de Moyen d’Existence (ZME). D’autre part, l’estimation S est la même pour deux communes appartenant à un même grand domaine (ZME) ; ce qui est un inconvénient majeur lorsqu’il s’agit de discriminer entre les communes. 3. Estimation composite (C) : Les deux estimateurs ci-dessus ont des avantages et inconvénients opposés : l’estimateur direct (D) est imprécis mais de faible biais tandis que l’estimateur synthétique (S) est précis mais biaisé sur la commune. D’où l’idée de déduire de ces deux estimateurs un estimateur dit composite qui n’est que la somme pondérée de D et S : C=λ*D + (1-λ)*S4. On fait l’hypothèse que les erreurs quadratiques de D et S sont de même ordre pour prendre λ=1/2. Dans ce cas, C prend le maximum de qualité de D et S. 3 Une commune à cheval sur deux ZME, est affectée en totalité à la zone la plus importante. 4 Voir Pascal Ardilly « Panorama des principales méthodes d'estimation sur les petits domaines » Insee, Ums Doc N° M0602 Septembre 2006 8 Les représentations graphiques ci-après illustrent le positionnement des communes de l’échantillon de l’EMOP selon les estimateurs D et S d’une part et selon la ZME et la mesure composite de la pauvreté. L’estimateur Synthétique (S) positionne la commune au niveau de l’incidence de la pauvreté de la ZME tandis que l’estimateur Directe (D) discrimine entre les communes d’une même ZME. Figure 1: Positionnement des communes selon la mesure directe par commune et la mesure synthétique par ZME. Source : Elaboration des auteurs à partir des données de l’échantillon de l’EMOP 2011/12 La figure 2 ci-après, montre le positionnement des communes d’une même ZME selon l’estimation composite (estimation finale) de l’incidence de la pauvreté. Selon ce critère, dans la zone de « Pastoralisme nomade et transhumant », parmi les communes de l’échantillon, celles de ANEFIF et ANCHAWADI seraient les moins pauvres tandis que celles de ABEIBARA et de BAMBA seraient parmi les plus pauvres. 9 Figure 2: Positionnement des communes par Zone de Moyen d’Existence (ZME) selon la mesure composite de l’incidence de la pauvreté Source : Elaboration des auteurs à partir des données de l’échantillon de l’EMOP 2011/12 ➢ Technique de construction d’indicateurs de pauvreté monétaire, transportables On rappelle que les incidences de la pauvreté monétaire dont il est question dans le paragraphe précédent sont déterminées sur les seules communes présentes dans l’échantillon 2011/2012 de l’EMOP et non sur l’ensemble des 703 communes du Mali. C’est dire qu’à ce stade, on est à mi-parcours du résultat pour ce qui est du volet de la pauvreté monétaire. Pour y arriver, il faudrait déterminer pour chaque commune, la valeur d’un indicateur de pauvreté monétaire. En d’autres termes, il faut passer des communes présentes dans l’échantillon de l’EMOP aux 703 communes du Mali. Pour cet exercice, on fait appel à la base de données de l’IPC qui contient plus de 500 variables susceptibles de servir de variables explicatives de l’incidence de la pauvreté ou d’indicateurs apparentés à cette incidence. 10 On rappelle que l’idée bien naturelle qui a été abandonnée, est de trouver un modèle prédictif classique qui, une fois estimé sur l’échantillon à l’aide des variables de l’IPC, permet de transférer le ou les indicateurs de pauvreté monétaire. L’examen des corrélations empiriques entre les variables IPC susceptibles de jouer cette fonction et la variable d’incidence de pauvreté monétaire n’incite pas à persévérer dans cette voie tellement les corrélations empiriques sont faibles. La valeur maximale observée de corrélation empirique entre les variables d’intérêt issues de l’EMOP et celles issues de l’IPC est de 0,417 (voir tableau ci- après). Tableau 1 : Corrélations de Pearson entre les variables déduites de l’EMOP et certaines variables continues essentielles de l’IPC Variables déduites de l’EMOP Variables déduites de l’EMOP Variables Incidence Incidence Incidence Incidence dans IPC de la pauvreté Incidence de Variables dans IPC de la pauvreté Incidence de pauvreté monétaire la pauvreté pauvreté monétaire la pauvreté (mesure (composite) (synthétique) (mesure (composite) (synthétique) directe) (%) directe) (%) Densité de Nombre de bornes fontaines population -,180 -,279 -,417 -,097 -,133 -,164 par localités (habit/km²) Etat civil par % de localités avec auro -,109 -,173 -,266 -,046 -,079 -,132 localité gare Nombre de services Pourcentage de localités -,055 -,078 -,103 -,059 -,088 -,126 techniques avec AES par localité % de localités -,189 -,265 -,337 % de localités avec forage ,034 ,027 -,010 avec Sotelma % de localités ,022 ,018 -,004 Puits citerne par localité -,053 -,070 -,080 avec Malitel % de localités % de localités avec puits ,022 ,011 -,030 -,039 -,045 -,038 avec Orange citerne % de localités % de localités avec usine de ,052 ,015 -,107 -,127 -,204 -,319 avec radio transformation/extraction % de localités ,093 ,057 -,086 % de localités avec Banque -,134 -,213 -,326 avec ORTM % de localités % de localités avec caisse -,143 -,217 -,312 -,073 -,143 -,269 avec EDM d'épargne et de crédit % localités % de localités avec Banque ,034 ,032 ,008 -,004 -,017 -,044 avec Fontaine de céréales % de localités % de localités avec magasin avec ,007 -,011 -,058 -,016 ,016 ,104 de stockage AMADER % de localités avec station % de localités avec -,130 -,199 -,289 -,038 -,086 -,181 d'essence pharmacie vétérinaire moderne 11 % de localités avec Superficie irriguée par -,121 -,172 -,225 -,089 -,075 ,011 éclairage habitant public Pourcentage de localités REGR factor score 1 for -,143 -,222 -,331 -,159 -,258 -,406 avec analysis 1 SOMAGEP Source : Elaboration des auteurs à partir des données de l’EMOP et de l’IPC On fait appel à des outils statistiques bien spécifiques qui permettent d’une part de catégoriser les communes du point de vue de la pauvreté monétaire sur la base de l’échantillon de l’EMOP, et d’autre part de transférer ces catégories sur l’ensemble des 703 communes du pays. Plus précisément, dans un premier temps, à l’aide d’indicateurs de pauvreté monétaire issus de l’EMOP, on regroupe de façon optimale les communes en classes, cataloguées plus ou moins pauvres. Dans un second temps, on estime à l’aide des variables de l’IPC des fonctions linéaires permettant discriminer entre les classes de commune et de transposer ces classes de communes sur l’ensemble des 703 communes. ➢ Constitution de classes de pauvreté monétaire des communes sur l’échantillon de l’EMOP Le but de cette classification est d’identifier des classes de communes les unes plus ou moins pauvres que les autres, assez distinctes, afin de trouver plus tard un ensemble de variables permettant de les discriminer. La distribution des communes de l’échantillon par rapport à l’incidence composite est atypique (voir figure ci-après). On peut distinguer plusieurs sous populations de communes dont principalement celle dont les communes ont une incidence de la pauvreté monétaire inférieure ou égale à 5%, celle dont les communes ont une incidence qui va de 15% à moins de 35%. Il est difficile de supposer que cette distribution est « normale ». Ce fait restreint les possibilités d’utilisation des outils statistiques usuelles de classification. 12 Figure 3 : Distribution des communes selon l’incidence de la pauvreté monétaire Source : Elaboration des auteurs à partir du fichier de l’EMOP Une des procédures sinon la seule qui soit utilisable dans cette situation est la procédure de classification dite « TWOSTEP CLUSTER». Une des hypothèses de cette procédure est que les distributions des variables continues soumises à l’analyse soient la loi « Normale » et celles des variables discrètes, la loi multinomiale. Cependant elle est empiriquement réputée robuste c'est-à-dire que les résultats de l’analyse sont peu sensibles à une violation des hypothèses. La procédure « TWOSTEP CLUSTER» utilise une mesure de distance (distance Euclidienne ou Logarithme du Maximum de Vraisemblance) pour classer ensemble les communes qui se ressemblent le plus, conjointement du point de vue des indicateurs soumis à l’analyse. En soumettant à l’analyse l’incidence composite de la pauvreté monétaire et la dépense moyenne composite de ménages, on forme deux classes de communes, bien différenciées : ✓ l’une caractérisée par une incidence moyenne de ménages pauvres 58,4% et un revenu moyen par ménage de 2 070 000 francs CFA étant la classe des ménages pauvres monétairement (46,8% des communes de l’échantillon) ; ✓ l’autre caractérisée par une incidence moyenne de ménages pauvres de 25,4% et une dépense moyenne par ménage de 2 800 000 francs des CFA qu’on considère comme étant la classe des communes non pauvres monétairement (53,2% des communes de l’échantillon). 13 Figure 4 : Schéma des résultats de la classification Source : Elaboration des auteurs à partir du fichier de l’EMOP Les distributions des communes pauvres et non pauvres par rapport à l’incidence de la pauvreté monétaire chez les ménages sont visualisées par la figure ci-après. 14 Figure 5 : Distributions des communes pauvres et non pauvres selon l’incidence de la pauvreté monétaire Source : Elaboration des auteurs à partir du fichier de l’EMOP On y observe que l’incidence de la pauvreté monétaire des communes de la classe des pauvres va de de 40% à plus 80%. 5 à 10 communes classées non pauvres monétairement ont des incidences de pauvreté de l’ordre 40%. Elles ne sont pas classées parmi les comm unes pauvres du fait que leur niveau de dépense est plus similaire à celui des communes non pauvres. ➢ Les fonctions discriminantes pour déterminer le statut des 703 communes par rapport à la pauvreté monétaire A partir de l’échantillon de l’EMOP, on détermine deux fonctions discriminantes, la première propre au statut de « non pauvre» de la commune et la seconde à son statut de « pauvre ». Ceci à l’aide de variables de la base de données IPC. Ces variables sont les seules, d’actualité, disponibles pour l’ensemble des communes. Elles ont été collectées dans le but de déterminer le niveau d’équipement des communes en infrastructures collectives, dans une optique d’évaluation de l’offre de services sociaux. De ce fait, leur lien avec le niveau de pauvreté monétaire des ménages de la commune est très mince. Utiliser ces variables comme variable de prédiction ne donne pas a priori d’excellents résultats. Pour contre balancer cet état de fait, 15 on utilise un nombre significatif de variables prédictives afin de cumuler avantageusement leur petite contribution à la prédiction. Les variables utilisées pour discriminer entre communes pauvres et communes non pauvres monétairement sont au nombre de 35 ; elles sont consignées dans le tableau ci-après. Il y a parmi elles 14 variables qualitatives binomiales qui indiquent l’existence ou non dans la commune d’un service, d’une fonction ou d’une infrastructure économique ou sociale. Les variables continues expriment les unes, le niveau moyen d’équipement de la commune et certaines autres, le degré de pénétration des équipements dans l’aire de la commune (% de localités disposant de…). Tableau 2 : Liste des variables des fonctions discriminantes Variables discrètes codées [0 ; 1] Variables continues Nom N° N° Varia Libellé Libellé ble 1 A1_ Milieu de résidence 15 % de localités avec Sotelma C3. Couverture oui ou non du Réseau 2 C3_ 16 % de localités avec Orange MALITEL C5. Couverture oui ou non du Réseau 3 C5_ 17 % de localités avec radio ORANGE C13. Existence oui ou non de 4 C13_ 18 % de localités avec ORTM connexion internet dans la Commune D12. Présence oui ou non d'autres Nombre de plateformes 5 D12_ 19 sources d'énergie électriques multifonctionnelles par localité E1. Présence oui ou non du réseau eau 6 E1_ 20 % de localités avec service de voirie SOMAGEP G7. Présence oui ou non d'une caisse % de localités avec système 7 G7_ 21 d'épargne et de crédit d'évacuation des eaux usées G43. Est-ce que la commune dispose % de localités avec usine de 8 G43_ 22 de réserves de terres non utilisées transformation/extraction G44. Est-ce que la commune dispose Nombre de Banques de céréale par 9 G44_ de source d’eau pour développer 23 localité l’irrigation ? C11. Couverture oui ou non d'autres 10 C11_ 24 % de localités avec Banque de céréales chaînes de télé E4. Présence oui ou non d'Adduction % de localités avec magasin de 11 E4_ 25 d'Eau Sommaire stockage E13. Présence oui ou non de services Nombre de magasins de stockage par 12 E13_ 26 de ramassage d'ordures localité E14. Présence oui ou non de services Nombre de points de vente d'intrants 13 E14_ 27 organisés de ramassage d'ordures par localité A4. Présence oui ou non de centres % de localités avec pharmacie 14 A4_ 28 d'état civil vétérinaire 29 Superficie maraîcher par habitant 30 Superficie irriguée par habitant 31 % de localités avec école 1er cycle 32 Taux Brut de Scolarité % de localités avec centre 33 d'alphabétisation Nombre de Sage-femme pour 5 000 34 habitants 16 Tableau 2 : Liste des variables des fonctions discriminantes Variables discrètes codées [0 ; 1] Variables continues Nom N° N° Varia Libellé Libellé ble Nombre d'infirmier pour 5 000 35 habitants En effet, le modèle de prédiction sur la base de ces 35 variables de la base de données de l’IPC donne des résultats tout juste satisfaisants étant donné le contexte. On le constate à l’examen du tableau qui compare la prédiction au classement initial. Dans l’ensemble 71% des observations sont correctement classées : 73% des communes pauvres sont classées comme telles alors que seulement 69,3% des communes non pauvres sont classées non pauvres (voir tableau). Tableau 3 : Comparaison entre la classification par la procédure TWOSTEP et les résultats du classement de l’analyse discriminante a Numéro de classe Two- Classe(s) d'affectation step prévue(s) 1 2 Total Original 1 162 60 222 Effectif 2 77 174 251 1 73,0 27,0 100,0 % 2 30,7 69,3 100,0 a. 71,0% des observations originales classées correctement. Source : élaboration des auteurs à partir du fichier de l’EMOP Les fonctions discriminantes obtenues (voir encadrés) ont été utilisées pour générer sur la base de données de l’IPC les valeurs discriminantes de chaque commune et pour en déduire son statut de pauvreté monétaire. Encadré 2 : Fonction discriminante « Non pauvre monétaire » FD_NPM=A1_*20.731+C3_*3.023+C5_*8.984+C13_*2.916+D12_*.542+E1_*30.109+G7_*2.317+G43_*1.591+ G44_*2.212+C11_*2.855+E4_*.598+E13_*9.108+E14_*-2.409+A4_*1.276+ p_loc_Sotelma*.067 +p_locorang*.098+p_locradio*.029+p_locortm*.044+platF_loc*-1.095+ p_locVoirie*.177+p_locEvac_Eau* .169+p_locUsine*.107+Banqcer_loc*4.628+p_locBanqcer*- .044+p_locMagasin*-.038+Magasin_loc*4.407+PtventIntrant_loc*7.463+p_locPharVeto*.272+ Supmaraic_hbt*118.925 +SupIrrig_hbt*-4.338+p_locF1*.024+TBS*.192+p_locAlphab*- .012+SageFem_5000*1.304+Infirmier_5000*.965-45.651. 17 Encadré 3 : Fonction Discriminante “Pauvre monétaire� FD_PM=A1_*21.852+C3_*2.537+C5_* 10.075+C13_*3.537+D12_*- .023+E1_*29.283+G7_*1.881+G43_*.858+G44_*2.886+C11_*3.486+E4_*.333+E13_*10.143+E14_*-3.316+ A4_*.522+p_loc_Sotelma*.046+p_locorang* .111+p_locradio*.034+p_locortm*.052+platF_loc*- .546+p_locVoirie*.199+p_locEvac_Eau*.141+p_locUsine*.123+Banqcer_loc*10.054+p_locBanqcer*- .108+p_locMagasin*-.051+Magasin_loc*5.714+PtventIntrant_loc*9.217+p_locPharVeto*.289+ Supmaraic_hbt*26.099 +SupIrrig_hbt*-7.961+p_locF1*.032+TBS*.176+p_locAlphab*- .019+SageFem_5000*.751 +Infirmier_5000*1.193-47.028. Le principe en est le suivant. Si la valeur de la fonction discriminante « Pauvre Monétaire» est supérieure à celle de la fonction discriminante « Non Pauvre Monétaire», la commune en question est considérée comme pauvre et réciproquement. Grace à ces fonctions discriminantes, on dispose ainsi du statut de pauvreté monétaire des 703 communes. A travers le tableau ci-après, on note que 51% des communes du pays sont monétairement pauvres selon le critère d’évaluation adopté. Selon ce critère, aucune des communes du District de Bamako n’est monétairement pauvre ; une seule commune de la région de Kidal est monétairement pauvre. Tableau 4 : Effectifs des communes par région Tableau 5 : Pourcentage de communes par et par statut de pauvreté monétaire région et par statut de pauvreté monétaire Statut de Pauvreté Monétaire Total Statut de Pauvreté Monétaire Pauvre Non Pauvre Pauvre Non Pauvre Total monétairement monétairement monétairement monétairement Kayes 36 93 129 Kayes 27,9 72,1 100 Koulikoro 52 56 108 Koulikoro 48,1 51,9 100 Sikasso 92 55 147 Sikasso 62,6 37,4 100 Ségou 71 47 118 Ségou 60,2 39,8 100 Mopti 71 37 108 Mopti 65,7 34,3 100 Tombouctou 19 33 52 Tombouctou 36,5 63,5 100 Gao 5 19 24 Gao 20,8 79,2 100 Kidal 1 10 11 Kidal 9,1 90,9 100 Bamako 6 6 Bamako 100,0 100 Total 347 356 703 Total 49,4 50,6 100 Sources : Elaboration des auteurs à partir des données de la base IPC 2012/2013 18 Tableau 6 : Effectifs des communes par ZME Tableau 7 : Pourcentage de communes par et par statut de pauvreté monétaire ZME selon le statut de pauvreté monétaire (%) Statut de Pauvreté Statut de Pauvreté Monétaire Monétaire Zone de Moyen Zone de Moyen d'existence (ZME) d'existence (ZME) Non Pauvreté Pauvreté Total Non Pauvreté Pauvreté Total monétaire monétaire monétaire monétaire Nomadisme et commerce transsaharien 1 6 7 Nomadisme et commerce transsaharien 14,3 85,7 100 Pastoralisme nomade et transhumant 7 23 30 Pastoralisme nomade et transhumant 23,3 76,7 100 Riz fluvial et élevage Riz fluvial et élevage transhumant 2 4 6 transhumant 33,3 66,7 100 (agropastoral) (agropastoral) Mil et élevage 29 20 49 Mil et élevage transhumant 59,2 40,8 100 transhumant Plateau Dogon - mil, échalote, produits Plateau Dogon - mil, 10 7 17 échalote, produits cueillette, tourisme 58,8 41,2 100 cueillette, tourisme Lacs/Delta du Niger - riz et élevage (agropastoral) 34 31 65 Lacs/Delta du Niger - riz et élevage 52,3 47,7 100 Office du Niger - riz (agropastoral) 9 8 17 irrigué Office du Niger - riz Nord-ouest transferts 52,9 47,1 100 irrigué d’argent, sorgho, et 16 36 52 Nord-ouest transferts élevage transhuma d’argent, sorgho, et 30,8 69,2 100 élevage transhuma Ouest et centrale mil/sorgho pluvial 77 73 150 Ouest et centrale mil/sorgho pluvial 51,3 48,7 100 Sorgho, mil, et coton 50 26 76 Sud maïs, coton, et fruits 86 83 169 Sorgho, mil, et coton 65,8 34,2 100 Sud-ouest maïs, sorgho, Sud maïs, coton, et 50,9 49,1 100 et fruits 21 7 28 fruits Sud-ouest maïs, sorgho, Urbain Bamako 6 6 et fruits 75,0 25,0 100 Autres urbains 5 26 31 Urbain Bamako 100,0 100 Autres urbains 16,1 83,9 100 Sources : Elaboration des auteurs à partir des données de la base IPC 2012/2013 1.2. Evaluation du niveau de pauvreté alimentaire et nutritionnelle des communes La pauvreté alimentaire et nutritionnelle est un concept qui prend en compte à la fois la qualité et la quantité de la nourriture consommée par les ménages tout autant que leur accès régulier à l’alimentation. Les enfants en bas âge ont des besoins alimentaires spécifiques. La non satisfaction de ces besoins au sein d’un ménage est un signe de pauvreté nutritionnelle. La situation alimentaire est abordée sous l’angle de l’insécurité alimentaire5 et de la faim tandis que la nutrition est appréhendée sous l’angle de la malnutrition des enfants de 6 à 59 mois. L’insécurité alimentaire et nutritionnelle a des causes immédiates en rapport avec l’accès et l’utilisation effective des aliments ainsi que des causes contextuelles qui sont en rapport avec le mode 5 L’évaluation de de la sécurité alimentaire est basée sur les concepts de disponibilité, d’accessibilité, d’utilisation et de stabilité. 19 et les conditions de vie. Ces causes immédiates et contextuelles sont en réalité des manifestations de causes de base diverses telles que les stratégies économiques des ménages, leur environnement économique et physique6. Le concept englobe ainsi des composantes structurelles et des composantes conjoncturelles. Son évaluation dans le cadre de l’ENSAN est faite selon la méthode CARI du PAM 7 qui combine un indicateur de l’état de la consommation alimentaire (court terme), un indicateur d’accès à long terme aux aliments (part des dépenses consacrée à l’alimentation) et un indicateur de stratégie d’adaptation. Les indicateurs d’insécurité alimentaire et de famine utilisés dans cette étude sont ceux déterminés par l’ENSAN 2014/2015. Il est question de générer au niveau de chaque commune du Mali, sur la base des données de l’ENSAN, des indicateurs d’évaluation d’insécurité alimentaire, de l’état de famine des ménages ainsi que de l’état nutritionnel des enfants de 6 à 59 mois. Sur les 703 communes, 408 sont présentes dans l’échantillon de l’ENSAN. Le nombre de ménages échantillons de ces communes varie d’un minimum de 9 (communes de BANCO et de SOIGNEBOUGOU) à un maximum de 90 (communes de GAO et d’INTADJEDITE). On voit ainsi que la taille de l’échantillon n’est pas suffisante pour estimer de façon classique les indicateurs souhaités au niveau de chacune des 408 communes. Comme dans le cas de l’appréciation de la pauvreté monétaire au niveau de la commune, on se trouve à résoudre deux problèmes : • déterminer un indicateur « convenable » de pauvreté alimentaire et nutritionnelle au niveau de chacune des 408 communes de l’échantillon ; • et s’en servir ensuite pour déterminer le statut de pauvreté alimentaire et nutritionnel le de chacune des 703 communes du pays. 1.2.1. Détermination des indicateurs de sécurité alimentaire et de faim au niveau des communes échantillons Dans le fichier des données de l’ENSAN, le statut de sécurité alimentaire de chaque ménage de l’échantillon est déterminé selon les modalités exclusives suivantes : ✓ en sécurité alimentaire, ✓ en sécurité alimentaire limite, ✓ en insécurité alimentaire modérée, ✓ en insécurité alimentaire sévère. La technique est la même que celle utilisée pour l’indicateur de pauvreté monétaire8. On calcule en estimation directe pour chaque commune, la proportion (en % pondéré) de ménages de chaque statut de sécurité alimentaire. Les estimateurs en question sont imprécis mais peu biaisés. De même on calcule la proportion de ménages de chaque statut par Zone de Moyen d’Existence pour l’affecter à toutes les communes de la même zone. Il s’agit d’estimateurs précis mais biaisés au niveau de la commune. 6 Voir plus de détail dans « Rapport de Synthèse-Mali de l’Enquête Nationale sur la Sécurité Alimentaire et Nutritionne lle - ENSAN MALI Février 2015 » 7 CARI : Consolidated Approach for Reporting Indicators of Food Security 8 Voir encadré n°1 20 On détermine des estimateurs composites comme ½ sommes de ces deux types de proportions. Ainsi on dispose au niveau de chacune des 408 communes, de la proportion (composite) de ménages en insécurité alimentaire (modérée et sévère). Par une démarche similaire, on détermine pour chaque commune de l’échantillon, la proportion (composite) de ménages en situation de faim (faiblement, modérée et sévère). Sur les figures 6 et 7 on symbolise les communes par ZME et selon leur incidence en insécurité alimentaire et en faim. L’un des intérêts de cette illustration est de visualiser les communes dont les valeurs sont éloignées de la moyenne. C’est le cas de la commune de HOMBORI pour l’incidence de l’insécurité alimentaire et les cas de TALATAYE et de HARIBOMO pour l’incidence de la faim. De façon générale, c’est dans la zone de « Pastoralisme transhumant », dans celle de « Riz fluvial et élevage » ainsi que dans celle de « Mil élevage transhumant » que l’incidence de l’insécurité alimentaire est des plus grandes. Dans la zone de grande production agricole qu’est la zone « Sud maïs, mil, coton et fruits », l’insécurité alimentaire est étonnement élevée dans plusieurs communes dont celles de YELEKEBOUGOU et de TAMBAGA. Sur la figure 7, on observe la diminution sensible de l’incidence de la faim, en passant du Nord aride au Sud plus humide. On ne perçoit pas l’effet atténuateur du fleuve et des lacs à l’examen de la situation dans les zones du « Riz fluvial et élevage transhumant » et de « Lacs/Delta du Niger-riz et élevage ». Figure 6 : Positions des communes par Zone de Moyen d’Existence et selon l’incidence de l’insécurité alimentaire 21 Figure 7 : Positions des communes par Zone de Moyen d’Existence et selon l’incidence de la faim Source : Elaboration des auteurs à partir des données de l’ENSAN 2014/15 1.2.2. Détermination des indicateurs de nutrition au niveau des communes de l’échantillon La seule source de données permettant une désagrégation des indicateurs nutritionnels au niveau de commune selon la technique spéciale préconisée et conjointement aux indicateurs d’insécurité alimentaire, est l’ENSAN. Le fichier des enfants de cette enquête contient 15 645 enregistrements dont 15 563 enfants de moins de 6 à 59 mois concernés par la prise du périmètre brachial. La mesure du périmètre brachial sert à évaluer la malnutrition aigüe dans sa globalité et en ses différents degrés. On dispose à travers ce fichier du statut de malnutrition aigüe des enfants de 6 à 59 mois selon les modalités suivantes : ✓ malnutrition aigüe sévère ✓ malnutrition aigüe modérée ✓ sans malnutrition. Comme précédemment, on calcule par commune de l’échantillon les estimations composites suivantes d’enfants malnutris : ✓ % malnutrition aigüe sévère (composite) ✓ % malnutrition aigüe modérée (composite) Sur les figures ci-après, on symbolise par ZME le positionnement des communes selon l’incidence de la malnutrition. On distingue des communes où l’incidence de la malnutrition est très élevée dans les ZME de l’Office du Niger et de l’Ouest Centre mil/sorgho pluvial. Le cas de la zone de l’ « Office du Niger' - riz irrigué » est à souligner. L’incidence dans cette zone sort à 13% contre 5,9% de moyenne régionale. 22 Figure 8 : Position des communes par Zone de Moyen d’Existence et selon l’incidence de la malnutrition aigüe sévère Figure 9 : Position des communes par Zone de Moyen d’Existence et selon l’incidence de la malnutrition aigüe modérée Sources : Elaboration des auteurs à partir des données de l’ENSAN 2014/15 23 1.2.3. Evaluation des statuts alimentaires et nutritionnels des communes du Mali On cherche à prédire le statut alimentaire et nutritionnel de chacune des 703 communes du pays. On procède en deux étapes : ✓ déterminer, à partir des communes de l’échantillon de l’ENSAN, deux classes de communes dont l’une représente le bon statut, abusivement qualifié de « Moindre Pauvreté alimentaire « (et nutritionnel) et l’autre le mauvais, qualifié de « Pauvreté Alimentaire ». ✓ estimer à partir de ces deux classes, toujours à partir des communes de l’échantillon de l’ENSAN et sur la base des données de l’IPC, des fonctions qui permettent de prédire pour toutes autres communes de la base IPC, son statut alimentaire et nutritionnel. ➢ Classes alimentaires et nutritionnelles des communes de l’échantillon A l’aide des variables composites d’insécurité alimentaire modérée, d’insécurité alimentaire sévère, de faim, de malnutrition aigüe sévère et de malnutrition aigüe modérée prises conjointement, on détermine à l’aide d’une procédure statistique spécifique deux classes distinctes telles que les éléments d’une même classe soient proches au maximum dans un espace à « n » dimensions, c’est à dire du point de vue des variables de l’analyse9. Les résultats ci-après viennent de cette procédure. La figure 10 ci-après les schématise. Sur cette figure, l’ordre d’importance des indicateurs dans la constitution des classes est donné par le jeu de couleurs : du foncé pour le plus important au clair pour le moins important. La malnutrition aigüe modérée est l’indicateur le plus déterminant dans la constitution des deux classes, suivi de l’indicateur de faim tandis que l’indicateur de l’insécurité alimentaire est le moins important. La configuration d’ensemble suggère que le rôle des indicateurs conjoncturels a été très déterminant dans la caractérisation de la pauvreté alimentaire et nutritionnelle selon les critères de l’étude. La classe 1 qui représente 20% des communes soumises à l’analyse est celle des communes de pauvreté alimentaire et nutritionnelle : en moyenne 5,7% (contre 2,1% pour la classe 2) des enfants de 6 à 59 mois sont en situation de malnutrition aigüe modérée. On note aussi, qu’en moyenne 16% des ménages de cette classe 1 sont dans une situation de faim contre seulement 4,8% pour la classe 2 qu’on peut qualifier de classe des communes « Non pauvreté alimentaire et nutritionnelle ». 9 Il s’agit de la procédure TWOSTEP de SPSS qui a la particularité d’être robuste c’est -à-dire peu sensible aux violations de distribution et d’indépendance des variables. 24 Figure 10 : Classification des communes de l’échantillon de l’ENSAN en deux groupes selon les variables de sécurité alimentaire et de nutrition Sources : Elaboration des auteurs à partir des données de l’ENSAN 2014/15 Sur la figure 11, la classe des communes de non pauvreté alimentaire et nutritionnelle forme une masse compacte dans un carré 5x5 tandis que les éléments de la classe de pauvreté alimentaire sont plus éparpillés avec un soupçon de deux sous-classes10. En réalité les communes de cette dernière classe constituent un groupe bien homogène, vues dans l’espace à 4 dimensions. 10 Les essais ont permis d’identifier ces deux sous-classes qui correspondent en effet à des nuances de la classe 2. La décomposition de l’échantillon en 3 classes n’a pas été retenue du fait que cette nuance apporte peu à la compréhension du sujet au regard de la contre performance qu’elle occasionne dans la suite de l’analyse. 25 Figure 11 : Représentation des communes des deux groupes dans le plan des variables de malnutrition modérée et sévère Sources : Elaboration des auteurs à partir des données de l’ENSAN 2014/15 Dans le plan des variables de la malnutrition aigüe sévère et de l’insécurité alimentaire, les éléments de la classe des communes de non pauvreté alimentaire et nutritionnelle sont par contre significativement différenciés selon leur état d’insécurité alimentaire11. Figure 12 : Représentation des communes des deux groupes dans le plan des variables de malnutrition aigüe sévère et d’insécurité alimentaire Sources : Elaboration des auteurs à partir des données de l’ENSAN 2014/15 11 La configuration générale laisse penser que la malnutrition aigüe sévère diminue quand l’insécurité alimentaire augmente ; ce qui reste à vérifier et le cas échéant à expliquer. 26 ➢ Les fonctions discriminantes pour déterminer le statut des 703 communes par rapport à la pauvreté alimentaire et nutritionnelle Les deux classes de communes sont soumises à l’analyse discriminante avec comme variables explicatives des variables qualitatives et quantitatives issues de la base de données de l’IPC 2013. Au total 80 variables de cette base dont 23 binomiales, ont servi à l’estimation des deux fonctions discriminantes (voir encadrés ci-après). Encadré 4 : Fonction discriminante « Pauvre alimentaire » DisP_Ali=A1_*23.056+C1_*-.436+C3_*11.610+C5_*.196+C13_*-1.186+D8_*10.121+D12_*- 2.129+E1_*52.738+G4_*36.177+G7_*-2.607+G43_* .259+G44_*.977+A9_*10.761+C14_*9.296+C11_*1.196+ E4_*-.490+E13_*-3.655+E14_*-4.451+B18_*125.949+D5_*10.213+E11_*23.238+C7_*4.847+Etacivil_loc* - .365+ServTech_loc*4.235+p_loc_Sotelma*.102+p_locmalitel* .094+p_locorang*-3.428E-5+p_locradio *.062+p_locortm *.039+p_locEDM *-.077+p_locplatF*.117+platF_loc*2.183+p_locAMADER *.502+p_locEssM *.419+EssM_loc*17.194+p_loceclairag *-.030+p_locSOMAGEP *.544+BF*.510+BF_loc *-6.061+p_locgarrout *.101+Garrout_loc*-10.681+p_locAES *-.058+Forg_loc*-.821+p_locForg *.039+pcitern_loc*1.791+p_locpcitern*- .007+p_locVoirie*1.001+p_locEvac_Eau*-1.319+p_locUsine * .137+Usin_loc*- 40.014+UnitAgro_loc*45.153+p_locBanq *4.266+Banq_loc*-6.487+CaisEp_loc* -11.321+p_locCaisEp *- .156+Banqcer_loc*-18.264+p_locBanqcer *.143+p_locMagasin *.069+Magasin_loc*- 3.647+PtventIntrant_loc*3.892+PharVeto_loc*-11.824+p_locPharVeto *.278+Supmaraic_hbt *- .823+SupIrrig*.002+SupIrrig_hbt *-40.741+EcolF1_loc*-4.004+P_locF1*.000+TNS*- .050+TBS*.280+EcolF2_loc*15.238+P_locF2*.354+p_locAlphab*.012+p_locCliniq*.849+p_locCabinet*.492+CS COM_10000*2.466+medecin_10000*3.078+SageFem_5000*-2.356+Infirmier_5000*-1.298+p_locCSCOM*- .004-153.301. Encadré 5 : Fonction discriminante « Non pauvre alimentaire » DisMP_Ali=A1_*24.926+C1_*-.701+C3_*12.832+C5_*-1.263+C13_*-2.143+D8_*10.692+D12_*- .464+E1_*51.959+G4_*37.978+G7_*2.243+G43_*.651+G44_*1.606+A9_*7.957+C14_*9.239+C11_*.002+E4_* -1.250+E13_*-3.233+E14_*-4.849+B18_*126.527+D5_*10.751+E11_*23.276+C7_*4.010+Etacivil_loc*- 1.071+ServTech_loc*4.380+p_loc_Sotelma*.112+p_locmalitel*.104+p_locorang*-.012+p_locradio *.045+p_locortm *.052+p_locEDM *-.081+p_locplatF*.130+platF_loc*.634+p_locAMADER *.549+p_locEssM *.436+EssM_loc*14.061+p_loceclairag *-.026+p_locSOMAGEP *.554+BF*.524+BF_loc *-5.903+p_locgarrout *.150+Garrout_loc*-10.830+p_locAES *-.063+Forg_loc*-.459+p_locForg *.044+pcitern_loc*2.222+p_locpcitern*- .009+p_locVoirie*1.003+p_locEvac_Eau*-1.276+p_locUsine * .131+Usin_loc*- 42.800+UnitAgro_loc*51.227+p_locBanq *4.456+Banq_loc*-17.479+CaisEp_loc*-15.203+p_locCaisEp*- .160+Banqcer_loc*15.260+p_locBanqcer*.115+p_locMagasin*.042+Magasin_loc*3.435+PtventIntrant_loc*3.549 +PharVeto_loc*-13.421+p_locPharVeto*.340+Supmaraic_hbt*27.668+SupIrrig*.002+SupIrrig_hbt*- 45.937+EcolF1_loc*4.553+P_locF1*.019+TNS*.078+TBS*.339+EcolF2_loc*16.619+P_locF2*.373+p_locAlphab *.010+p_locCliniq*.855+p_locCabinet*.610+CSCOM_10000*2.435+medecin_10000*3.080+SageFem_5000*- 4.706+Infirmier_5000*-.667+p_locCSCOM*-.012-159.570. 27 Le tableau de comparaison ci-après permet de constater que près de 81% des communes de l’échantillon sont classées correctement en comparaison de leur statut initial de pauvreté alimentaire. Ce résultat est jugé excellent, c'est-à-dire que les fonctions discriminantes permettent de bien différencier, à partir des variables de la base IPC, les communes de pauvreté alimentaire de celles de moindre pauvreté alimentaire. Tableau 8 : Comparaison entre les classes ( TwoStep) et le résultat de la classification par analyse discriminante (échantillon de l’ENSAN) Classe(s) d'affectation Original : classes par prévue(s) Total TwoStep Pauvre Non pauvre alimentaire alimentaire Effectif Pauvreté alimentaire 64 17 81 Non pauvre alimentaire 60 262 322 % Pauvreté alimentaire 79,0 21,0 100,0 Non pauvre alimentaire 18,6 81,4 100,0 80,9% des observations originales classées correctement. Sources : Elaboration des auteurs à partir des données de l’ENSAN 2014/15 Avec ces fonctions discriminantes, on détermine le statut de pauvreté alimentaire et nutritionnelle des 703 communes de la base de données de l’IPC. Selon les critères d’évaluation adoptés, 32,6% des communes seraient sujettes à la pauvreté alimentaire et nutritionnelle. La moitié des communes de Bamako serait dans cette situation. Tableau 9 : Effectifs des communes par région Tableau 10 : Pourcentage de communes par région et par statut de pauvreté alimentaire et selon le statut de pauvreté alimentaire et nutritionnel nutritionnel Statut de pauvreté Statut de pauvreté Région alimentaire et Région alimentaire et nutritionnel Total nutritionnel Total Non Non Pauvreté pauvre Pauvreté pauvre alimentaire alimentaire alimentaire alimentaire Kayes 33 96 129 Kayes 25,6 74,4 100,0 Koulikoro 26 82 108 Koulikoro 24,1 75,9 100,0 Sikasso 21 126 147 Sikasso 14,3 85,7 100,0 Ségou 40 78 118 Ségou 33,9 66,1 100,0 Mopti 47 61 108 Mopti 43,5 56,5 100,0 Tombouctou 32 20 52 Tombouctou 61,5 38,5 100,0 Gao 17 7 24 Gao 70,8 29,2 100,0 Kidal 10 1 11 Kidal 90,9 9,1 100,0 Bamako 3 3 6 Bamako 50,0 50,0 100,0 Total 229 474 703 Total 32,6 67,4 100,0 Sources : Elaboration des auteurs à partir des données de la base IPC 2012/2013 28 Tableau 11 : Effectif des communes par ZME et selon le Tableau 12 : Pourcentage des communes statut de pauvreté alimentaire par ZME et selon le statut de pauvreté alimentaire Zone de Moyen d’Existence Statut de pauvreté Zone de Moyen Statut de pauvreté (ZME) alimentaire et nutritionnel Total d’Existence (ZME) alimentaire et nutritionnel Total Pauvre Non pauvre Pauvre Non pauvre alimentaire alimentaire alimentaire alimentaire Nomadisme et commerce Nomadisme et transsaharien 5 2 7 commerce 71,4 28,6 100,0 Pastoralisme nomade et transsaharien transhumant 22 8 30 Pastoralisme Riz fluvial et élevage nomade et 73,3 26,7 100,0 transhumant (agropastoral) 4 transhumant 2 6 Riz fluvial et élevage Mil et élevage transhumant 30 19 49 66,7 33,3 100,0 transhumant Plateau Dogon - mil, (agropastoral) échalote, produits cueillette, 3 14 17 Mil et élevage tourisme 61,2 38,8 100,0 transhumant Lacs/Delta du Niger - riz et Plateau Dogon - élevage (agropastoral) 41 24 65 mil, échalote, 17,6 82,4 100,0 Office du Niger - riz irrigué 7 10 17 produits cueillette, tourisme Nord-ouest transferts d’argent, sorgho, et élevage Lacs/Delta du 11 41 52 transhuma Niger - riz et 63,1 36,9 100,0 élevage Ouest et centrale mil/sorgho (agropastoral) pluvial 41 109 150 Office du Niger - Sorgho, mil, et coton 41,2 58,8 100,0 19 57 76 riz irrigué Sud maïs, coton, et fruits 28 141 169 Nord-ouest Sud-ouest maïs, sorgho, et transferts d’argent, 7 21 28 21,2 78,8 100,0 fruits sorgho, et élevage transhuma Urbain Bamako 3 3 6 Ouest et centrale Autres urbains 8 23 31 mil/sorgho pluvial 27,3 72,7 100,0 Total 229 474 703 Sorgho, mil, et 25,0 75,0 100,0 coton Sud maïs, coton, et 16,6 83,4 100,0 fruits Sud-ouest maïs, sorgho, et fruits 25,0 75,0 100,0 Urbain Bamako 50,0 50,0 100,0 Autres urbains 25,8 74,2 100,0 Total 32,6 67,4 100,0 Sources : Elaborer par les auteurs à partir de leurs calculs 29 II. Construction d’un indicateur de pauvreté multidimensionnelle des communes et ciblage géographique 2.1. Construction de l’indicateur de pauvreté multidimensionnelle Un des buts de l’étude est de déterminer un indicateur d’aide au ciblage plus précis des communes en prenant en compte différentes dimensions de pauvreté. C’est dans cette optique, qu’on s’est orienté vers la détermination d’indicateurs mesurant les concepts classiques de pauvreté à savoir la pauvreté de conditions de vie, la pauvreté monétaire et la pauvreté alimentaire et nutritionnelle. Ces déterminations ont été faites à partir de l’exploitation de données existantes, ce qui de toute évidence est une contrainte avec laquelle il faut faire. On dispose à ce stade de : ✓ un indicateur d’échelle (donnée quantitative) pour apprécier la pauvreté de conditions de vie ainsi que d’un indicateur qualitatif déduit de la première ; ✓ un indicateur qualitatif qui précise le statut de pauvreté ou non pauvreté monétaire de chaque commune ; ✓ un indicateur indiquant le statut de pauvreté ou non pauvreté alimentaire et nutritionnelle de chaque commune. Ces trois types d’indicateurs prennent en compte les dimensions usuelles de la pauvreté. Il reste cependant que l’évocation du contexte local est une nécessité pour les spécialistes qui s’occupent d’améliorer la résilience des populations face aux situations adverses. La pluviosité est un facteur essentiel pour la grande majorité de la population dont les ressources sont liées aux activités rurales. De la compilation des données du SAP sur la période 2005-2013, on obtient l’indicateur qui traduit la fréquence des années de mauvaise pluviosité. A l’inverse, la pratique de la culture irriguée réduit la vulnérabilité de la production aux situations de mauvaise pluviosité. On ne dispose pas de mesure de cette pratique ; on suppose qu’elle se fait s’il existe des superficies aménagées. L’importance des superficies irriguées est prise comme indicateur de l’importance de la pratique de la culture irriguée. Ces cinq variables sont utilisées pour déterminer des classes optimales de communes au sens où les éléments d’une même classe se ressemblent le plus du point de vue de ces cinq (5) indicateurs. La technique de classification « TWOSTEP Cluster » a été encore une fois utilisée. Quatre classes de communes ont été ainsi identifiées. La figure 13 donne des informations utiles sur la formation et le contenu de ces classes. Le constat est que le statut de pauvreté alimentaire et nutritionnelle est l’indicateur de premier ordre dans la formation des classes (voir figure 13). La pauvreté monétaire et l’indice de pauvreté de conditions de vies jouent également des rôles d’importance dans la détermination des classes de communes : sur une échelle de 0 à 1, leur rôle est évalué à 0,7 environ. A l’opposé, les rôles de l’indicateur de superficie irriguée (.indicateur supposé de résilience) et de l’indicateur de pourcentage d’années de mauvaise 30 pluie (indicateur supposé de choc), sont négligeables : respectivement 0,4 et 0,2 sur une échelle de 0 à 1 (voir figure 13) Figure 13 : Classes de pauvreté multidimensionnelle Sources : Elaborer par les auteurs à partir de leurs calculs Chacune de ces quatre classes a un sens qu’il faut expliciter à travers les statistiques affichées sur la figure 13 pour ainsi révéler les différents statuts de pauvreté multidimensionnelle. • La classe 3 comprenant 224 communes soit 31,9% des communes du pays est caractérisée par : ✓ 100% de communes connaissant la pauvreté alimentaire et nutritionnelle ; ✓ 53,1% de communes connaissant la pauvreté monétaire ; ✓ en moyenne ses communes sont dans une situation de grande pauvreté de conditions de vie ; ✓ elles ont quelques superficies irriguées (162 ha en moyenne par commune) alors que sur plus d’une année sur 3, la pluviosité dans ces communes est insuffisante. Il s’agit du statut de communes très pauvres. 31 • La classe 1 qui comprend 225 communes soit 32% des communes se caractérise par le fait que : ✓ toutes ses communes sont dans une situation de non pauvreté alimentaire et nutritionnelle ; ✓ et toutes sont pauvres monétairement ; ✓ peuvent être qualifiées de presque pauvres en matière de conditions de vie ; ✓ les communes ont très peu de superficies irriguées : une moyenne de 55,23 ha par commune ; toutefois la pluviosité est moins versatile qu’ailleurs (insuffisance de pluie une année sur quatre). Cette classe donne le statut de communes pauvres • La classe 4 avec 230 communes soit 32,7% du total est caractérisée comme suit : ✓ les communes ne connaissent ni pauvreté monétaire, ni pauvreté alimentaire et nutritionnelle ; ✓ on les retrouve surtout dans les zones centres (Lac/delta du Niger) et Sud du pays ; ✓ elles sont pauvres de conditions de vie. ✓ Il s’agit du statut de communes non pauvres aux caractéristiques rurales prononcées. Figure 14 : Visualisation des communes non pauvres de la classe 4 Sources : Elaborer par les auteurs à partir de leurs calculs 32 • La classe 2 avec 24 communes soit 3,4% du total peut être décrite comme suit : ✓ 79,2% de ses communes sont non pauvres au plan alimentaire et nutritionnel ; ✓ 91,7% sont non pauvres monétairement ; ✓ on les classe parmi les communes non pauvres du point de vue des conditions de vie ; ✓ certaines exploitent de grandes superficies irriguées (en moyenne 1570 ha par commune) même si deux années sur 5, elles connaissent une pluviosité insuffisante (effet de résilience ?). ✓ les communes de Bamako, les communes de KAYES, SEGOU, MORIBABOUGOU et SANGAREBOUGOU en font partie (voir figure ci- après). Cette classe est interprétée comme le statut de communes non pauvres aux caractéristiques urbaines prononcées. Figure 15 : Visualisation des communes non pauvres de la classe 2 ZME et selon la superficie cultivée Sources : Elaborer par les auteurs à partir de leurs calculs Au sortir de cette identification, on peut mettre en évidence la prééminence des statuts de pauvreté spécifique dans la détermination du statut de pauvreté multidimensionnelle. 33 On observe en effet à l’examen du tableau 13 que : ✓ si une commune est pauvre au plan alimentaire et nutritionnel, elle a 98 chances sur 100 d’être très pauvre au plan multidimensionnel quels que soient par ailleurs ses statuts de pauvreté monétaire et de conditions de vie. ✓ si elle est non pauvre au plan alimentaire et nutritionnel elle ne peut être très pauvre d’une part et d’autre part, elle a 53% de chances d’être non pauvre au plan multidimensionnel. On observe également que : ✓ une commune pauvre monétairement est dans 2 cas sur 3 (65%) pauvre de façon multidimensionnelle ; ✓ Une commune non pauvre monétairement est dans 71% des cas non pauvre au sens multidimensionnel. On fait de même remarquer que près de 60% des communes très pauvres de conditions de vie sont très pauvres au sens de pauvreté multidimensionnelle. Tableau 13 : Répartition des communes par statut de pauvreté spécifique selon le statut de pauvreté multidimensionnelle (%) Statut de pauvreté multidimensionnelle Non Pauvre Non pauvre Total aux aux Très pauvre Pauvre caractéristiq caractéristique ues rurales s urbaines Pauvre alimentaire 97,8 2,2 100,0 Statut de pauvreté Non pauvre Alimentaire 47,5 48,5 4,0 100,0 alimentaire Statut de pauvreté Pauvre monétaire 34,6 64,8 ,6 100,0 monétaire Non Pauvre monétaire 29,2 64,6 6,2 100,0 Très Pauvre 59,7 17,0 22,7 ,6 100,0 Statut de pauvreté de Pauvre 32,0 32,0 34,9 1,1 100,0 conditions de vie Presque Pauvre 23,7 41,8 34,5 100,0 Non Pauvre 12,0 37,1 38,9 12,0 100,0 Sources : Elaborer par les auteurs à partir de leurs calculs Les tableaux 14 et suivants ci-après donnent la ventilation des communes par région ou ZME selon le statut de pauvreté multidimensionnelle. 34 Tableau 14 : Effectifs des communes par région Tableau 15 : Pourcentage de communes par région selon le statut de pauvreté multidimensionnelle selon le statut de pauvreté multidimensionnelle Région Région Statut de pauvreté multidimensionnelle Total Statut de pauvreté multidimensionnelle Total Non Non Non Non pauvre à pauvre pauvre à pauvre Très caractère caractère Très caractère caractère pauvre Pauvre rural urbain pauvre Pauvre rural urbain Kayes 33 24 71 1 129 Kayes 25,6 18,6 55,0 ,8 100 Koulikoro 26 38 41 3 108 Koulikoro 24,1 35,2 38,0 2,8 100 Sikasso 21 78 45 3 147 Sikasso 14,3 53,1 30,6 2,0 100 Ségou 39 43 32 4 118 Ségou 33,1 36,4 27,1 3,4 100 Mopti 46 37 20 5 108 Mopti 42,6 34,3 18,5 4,6 100 Tombouctou 32 5 14 1 52 Tombouctou 61,5 9,6 26,9 1,9 100 Gao 17 6 1 24 Gao 70,8 25,0 4,2 100 Kidal 10 1 11 Kidal 90,9 9,1 100 Bamako 6 6 Bamako 100,0 100 Total 224 225 230 24 703 Total 31,9 32,0 32,7 3,4 100 Sources : Elaborer par les auteurs à partir de leurs calculs Tableau 16 : Effectifs des communes par ZME selon le statut de pauvreté multidimensionnelle ZME Statut de pauvreté multidimensionnelle Non Non pauvre Total Très pauvre Pauvre à caractère pauvre caractère rural urbain Nomadisme et commerce transsaharien 5 2 7 Pastoralisme nomade et transhumant 22 3 5 30 Riz fluvial et élevage transhumant (agropastoral) 4 2 6 Mil et élevage transhumant 30 12 6 1 49 Plateau Dogon - mil, échalote, produits cueillette, 3 7 7 17 tourisme Lacs/Delta du Niger - riz et élevage (agropastoral) 40 10 13 2 65 Office du Niger - riz irrigué 7 3 6 1 17 Nord-ouest transferts d’argent, sorgho, et élevage 11 12 29 52 transhuma Ouest et centrale mil/sorgho pluvial 40 48 61 1 150 Sorgho, mil, et coton 19 37 20 76 Sud maïs, coton, et fruits 28 72 65 4 169 Sud-ouest maïs, sorgho, et fruits 7 16 4 1 28 Urbain Bamako 6 6 Autres urbains 8 5 10 8 31 Total 224 225 230 24 703 Sources : Elaborer par les auteurs à partir de leurs calculs 35 Tableau 17 : Pourcentage de communes par ZME selon le statut de pauvreté multidimensionnelle ZME Statut de pauvreté multidimensionnelle Non Non pauvre Total Très pauvre Pauvre à caractère pauvre caractère rural urbain Nomadisme et commerce transsaharien 71,4 28,6 100 Pastoralisme nomade et transhumant 73,3 10,0 16,7 100 Riz fluvial et élevage transhumant (agropastoral) 66,7 33,3 100 Mil et élevage transhumant 61,2 24,5 12,2 2,0 100 Plateau Dogon - mil, échalote, produits cueillette, 17,6 41,2 41,2 100 tourisme Lacs/Delta du Niger - riz et élevage (agropastoral) 61,5 15,4 20,0 3,1 100 Office du Niger - riz irrigué 41,2 17,6 35,3 5,9 100 Nord-ouest transferts d argent, sorgho, et élevage 21,2 23,1 55,8 100 transhuma Ouest et centrale mil/sorgho pluvial 26,7 32,0 40,7 ,7 100 Sorgho, mil, et coton 25,0 48,7 26,3 100 Sud maïs, coton, et fruits 16,6 42,6 38,5 2,4 100 Sud-ouest maïs, sorgho, et fruits 25,0 57,1 14,3 3,6 100 Urbain Bamako 100,0 100 Autres urbains 25,8 16,1 32,3 25,8 100 Total 31,9 32,0 32,7 3,4 100 Sources : Elaborer par les auteurs à partir de leurs calculs 2.2. Contribution au ciblage géographique Le ciblage géographique est, selon la démarche préconisée par le programme Jigisemejiri, la première étape dans l’identification des ménages pauvres. Pour être efficace, il doit prendre en compte les principales dimensions de la pauvreté. L’indicateur de statut de pauvreté multidimensionnelle permet de distinguer entre communes très pauvres, communes pauvres et communes non pauvres. Ceci est en soi un premier niveau de ciblage. La règle de décision à ce niveau est de donner le niveau de priorité 1 aux 224 communes très pauvres et le niveau de priorité 2 aux 225 communes pauvres. Dans une démarche opérationnelle, on se doit de donner des niveaux de priorités pour les 224 communes très pauvres. On fait appel aux dimensions constitutives de l’indicateur à savoir la dimension sécurité alimentaire, la dimension monétaire et la dimension condition de vie (voire la dimension résilience représentée par l’indicateur de superficie irriguée). Il s’agit de trier les 224 communes très pauvres à la fois et dans l’ordre selon le statut de pauvreté alimentaire te nutritionnel, le statut de pauvreté monétaire et le statut de pauvreté de condition de vie. Le rang d’une commune dans la liste ordonnée est son ordre de priorité. On trouvera en annexe la liste des communes triées selon ce principe. 36 III. Présentation des produits de l’étude Trois sortes de produits : - le présent rapport ; - un fichier SPSS contenant les variables utiles de l’IPC ainsi que les variables de statut de pauvreté des communes ; - une Base de Données décisionnelle avec sa documentation. 3.1. Le Fichier SPSS Ce fichier donne à l’utilisateur la possibilité d’élaborer d’autres statistiques jugées utiles. Il contient les données de l’IPC de 2013 : ➢ données administratives ; ➢ infrastructures de transport ; ➢ télécommunication ; ➢ eau potable ; ➢ activités et infrastructures économiques ; ➢ education ; ➢ santé ; ➢ les variables calculées à partir des données thématiques ci-dessus ; Ont été également intégrées : ➢ les indicateurs d’accès aux soins de santé ; ➢ la variable d’insuffisance de pluviosité (SAP) ; ➢ les variables de difficulté socioéconomique et de difficulté alimentaire (SAP). ➢ les indicateurs sur l’environnement au niveau du cercle ➢ les indicateurs de nutrition au niveau du cercle ➢ l’incidence de la pauvreté au niveau de la région Il contient aussi : ➢ la variable ZME ; ➢ le statut de pauvreté monétaire ; ➢ le statut de pauvreté alimentaire et nutritionnelle ; ➢ le statut de pauvreté multidimensionnelle ; 3.2. La Base de Données décisionnelle avec sa documentation Elle contribue à une meilleure valorisation de l’ensemble des données utilisées : données collectées et données calculées. Cette valorisation est faite par affichage de données statistiques tabulaires et de données cartographiques. Cette base de données est implémentée sous MS Access avec le Système d’Information Géographique MapInfo embarqué. Fonctionnalités de la BD ➢ Menu Principal : permet d’accéder à l’interface d’utilisation 37 ➢ L’interface d’utilisation donne accès à 2 choix : ✓ Editer les statistiques. Ce menu donne accès au sous-menu suivant Chacun de ces sous-menus permet d’afficher et d’éditer des tableaux statistiques. ✓ Analyser une commune. L’analyse de la commune se fait à travers : 38 • le choix de la commune d’intérêt ; • au choix, pour cette commune, l’affichage des données cartographiques ou tabulaires. ➢ Le choix de la commune fait apparaitre en information d’entête : ✓ le nom de la commune ; ✓ le cercle d’appartenance ; ✓ la région d’appartenance ; ✓ les caractéristiques générales ; ✓ statuts de pauvreté : - multidimensionnelle ; - monétaire ; - alimentaire et nutritionnelle ; - de conditions de vie. ✓ Données de contexte : ➢ Les données tabulaires sont affichées par thème : - données géographiques ; - ressources naturelles et environnement ; - désenclavement ; - accessibilités aux services sociaux de base ; - principales activités économiques. ➢ La représentation cartographique permet d’afficher : ✓ en symbole : - les localités ; - certaines infrastructures (point d’eau et CSCom). ✓ en couleur de fonds, les données thématiques. 39 Conclusion L’objectif de l’étude qui est de contribuer au ciblage le plus réaliste possible des populations les plus pauvres du pays est assez problématique. Non seulement l’entité géographique de ciblage doit être la plus petite possible, mais encore le concept de pauvreté doit être pris au sens large. Toutefois, l’entité de ciblage s’impose d’elle-même comme la commune puisqu’elle est supposée être un centre de décision politique et économique et qu’en même temps, dans le cadre du suivi du développement humain durable, elle fait régulièrement l’objet d’un recensement exhaustif pour évaluer l’indice de pauvreté communale (IPC) que l’on peut assimiler à la pauvreté de conditions de vie. On met à profit le recensement des communes de 2013, la dernière en date, qui permet de disposer d’un fichier de données de base avec plus de 600 variables relatives aux 703 communes du pays. Le concept de pauvreté au sens large qu’on nomme pauvreté multidimensionnelle, tient compte de la pauvreté de conditions de vie, la pauvreté monétaire ainsi que la pauvreté alimentaire et nutritionnelle. Il s’agit de types de pauvreté usuellement traités par le système statistique national du Mali. Ces types de pauvreté s’inter-croisent mais ne se superposent pas. A ce concept de pauvreté multidimensionnelle, on a associé des indicateurs censés améliorer ou dégrader la résilience locale face à la pauvreté. On en vient ainsi à orienter l’étude sur l’analyse statistique approfondie des fichiers disponibles du système statistique qui étudient ces types de pauvreté. L’IPC qui est basé sur des indicateurs d’offre de services sociaux (de base et d’autres) relatifs aux communes tient lieu de discriminant entre les communes du point de vue de la pauvreté de conditions de vie. Pour déterminer au niveau de la commune, la pauvreté monétaire et la pauvreté alimentaire et nutritionnelle, il a été nécessaire de traiter de façons spécifiques les fichiers des enquêtes nationales en rapport avec ces sujets : l’EMOP 2011/2012 parce que la plus récente parmi celles qui couvrent tout le pays d’une part et l’ENSAN 2014/2015 d’autre part. Les données du SAP permettent d’introduire la notion de résilience. Les traitements ont consisté pour l’essentiel à déterminer les caractéristiques pauvres d’une part et non pauvres d’autre part des communes des échantillons des enquêtes à partir d’estimateurs composites de pauvreté et ensuite de se servir des données de l’IPC pour transposer ces statuts de pauvreté à l’ensemble des communes du Mali. La même technique de classification est utilisée pour générer le statut de pauvreté multidimensionnelle à partir des statuts de pauvreté de conditions de vie, monétaire et alimentaire et nutritionnelle. 40 Les communes ont été classées par niveau de pauvreté afin de suggérer ensuite un ordre de priorité d’intervention. On est conscient qu’il s’agit de démarches statistiques assez spécifiques avec quelques entorses aux règles classiques de base dans le domaine. Le fait de ne pas pouvoir donner le degré de précision des estimateurs composites en est une. De même, si la procédure utilisée pour générer des classes de communes est très robuste face à la violation des hypothèses de distribution des variables, la procédure de discrimination entre les statuts de pauvreté l’est moins. Toutefois, étant donné la contrainte de n’utiliser que les données existantes du système statistique du pays, les auteurs, n’ont trouvé d’autres techniques objectives que celles-ci. Ces résultats sont en effet les plus objectifs possibles de ce point de vue, étant donné le contexte. Ils demandent cependant à être constamment confrontés à l’observation éclairée des spécialistes, dans l’utilisation qu’ils en font. 41 IV. ANNEXES 4.1. Liste des communes classées par ordre de priorité de la plus pauvre à la moins pauvre Ordre Statut de Milieu de Statut de pauvreté Statut de pauvreté Statut de pauvreté Superficie Insuffisance de de REGION CERCLE COMMUNE pauvreté de résidence alimentaire monétaire multidimensionnelle irriguée pluie priorité conditions de vie 1 Kidal Tin-Essako TIN ESSAKO Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 0 33,3 2 Mopti Youwarou FARIMAKE Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 0 70,0 3 Mopti Youwarou DEBOYE Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 4 32,5 4 Tombouctou Tombouctou SALAM Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 0 66,7 5 Mopti Bandiagara TIMNIRI Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 70 45,0 6 Mopti Youwarou DIRMA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 405 45,0 7 Tombouctou Gourma-Rarhous INADIATAFANE Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 1 66,7 8 Gao Bourem TARKINT Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 51 62,5 9 Mopti Koro DIANKABOU Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 10 33,3 10 Koulikoro Nara GUIRE Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 0 44,4 11 Ségou Tominian LANFIALA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 8 20,0 12 Mopti Youwarou BIMBERE TAMA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 290 32,5 13 Mopti Koro KASSA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 0 66,7 14 Koulikoro Nara KORONGA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 3 55,6 15 Mopti Youwarou N'DODJIGA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 287 67,5 16 Ségou Ségou BELLEN Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 10 40,0 17 Mopti Tenenkou OURO GUIRE Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 4 33,3 18 Tombouctou Nianfunké N'GORKOU Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 1 545 77,8 19 Mopti Youwarou DONGO Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 5 67,5 20 Ségou San MORIBILA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 10 20,0 21 Koulikoro Banamba SEBETE Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 0 44,4 22 Koulikoro kolokani SEBECORO I Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 13 55,6 23 Koulikoro Banamba TOUKOROBA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 4 55,6 24 Mopti Tenenkou DIONDIORI Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 194 22,2 42 25 Tombouctou Gourma-Rarhous BAMBARA MAOUDE Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 2 100,0 26 Tombouctou Diré BINGA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 939 77,8 27 Mopti Douentza DANGOL-BORE Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 119 57,5 28 Kayes Kéniéba BAYE Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 0 20,0 29 Kayes Bafoulabé KONTELA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 80 20,0 30 Tombouctou Goundam M'BOUNA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 10 44,4 31 Ségou San KASSOROLA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 210 0,0 32 Mopti Youwarou YOUWAROU Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 18 70,0 33 Mopti Bandiagara LOWOL GUEOU Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 10 33,3 34 Kayes K?ni?ba FALEA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 6 0,0 35 Tombouctou Diré BOUREM SIDI AMAR Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 1 616 66,7 36 Mopti Douentza HOMBORI Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 7 55,6 37 Ségou San DIAKOUROUNA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 2 20,0 38 Kayes Dièma BEMA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 38 44,4 39 Mopti Douentza DJAPTODJI Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 218 60,0 40 Tombouctou Nianfunké KOUMAIRA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 590 88,9 41 Tombouctou Diré KIRCHAMBA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 611 88,9 42 Mopti Djenné NIANSANARIE Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 6 44,4 43 Mopti Koro YORO Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 7 66,7 44 Ségou Tominian TIMISSA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 0 20,0 45 Mopti Tenenkou TOGUERE-COUMBE Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 320 33,3 46 Koulikoro kolokani SAGABALA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 34 55,6 47 Ségou Ségou KATIENA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 4 40,0 48 Ségou San NIAMANA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 3 20,0 49 Ségou San KARABA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 164 20,0 50 Mopti Douentza DALLAH Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 20 55,6 51 Tombouctou Nianfunké DIANKE Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 634 66,7 52 Mopti Koro KOPOROKENDIE NA Rural Pauvre alimentaire Pauvre monétaire Très Pauvre Très pauvre 1 44,4 53 Mopti Bandiagara DOUCOMBO Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 10 66,7 54 Kayes Kita KOBRI Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 23 0,0 55 Ségou Tominian TOMINIAN Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 68 40,0 56 Mopti Koro DINANGOUROU Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 0 33,3 43 57 Mopti Douentza MONDORO Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 0 20,0 58 Tombouctou Diré TIENKOUR Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 612 88,9 59 Ségou Ségou DIEDOUGOU Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 8 22,2 60 Mopti Djenné DANDOUGOU FAKALA Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 137 44,4 61 Tombouctou Diré DANGHA Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 1 945 44,4 62 Mopti Djenné FAKALA Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 729 55,6 63 Ségou San DIELI Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 61 20,0 64 Ségou San NIASSO Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 3 40,0 65 Mopti Mopti SASALBE Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 65 44,4 66 Ségou Macina MONIMPEBOUGOU Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 112 33,3 67 Ségou Ségou SIBILA Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 30 20,0 68 Kayes Kéniéba SAGALO Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 1 20,0 69 Kayes Bafoulabé KOUNDIAN Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 58 0,0 70 Tombouctou Diré TINGUEREGUIF Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 674 88,9 71 Ségou Niono POGO Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 857 22,2 72 Ségou San SY Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 0 0,0 73 Koulikoro Kati FARABA Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 0 25,0 74 Gao Ansongo OUATTAGOUNA Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 101 33,3 75 Tombouctou Tombouctou BOUREM-INALY Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 285 88,9 76 Ségou Ségou N'KOUMANDOUGOU Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 291 40,0 77 Mopti Douentza KORAROU Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 2 44,4 78 Ségou San FION Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 6 20,0 79 Ségou Ségou KAMIANDOUGOU Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 22 40,0 80 Mopti Koro DIOUNGANI Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 0 66,7 81 Ségou Ségou DIOUNA Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 3 0,0 82 Koulikoro Dioïla N'DLONDOUGOU Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 24 0,0 83 Ségou Tominian MANDIAKUY Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 4 20,0 84 Sikasso Kolondièba KADIANA Rural Pauvre alimentaire Pauvre monétaire Pauvre Très pauvre 5 50,0 85 Sikasso Kolondièba KOLONDIEBA Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 180 20,0 86 Mopti Koro YOUDIOU Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 3 44,4 87 Ségou Baraouéli BOIDIE Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 58 25,0 88 Sikasso Koutiala KOROMO Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 0 20,0 44 89 Mopti Bandiagara SOROLY Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 1 55,6 90 Kayes Dièma GUEDEBINE Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 4 44,4 91 Ségou Niono MARIKO Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 80 22,2 92 Ségou Macina BOKY WERE Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 68 20,0 93 Mopti Koro DOUGOUTENE I Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 0 20,0 94 Ségou Niono DOGOFRY Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 40 33,3 95 Koulikoro Dioïla DOLENDOUGOU Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 12 20,0 96 Koulikoro Dio?la DIEBE Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 15 0,0 97 Kayes Kita KOKOFATA Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 14 0,0 98 Sikasso Yorosso OURIKELA Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 307 0,0 99 Sikasso Sikasso LOBOUGOULA Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 1 400 20,0 100 Sikasso Bougouni KOLA Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 7 20,0 101 Sikasso Koutiala SONGO-DOUBACORE Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 46 20,0 102 Sikasso Bougouni GARALO Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 84 0,0 103 Mopti Djenné DERARY Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 34 44,4 104 Gao Ansongo BOURRA Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 275 33,3 105 Kayes Dièma FASSOUDEBE Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 10 44,4 106 Kayes Yélimané SOUMPOU Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 0 22,2 107 Koulikoro kolokani DIDIENI Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 14 55,6 108 Ségou Niono SIRIBALA Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 140 22,2 109 Kayes Kéniéba KENIEBA Rural Pauvre alimentaire Pauvre monétaire Presque Pauvre Très pauvre 2 20,0 110 Sikasso Sikasso TIANKADI Rural Pauvre alimentaire Pauvre monétaire Non Pauvre Très pauvre 0 0,0 111 Gao Bourem TABOYE Rural Pauvre alimentaire Pauvre monétaire Non Pauvre Très pauvre 143 22,2 112 Sikasso Koutiala YOGNOGO Rural Pauvre alimentaire Pauvre monétaire Non Pauvre Très pauvre 2 20,0 113 Sikasso Yorosso MAHOU Rural Pauvre alimentaire Pauvre monétaire Non Pauvre Très pauvre 52 0,0 114 Sikasso Koutiala GOUADJIE SOUGOUNA Rural Pauvre alimentaire Pauvre monétaire Non Pauvre Très pauvre 0 20,0 115 Mopti Douentza KERENA Rural Pauvre alimentaire Pauvre monétaire Non Pauvre Très pauvre 25 44,4 116 Gao Gao SONY ALIBER Rural Pauvre alimentaire Pauvre monétaire Non Pauvre Très pauvre 218 22,2 117 Koulikoro Dioïla GUEGNEKA Rural Pauvre alimentaire Pauvre monétaire Non Pauvre Très pauvre 0 40,0 118 Koulikoro Kati NIAGADINA Rural Pauvre alimentaire Pauvre monétaire Non Pauvre Très pauvre 7 25,0 119 Ségou Niono NIONO Rural Pauvre alimentaire Pauvre monétaire Non Pauvre Très pauvre 74 22,2 120 Sikasso Sikasso N'TJIKOUNA Rural Pauvre alimentaire Pauvre monétaire Non Pauvre Très pauvre 0 20,0 45 121 Kidal Tessalit TIMTAGHENE Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 10 85,7 122 Tombouctou Goundam ALZOUNOUB Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 0 25,0 123 Tombouctou Goundam GARGANDO Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 100 44,4 124 Tombouctou Goundam TILEMSI Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 0 25,0 125 Kidal Abéibara TINZAWATENE Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 5 71,4 126 Kidal Tin-Essako INTADJEDITE Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 0 33,3 127 Tombouctou Goundam RAZ-EL-MA Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 0 55,6 128 Tombouctou Goundam D'ADARMALANE Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 0 44,4 129 Tombouctou Gourma-Rarhous OUINERDEN Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 0 44,4 130 Tombouctou Gourma-Rarhous HANZAKOMA Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 97 88,9 131 Kidal Abéibara ABEIBARA Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 7 71,4 132 Kidal Kidal ANEFIF Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 21 57,1 133 Tombouctou Gourma-Rarhous HARIBOMO Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 0 88,9 134 Gao Ansongo TALATAYE Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 0 33,3 135 Mopti Mopti SOYE Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 45 60,0 136 Koulikoro Nara DILLY Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 1 44,4 137 Ségou Niono NAMPALARI Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 0 55,6 138 Gao Ménaka INEKAR Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 1 57,1 139 Tombouctou Gourma-Rarhous GOSSI Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 10 88,9 140 Kidal Tessalit ADJELHOC Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 10 42,9 141 Gao Ansongo TIN-HAMA Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 65 44,4 142 Gao Bourem TEMERA Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 74 33,3 143 Gao Gao ANCHAWADI Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 0 22,2 144 Kidal Kidal KIDAL Urbain Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 18 57,1 145 Tombouctou Goundam TIN AICHA Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 6 55,6 146 Mopti Djenné FEMAYE Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 65 44,4 147 Kidal Kidal ESSOUK Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 18 71,4 148 Koulikoro Nara NIAMANA Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 6 55,6 149 Gao Ansongo TESSIT Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 14 44,4 150 Ségou Ségou DIGANIBOUGOU Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 300 20,0 151 Tombouctou Goundam DOUEKIRE Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 1 453 77,8 152 Koulikoro Banamba TOUBACORO Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 0 55,6 46 153 Koulikoro kolokani GUIHOYO Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 10 55,6 154 Kayes Kita SIRAKORO Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 135 0,0 155 Mopti Djenné NEMA-BADENYAKAFO Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 5 33,3 156 Kayes Nioro DIABIGUE Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 7 55,6 157 Mopti Douentza KOUBEWEL KOUNDIA Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 510 55,6 158 Ségou San WAKI Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 4 0,0 159 Koulikoro Koulikoro SIRAKOROLA Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 0 60,0 160 Sikasso Sikasso DIALAKORO Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 2 0,0 161 Mopti Douentza TEDIE Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 5 55,6 162 Tombouctou Nianfunké BANIKANE NARHAWA Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 1 882 88,9 163 Tombouctou Gourma-Rarhous RHAROUS Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 1 480 88,9 164 Mopti Mopti KOROMBANA Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 598 66,7 165 Mopti Mopti FATOMA Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 95 55,6 166 Gao Ménaka MENAKA Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 45 42,9 167 Gao Bourem BAMBA Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 34 55,6 168 Kayes Kita BENKADI FOUNIA Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 71 20,0 169 Tombouctou Diré SAREYAMOU Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 710 66,7 170 Sikasso Yanfolila DJIGUIYA DE KOLONI Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 801 20,0 171 Gao Ménaka ANDERAMBOUKANE Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 0 42,9 172 Kayes Kéniéba KROUKOTO Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 0 0,0 173 Kidal Abéibara BOGHASSA Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre Très pauvre 5 71,4 174 Tombouctou Diré TINDIRMA Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 570 88,9 175 Kayes Dièma GROUMERA Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 25 44,4 176 Kayes Kita BENDOUGOUBA Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 15 20,0 177 Kayes Kéiéba KASSAMA Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 0 20,0 178 Sikasso Koutiala N'GOLONIANASSO Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 20 20,0 179 Koulikoro Dioïla BANCO Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 0 0,0 180 Mopti Douentza DIANWELY Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 0 44,4 181 Kayes Kayes KOUNIAKARY Urbain Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 1 33,3 182 Tombouctou Nianfunké SOUMPI Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 971 77,8 183 Tombouctou Gourma-Rarhous BANIKANE Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 1 865 55,6 184 Sikasso Bougouni SYEN TOULA Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 2 20,0 47 185 Koulikoro Dioïla N'GOLOBOUGOU Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 0 0,0 186 Mopti Tenenkou OURO ARDO Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 2 25,0 187 Kayes Nioro NIORO TOUGOUNE RANGABE Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 5 50,0 188 Mopti Tenenkou TOGORO KOTIA Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 11 22,2 189 Ségou Niono YEREDON SANIONA Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 0 11,1 190 Gao Ansongo BARA Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 115 66,7 191 Gao Gao GABERO Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 82 66,7 192 Tombouctou Diré HAIBONGO Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 1 346 88,9 193 Ségou Ségou CINZANA Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 29 33,3 194 Mopti Djenné PONDORI Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 13 55,6 195 Ségou Baraouéli TESSERLA Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 5 0,0 196 Gao Bourem BOUREM Urbain Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 78 55,6 197 Koulikoro Dioïla DEGNEKORO Rural Pauvre alimentaire Non Pauvre monétaire Pauvre Très pauvre 8 20,0 198 Kayes Kita GADOUGOU 1 Rural Pauvre alimentaire Non Pauvre monétaire Presque Pauvre Très pauvre 77 0,0 199 Kayes Kita KOTOUBA Rural Pauvre alimentaire Non Pauvre monétaire Presque Pauvre Très pauvre 23 20,0 200 Ségou San KAVA Rural Pauvre alimentaire Non Pauvre monétaire Presque Pauvre Très pauvre 0 0,0 201 Mopti Mopti OUROUBE DOUDDE Rural Pauvre alimentaire Non Pauvre monétaire Presque Pauvre Très pauvre 26 44,4 202 Ségou San N'GOA Rural Pauvre alimentaire Non Pauvre monétaire Presque Pauvre Très pauvre 1 333 20,0 203 Kayes Kita KOULOU Rural Pauvre alimentaire Non Pauvre monétaire Presque Pauvre Très pauvre 20 0,0 204 Kayes Nioro YERERE Rural Pauvre alimentaire Non Pauvre monétaire Presque Pauvre Très pauvre 5 33,3 205 Koulikoro Kati DABAN Rural Pauvre alimentaire Non Pauvre monétaire Presque Pauvre Très pauvre 0 50,0 206 Sikasso Koutiala SOROBASSO Rural Pauvre alimentaire Non Pauvre monétaire Presque Pauvre Très pauvre 643 20,0 207 Koulikoro Banamba BANAMBA Rural Pauvre alimentaire Non Pauvre monétaire Presque Pauvre Très pauvre 23 40,0 208 Sikasso Sikasso DEMBELA Rural Pauvre alimentaire Non Pauvre monétaire Presque Pauvre Très pauvre 94 20,0 209 Kayes Dièma FATAO Urbain Pauvre alimentaire Non Pauvre monétaire Presque Pauvre Très pauvre 134 33,3 210 Ségou Ségou BAGUINDADOUGOU Rural Pauvre alimentaire Non Pauvre monétaire Presque Pauvre Très pauvre 1 367 40,0 211 Kayes Kita GADOUGOU 2 Rural Pauvre alimentaire Non Pauvre monétaire Presque Pauvre Très pauvre 20 0,0 212 Koulikoro Nara NARA Rural Pauvre alimentaire Non Pauvre monétaire Presque Pauvre Très pauvre 9 44,4 213 Ségou Bla KEMENI Rural Pauvre alimentaire Non Pauvre monétaire Presque Pauvre Très pauvre 4 0,0 214 Kayes Yélimané DIAFOUNOU DIONGAGA Rural Pauvre alimentaire Non Pauvre monétaire Presque Pauvre Très pauvre 400 22,2 215 Kayes Yélimané FANGA Rural Pauvre alimentaire Non Pauvre monétaire Non Pauvre Très pauvre 7 33,3 216 Kayes Kita KOUROUNINKOTO Urbain Pauvre alimentaire Non Pauvre monétaire Non Pauvre Très pauvre 8 20,0 48 217 Kayes Yélimané GUIDIME Rural Pauvre alimentaire Non Pauvre monétaire Non Pauvre Très pauvre 10 33,3 218 Sikasso Sikasso SANZANA Rural Pauvre alimentaire Non Pauvre monétaire Non Pauvre Très pauvre 3 0,0 219 Kayes Yélimané TOYA Urbain Pauvre alimentaire Non Pauvre monétaire Non Pauvre Très pauvre 59 22,2 220 Ségou Ségou SAMINE Rural Pauvre alimentaire Non Pauvre monétaire Non Pauvre Très pauvre 15 33,3 221 Sikasso Koutiala SONGOUA Rural Pauvre alimentaire Non Pauvre monétaire Non Pauvre Très pauvre 0 20,0 222 Kayes Kayes GOUMERA Urbain Pauvre alimentaire Non Pauvre monétaire Non Pauvre Très pauvre 56 33,3 223 Koulikoro Kati KALABANCORO Rural Pauvre alimentaire Non Pauvre monétaire Non Pauvre Très pauvre 0 75,0 224 Koulikoro Koulikoro KOULIKORO Urbain Pauvre alimentaire Non Pauvre monétaire Non Pauvre Très pauvre 1 40,0 225 Mopti Bandiagara PIGNARI Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 2 55,0 226 Ségou San KANIEGUE Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 10 20,0 227 Mopti Bankass SEGUE Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 3 22,2 228 Mopti Bandiagara KENDIE Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 71 55,6 229 Koulikoro Kati SANANKORO DJITOUMOU Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 3 25,0 230 Mopti Tenenkou KARERI Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 0 33,3 231 Mopti Bankass LESSAGOU HABE Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 0 22,2 232 Mopti Koro BAMBA Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 56 55,6 233 Ségou San TOURAKOLOMBA Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 6 0,0 234 Mopti Douentza HAIRE Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 7 44,4 235 Mopti Bandiagara BARA SARA Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 4 55,0 236 Mopti Bandiagara WADOUBA Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 84 55,6 237 Ségou Tominian FANGASSO Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 25 20,0 238 Koulikoro kolokani MASSANTOLA Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 28 55,6 239 Koulikoro Nara FALLOU Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 10 66,7 240 Tombouctou Nianfunké LERE Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 562 66,7 241 Koulikoro Dioïla MASSIGUI Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 0 0,0 242 Ségou San SOUROUNTOUNA Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 125 20,0 243 Kayes Nioro GAVINANE Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 15 44,4 244 Mopti Tenenkou SOUGOULBE Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 17 44,4 245 Ségou Ségou SAKOIBA Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 10 44,4 246 Mopti Bandiagara SEGUE IRE Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 31 57,5 247 Sikasso Bougouni MERIDIELA Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 36 20,0 248 Mopti Bandiagara KENDE Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 15 55,6 49 249 Mopti Bandiagara DOGANI BERE Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 1 44,4 250 Tombouctou Goundam DOUKOURIA Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 515 55,6 251 Mopti Bandiagara DIAMNATI Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 0 57,5 252 Sikasso Bougouni DOMBA Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 160 20,0 253 Koulikoro kolokani KOLOKANI Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 80 55,6 254 Koulikoro Kati N'GOURABA Rural Non pauvre alimentaire Pauvre monétaire Très Pauvre Pauvre 1 50,0 255 Ségou Niono TORIDAGA KO Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 0 25,0 256 Koulikoro Kati YELEKEBOUGOU Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 0 50,0 257 Ségou Tominian KOULA Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 37 20,0 258 Sikasso Sikasso MISSIRIKORO Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 85 20,0 259 Koulikoro Nara DOGOFRY Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 60 44,4 260 Mopti Bandiagara PIGNARI BANA Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 20 44,4 261 Koulikoro Banamba BEN KADI Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 180 55,6 262 Sikasso Sikasso DANDERESSO Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 0 0,0 263 Ségou Tominian MAFOUNE Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 27 20,0 264 Ségou Niono DIABALY Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 400 33,3 265 Mopti Djenné KEWA Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 237 33,3 266 Ségou Ségou SOIGNEBOUGOU Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 1 44,4 267 Mopti Mopti SOCOURA Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 30 66,7 268 Mopti Koro MADOUGOU Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 0 44,4 269 Ségou Ségou FATINE Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 61 20,0 270 Tombouctou Gourma-Rarhous SERERE Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 728 88,9 271 Kayes Kita KITA OUEST Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 14 20,0 272 Kayes Dièma SANSANKIDE Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 5 20,0 273 Sikasso Kolondi?ba FARAKO Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 5 0,0 274 Mopti Koro DOUGOUTENE II Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 0 20,0 275 Ségou San TENE Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 2 20,0 276 Kayes Bafoulabé NIAMBIA Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 0 0,0 277 Sikasso Sikasso SOKOURANIMISSIRIK. Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 0 20,0 278 Tombouctou Nianfunké SOBOUNDOU Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 1 261 77,8 279 Mopti Bankass KOULOGON HABE Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 3 22,2 280 Ségou San BARAMANDOUGOU Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 28 20,0 50 281 Kayes Nioro KORERA KORE Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 6 66,7 282 Ségou Bla BEGUENE Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 10 0,0 283 Mopti Bankass OUONKORO Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 0 0,0 284 Ségou Tominian DIORA Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 1 0,0 285 Ségou Tominian SANEKUY Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 0 20,0 286 Mopti Tenenkou DIAKA Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 696 32,5 287 Koulikoro Dioïla KERELA Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 0 40,0 288 Kayes Dièma DIANGUIRDE Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 12 44,4 289 Mopti Djenné OURO ALI Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 9 44,4 290 Ségou Ségou N'GARA Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 49 44,4 291 Ségou San SIADOUGOU Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 2 20,0 292 Ségou Niono SOKOLO Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 30 37,5 293 Mopti Koro KOPORO PEN Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 5 33,3 294 Ségou Baraouéli KONOBOUGOU Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 31 50,0 295 Ségou Bla FALO Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 37 0,0 296 Ségou San OUOLON Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 0 40,0 297 Koulikoro Kati DOMBILA Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 0 50,0 298 Koulikoro Dioïla NANGOLA Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 0 40,0 299 Sikasso Yanfolila DJALLON-FOULA Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 0 20,0 300 Mopti Bankass DIALLASSAGOU Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 1 22,2 301 Ségou Baraouéli GOUENDO Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 65 0,0 302 Koulikoro Kati SOBRA Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 0 25,0 303 Sikasso Koutiala KAFO FABOLI Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 11 20,0 304 Sikasso Yorosso MENAMBA 1 Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 188 20,0 305 Mopti Koro BARAPIRELI Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 1 20,0 306 Ségou Baraouéli SANANDO Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 19 0,0 307 Sikasso Bougouni KELEYA Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 35 20,0 308 Sikasso Bougouni YIRIDOUGOU Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 40 20,0 309 Kayes Nioro SANDARE Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 60 33,3 310 Sikasso Bougouni ZANTIEBOUGOU Rural Non pauvre alimentaire Pauvre monétaire Pauvre Pauvre 77 20,0 311 Mopti Bankass SOUBALA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 0 22,2 312 Kayes Bafoulabé DIALLAN Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 80 20,0 51 313 Sikasso Yanfolila GOUANAN Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 70 20,0 314 Ségou Macina SALOBA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 16 33,3 315 Sikasso Yorosso KIFFOSSO 1 Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 3 20,0 316 Sikasso Kolondièba KEBILA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 5 20,0 317 Koulikoro Kati NIOUMAMAKANA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 0 25,0 318 Sikasso Koutiala KOLONIGUE Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 7 20,0 319 Sikasso Bougouni DEFINA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 7 20,0 320 Kayes Bafoulabé SIDIBELA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 65 16,7 321 Koulikoro Kati KALIFABOUGOU Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 2 50,0 322 Sikasso Koutiala KONINA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 1 20,0 323 Koulikoro Banamba KIBAN Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 0 66,7 324 Ségou Macina TONGUE Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 1 44,4 325 Ségou Macina SOULEYE Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 13 44,4 326 Mopti Bankass BANKASS Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 6 0,0 327 Sikasso Koutiala ZANFIGUE Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 0 20,0 328 Koulikoro Koulikoro DOUMBA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 18 40,0 329 Kayes Dièma LAKAMANE Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 11 20,0 330 Koulikoro Kati TIAKADOUGOUDIALAKORO Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 8 25,0 331 Sikasso Bougouni DANOU Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 12 0,0 332 Sikasso Bougouni YININDOUGOU Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 13 20,0 333 Ségou Macina MATOMO Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 2 55,6 334 Sikasso Sikasso DOGONI Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 0 0,0 335 Sikasso Kolondièba BOUGOULA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 4 0,0 336 Sikasso Kolondièba TIONGUI Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 2 20,0 337 Sikasso Yorosso BOURA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 44 20,0 338 Sikasso Koutiala KONSEGUELA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 0 40,0 339 Sikasso Bougouni WOLA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 0 0,0 340 Sikasso Sikasso NIENA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 130 20,0 341 Ségou Bla TOUNA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 4 20,0 342 Ségou Bla DIARAMANA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 52 0,0 343 Sikasso Bougouni SIBIRILA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 220 0,0 344 Tombouctou Diré KONDI Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 128 88,9 52 345 Ségou Macina SANA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 23 44,4 346 Sikasso Koutiala KAPALA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 0 20,0 347 Mopti Mopti OURO MODI Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 607 55,6 348 Sikasso Kadiolo KAI Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 0 0,0 349 Mopti Douentza DEBERE Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 2 44,4 350 Sikasso Yanfolila SERE MOUSSA ANI SAMO Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 50 40,0 351 Sikasso Yorosso KOUMBIA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 155 20,0 352 Koulikoro Kati KOUROUBA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 2 25,0 353 Koulikoro Dioïla JEKAFO Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 42 0,0 354 Sikasso Yanfolila KOUSSAN Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 4 20,0 355 Sikasso Sikasso KAFOUZIELA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 0 20,0 356 Sikasso Bougouni KOUMANTOU Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 190 20,0 357 Mopti Koro BONDO Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 20 33,3 358 Sikasso Bougouni DEBELIN Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 2 20,0 359 Sikasso Koutiala SINKOLO Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 0 20,0 360 Kayes Bafoulabé BAFOULABE Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 115 20,0 361 Kayes Kita BOUGARIBAYA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 5 0,0 362 Ségou Bla YANGASSO Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 610 20,0 363 Koulikoro Kati BAGUINEDA-CAMP Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 733 50,0 364 Sikasso Kolondièba FAKOLA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 20 0,0 365 Sikasso Koutiala NIANTAGA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 0 20,0 366 Sikasso Sikasso MINIKO Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 0 20,0 367 Mopti Koro KORO Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 5 55,6 368 Sikasso Yanfolila GOUANDIAKA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 18 20,0 369 Koulikoro Kangaba NARENA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 50 20,0 370 Sikasso Koutiala KARAGOUANA MALLE Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 0 20,0 371 Sikasso Sikasso FARAKALA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 1 20,0 372 Sikasso Bougouni FARAGOUARAN Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 5 0,0 373 Koulikoro Dioïla BENKADI Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 1 0,0 374 Sikasso Bougouni OUROUN Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 3 20,0 375 Koulikoro Kati MOUNTOUGOULA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 0 50,0 376 Sikasso Kadiolo LOULOUNI Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 188 0,0 53 377 Sikasso Bougouni SANSO Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 2 20,0 378 Kayes Kéniéba DABIA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 0 20,0 379 Kayes Kéniéba GUENEGORE Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 9 20,0 380 Koulikoro Kati OUELESSEBOUGOU Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 14 25,0 381 Ségou Baraouéli N'GASSOLA Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 1 0,0 382 Kayes Kita SEFETO NORD Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 20 20,0 383 Koulikoro Kati SIBY Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 3 25,0 384 Sikasso Koutiala FAGUI Rural Non pauvre alimentaire Pauvre monétaire Presque Pauvre Pauvre 1 20,0 385 Sikasso Koutiala LOGOUANA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 40 20,0 386 Ségou Niono SIRIFILA BOUNDY Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 34 11,1 387 Sikasso Yanfolila SANKARANI Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 18 20,0 388 Koulikoro Dioïla WACORO Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 0 20,0 389 Koulikoro Kangaba BALAN BAKAMA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 1 20,0 390 Mopti Bankass BAYE Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 91 22,2 391 Kayes Yélimané KREMIS Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 10 44,4 392 Sikasso Yorosso KARANGANA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 35 20,0 393 Sikasso Sikasso KABOILA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 0 20,0 394 Sikasso Yanfolila WASSOULOU-BALLE Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 47 20,0 395 Koulikoro Dioïla KALADOUGOU Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 2 20,0 396 Ségou Bla DIENA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 55 40,0 397 Ségou Ségou MARKALA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 58 40,0 398 Sikasso Sikasso BENKADI Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 27 0,0 399 Ségou Ségou BOUSSIN Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 9 40,0 400 Ségou Bla KORODOUGOU Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 13 20,0 401 Ségou Macina MACINA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 66 55,6 402 Sikasso Yanfolila BOLO-FOUTA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 4 20,0 403 Kayes Dièma DIEMA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 27 44,4 404 Ségou Baraouéli BAROUELI Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 7 25,0 405 Sikasso Sikasso WATENI Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 3 0,0 406 Sikasso Sikasso DOUMANABA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 0 0,0 407 Mopti Koro PEL MAOUDE Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 0 44,4 408 Koulikoro Kati SANANKOROBA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 45 25,0 54 409 Mopti Douentza PETAKA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 15 44,4 410 Sikasso Kadiolo MISSENI Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 90 0,0 411 Kayes Nioro KADIABA KADIEL Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 4 44,4 412 Sikasso Koutiala ZEBALA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 0 20,0 413 Sikasso Koutiala GOUADJI KAO Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 4 20,0 414 Sikasso Sikasso TELLA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 2 0,0 415 Ségou San SOMO Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 7 20,0 416 Koulikoro Nara OUAGADOU Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 6 44,4 417 Ségou Bla SAMABOGO Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 2 20,0 418 Sikasso Kadiolo DIOUMATENE Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 99 0,0 419 Sikasso Yorosso KOURY Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 3 0,0 420 Sikasso Kolondièba NANGALASSO Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 12 20,0 421 Sikasso Kolondièba MENA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 25 0,0 422 Sikasso Sikasso MIRIA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 0 20,0 423 Mopti Tenenkou DIAFARABE Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 155 44,4 424 Koulikoro Kangaba KANIOGO Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 300 20,0 425 Sikasso Koutiala ZANGASSO Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 50 20,0 426 Sikasso Yorosso YOROSSO Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 4 20,0 427 Sikasso Bougouni BLADIE-TIEMALA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 30 0,0 428 Sikasso Yanfolila YALLANKORO-SOLOBA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 5 20,0 429 Koulikoro Kangaba NOUGA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 16 20,0 430 Ségou Bla DOUGOUOLO Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 5 0,0 431 Sikasso Kadiolo FOUROU Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 65 0,0 432 Sikasso Kadiolo DIOU Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 19 20,0 433 Kayes Kita SABOULA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 35 20,0 434 Koulikoro Kati MANDE Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 0 50,0 435 Sikasso Sikasso KOUROUMA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 20 0,0 436 Koulikoro Dioïla DIOUMAN Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 12 40,0 437 Kayes Kita SEFETO OUEST Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 15 20,0 438 Koulikoro Kangaba MINIDIAN Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 27 20,0 439 Kayes Kéniéba SITAKILLY Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 0 20,0 440 Sikasso Bougouni BOUGOUNI Urbain Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 2 20,0 55 441 Kayes Dièma LAMBIDOU Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 8 22,2 442 Koulikoro Kangaba SELEFOUGOU Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 4 20,0 443 Kayes Dièma MADIGA SACKO Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 21 33,3 444 Koulikoro Kangaba BENKADI Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 2 20,0 445 Mopti Douentza DOUENTZA Urbain Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 10 0,0 446 Sikasso Sikasso SIKASSO Urbain Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 337 20,0 447 Kayes Kita KITA Urbain Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 140 20,0 448 Sikasso Koutiala KOUNIANA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 11 20,0 449 Sikasso Koutiala KOUTIALA Urbain Non pauvre alimentaire Pauvre monétaire Non Pauvre Pauvre 2 20,0 Non Pauvre aux 450 Gao Ménaka ALATA Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 20 57,1 Non Pauvre aux 451 Tombouctou Tombouctou BER Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 191 55,6 Non Pauvre aux 452 Tombouctou Nianfunké FITTOUGA Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 22 88,9 Non Pauvre aux 453 Tombouctou Goundam ESSAKANE Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 8 44,4 Non Pauvre aux 454 Sikasso Bougouni SIDO Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 110 20,0 Non Pauvre aux 455 Gao Gao TIILEMSI Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 2 55,6 Non Pauvre aux 456 Koulikoro Kati DIEDOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 0 50,0 Non Pauvre aux 457 Mopti Bankass DIMBAL HABBE Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 3 11,1 Non Pauvre aux 458 Koulikoro Banamba BORON Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 0 44,4 Non Pauvre aux 459 Sikasso Bougouni FARADIELE Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 13 20,0 Non Pauvre aux 460 Ségou Baraouéli KALAKE Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 102 0,0 Non Pauvre aux 461 Kayes Kayes DIAMOU Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 180 33,3 Non Pauvre aux 462 Koulikoro Nara GUENEIBE Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 800 66,7 Non Pauvre aux 463 Mopti Djenné TOGUE MOURARI Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 0 33,3 56 Non Pauvre aux 464 Mopti Bandiagara METOUMOU Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 0 60,0 Non Pauvre aux 465 Koulikoro Banamba MADINA SACKO Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 0 44,4 Non Pauvre aux 466 Koulikoro kolokani OUOLODO Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 3 55,6 Non Pauvre aux 467 Kayes Kita KITA NORD Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 57 20,0 Non Pauvre aux 468 Koulikoro Koulikoro KOULA Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 6 40,0 Non Pauvre aux 469 Kidal Tessalit TESSALIT Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 23 71,4 Non Pauvre aux 470 Mopti Bankass TORI Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 2 0,0 Non Pauvre aux 471 Mopti Bandiagara DOUROU Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 260 55,6 Non Pauvre aux 472 Gao Gao N'TILLIT Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 0 33,3 Non Pauvre aux 473 Sikasso Bougouni DOGO Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 10 20,0 Non Pauvre aux 474 Tombouctou Tombouctou LAFIA Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 301 88,9 Non Pauvre aux 475 Tombouctou Goundam BINTAGOUNGOU Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 49 44,4 Non Pauvre aux 476 Mopti Mopti KONNA Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 150 55,6 Non Pauvre aux 477 Koulikoro Koulikoro DINANDOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 0 40,0 Non Pauvre aux 478 Ségou Tominian OUAN Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 10 20,0 Non Pauvre aux 479 Tombouctou Goundam ISSA BERY Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 3 44,4 Non Pauvre aux 480 Kayes Kita MAKANO Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 1 20,0 Non Pauvre aux 481 Koulikoro Koulikoro NYAMINA Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 15 40,0 Non Pauvre aux 482 Kayes Nioro BANIERE KORE Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 5 60,0 Non Pauvre aux 483 Mopti Bandiagara DANDOLI Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 99 66,7 57 Non Pauvre aux 484 Kayes Bafoulabé OUALIA Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 90 0,0 Non Pauvre aux 485 Mopti Mopti KOUBAYE Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 6 55,6 Non Pauvre aux 486 Kayes Nioro SIMBI Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 51 22,2 Non Pauvre aux 487 Tombouctou Goundam TONKA Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 618 25,0 Non Pauvre aux 488 Koulikoro kolokani NONKON Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 0 55,6 Non Pauvre aux 489 Koulikoro kolokani TIORIBOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéristiques rurales 0 50,0 Non Pauvre aux 490 Kayes Kayes KOUSSANE Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 69 33,3 Non Pauvre aux 491 Gao Ménaka TIDERMENE Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 1 42,9 Non Pauvre aux 492 Ségou San DAH Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 47 20,0 Non Pauvre aux 493 Tombouctou Goundam KANEYE Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 398 55,6 Non Pauvre aux 494 Koulikoro Dioïla KEMEKAFO Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 0 20,0 Non Pauvre aux 495 Kayes Kita NAMALA GUIMBA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 36 20,0 Non Pauvre aux 496 Tombouctou Diré GARBAKOIRA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 1 187 44,4 Non Pauvre aux 497 Ségou Tominian YASSO Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 5 20,0 Non Pauvre aux 498 Sikasso Bougouni KOUROULAMINI Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 0 20,0 Non Pauvre aux 499 Mopti Bandiagara SANGHA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 229 60,0 Non Pauvre aux 500 Ségou Bla FANI Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 606 40,0 Non Pauvre aux 501 Koulikoro Koulikoro TOUGOUNI Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 50 40,0 Non Pauvre aux 502 Mopti Bankass SOKOURA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 3 33,3 Non Pauvre aux 503 Ségou Ségou SOUBA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 309 40,0 58 Non Pauvre aux 504 Kayes Bafoulabé GOUNFAN Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 37 0,0 Non Pauvre aux 505 Koulikoro Koulikoro TIENFALA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 0 40,0 Non Pauvre aux 506 Mopti Bandiagara PELOU Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 200 66,7 Non Pauvre aux 507 Sikasso Sikasso PIMPERNA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 17 20,0 Non Pauvre aux 508 Kayes Dièma DIOUMARA KOUSSATA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 6 44,4 Non Pauvre aux 509 Mopti Bankass KANI-BONZONI Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 19 11,1 Non Pauvre aux 510 Kayes Kénièba DIALAFARA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 3 20,0 Non Pauvre aux 511 Mopti Djenné MADIAMA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 61 33,3 Non Pauvre aux 512 Koulikoro Kati BOSSOFALA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 0 25,0 Non Pauvre aux 513 Kayes Kéniéba FARABA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 0 20,0 Non Pauvre aux 514 Kayes Bafoulabé TOMORA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 120 16,7 Non Pauvre aux 515 Sikasso Bougouni TIEMALA BANIMONOTIE Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 1 20,0 Non Pauvre aux 516 Mopti Douentza GANDAMIA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 6 55,6 Non Pauvre aux 517 Ségou Macina KOLONGO Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 250 11,1 Non Pauvre aux 518 Mopti Bandiagara ONDOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 42 47,5 Non Pauvre aux 519 Kayes Nioro GUETEMA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 6 44,4 Non Pauvre aux 520 Koulikoro Kati N'TJIBA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 0 50,0 Non Pauvre aux 521 Kayes Kita BADIA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 98 20,0 Non Pauvre aux 522 Ségou Tominian BENENA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 26 20,0 Non Pauvre aux 523 Ségou Bla KAZANGASSO Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 122 20,0 59 Non Pauvre aux 524 Sikasso Bougouni KOKELE Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 2 20,0 Non Pauvre aux 525 Ségou Ségou KONODIMINI Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 1 010 44,4 Non Pauvre aux 526 Kayes Kayes SADIOLA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 69 33,3 Non Pauvre aux 527 Mopti Mopti DIALLOUBE Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 736 33,3 Non Pauvre aux 528 Ségou Ségou SANSANDING Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 134 40,0 Non Pauvre aux 529 Koulikoro Koulikoro MEGUETAN Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 0 40,0 Non Pauvre aux 530 Ségou Macina FOLOMANA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 3 33,3 Non Pauvre aux 531 Koulikoro Nara ALLAHINA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 3 44,4 Non Pauvre aux 532 Sikasso Sikasso KOLOKOBA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 660 20,0 Non Pauvre aux 533 Kayes Nioro DIAYE COURA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 50 44,4 Non Pauvre aux 534 Koulikoro Kati BOUGOULA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 2 25,0 Non Pauvre aux 535 Kayes Kayes BANGASSI Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 12 33,3 Non Pauvre aux 536 Koulikoro Kati SAFO Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 0 50,0 Non Pauvre aux 537 Sikasso Sikasso NATIEN Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 100 20,0 Non Pauvre aux 538 Sikasso Kolondièba KOLOSSO Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 1 20,0 Non Pauvre aux 539 Kayes Kita TAMBAGA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 158 20,0 Non Pauvre aux 540 Koulikoro Nara DABO Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 8 44,4 Non Pauvre aux 541 Koulikoro Kati KAMBILA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 0 50,0 Non Pauvre aux 542 Koulikoro Dioïla N'GARADOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 0 20,0 Non Pauvre aux 543 Kayes Dièma GOMITRADOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 34 33,3 60 Non Pauvre aux 544 Ségou Bla KOULANDOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 3 0,0 Non Pauvre aux 545 Koulikoro Kati DIALAKOROBA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 30 25,0 Non Pauvre aux 546 Kayes Kita DJOUGOUN Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 100 20,0 Non Pauvre aux 547 Ségou Bla NIALA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 18 0,0 Non Pauvre aux 548 Kayes Kéniéba DOMBIA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 0 20,0 Non Pauvre aux 549 Koulikoro Dioïla DIEDOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 800 20,0 Non Pauvre aux 550 Kayes Kayes SAME DIOMGOMA Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéristiques rurales 90 50,0 Non Pauvre aux 551 Mopti Bandiagara BORKO Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 120 44,4 Non Pauvre aux 552 Kayes Kita KASSARO Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 164 0,0 Non Pauvre aux 553 Mopti Mopti BASSIROU Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 11 66,7 Non Pauvre aux 554 Gao Gao GOUNZOUREYE Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 63 44,4 Non Pauvre aux 555 Koulikoro Kati DOUBABOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 0 50,0 Non Pauvre aux 556 Sikasso Sikasso KAPOLONDOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 1 20,0 Non Pauvre aux 557 Ségou Baraouéli DOUGOUFIE Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 27 25,0 Non Pauvre aux 558 Koulikoro Dioïla BINKO Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 3 40,0 Non Pauvre aux 559 Ségou Bla TIEMENA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 6 20,0 Non Pauvre aux 560 Sikasso Sikasso KABARASSO Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 1 20,0 Non Pauvre aux 561 Kayes Kita DIDENKO Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 125 20,0 Non Pauvre aux 562 Sikasso Sikasso KAPALA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 0 20,0 Non Pauvre aux 563 Koulikoro Banamba DUGUWOLOWULA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 6 55,6 61 Non Pauvre aux 564 Kayes Kita TOUKOTO Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 4 0,0 Non Pauvre aux 565 Kayes Dièma DIEOURA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 8 33,3 Non Pauvre aux 566 Kayes Bafoulabé BAMAFELE Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 669 0,0 Non Pauvre aux 567 Ségou Ségou DIORO Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 1 531 22,2 Non Pauvre aux 568 Ségou Bla SOMASSO Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 8 0,0 Non Pauvre aux 569 Kayes Kayes MARINTOUMANIA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 25 33,3 Non Pauvre aux 570 Kayes Bafoulabé MAHINA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 920 20,0 Non Pauvre aux 571 Kayes Kita SENKO Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 31 0,0 Non Pauvre aux 572 Koulikoro Dioïla NIANTJILA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 0 0,0 Non Pauvre aux 573 Koulikoro Dioïla KILIDOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 2 20,0 Non Pauvre aux 574 Kayes Kita MADINA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 122 0,0 Non Pauvre aux 575 Kayes Nioro DIARRA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 1 20,0 Non Pauvre aux 576 Kayes Dièma DIANGOUNTE CAMARA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 31 33,3 Non Pauvre aux 577 Kayes Bafoulabé DIOKELI Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 8 0,0 Non Pauvre aux 578 Ségou Ségou PELENGANA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 11 22,2 Non Pauvre aux 579 Kayes Kayes SERO DIAMANOU Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 37 33,3 Non Pauvre aux 580 Sikasso Kolondièba N'GOLODIANA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 5 20,0 Non Pauvre aux 581 Sikasso Kolondièba TOUSSEGUELA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 2 20,0 Non Pauvre aux 582 Ségou Baraouéli SOMO Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 58 25,0 Non Pauvre aux 583 Sikasso Sikasso KOFAN Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 2 20,0 62 Non Pauvre aux 584 Tombouctou Tombouctou ALAFIA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 118 77,8 Non Pauvre aux 585 Ségou Ségou SAMA FOULALA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 56 40,0 Non Pauvre aux 586 Kayes Kita BOUDOFO Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 10 20,0 Non Pauvre aux 587 Sikasso Sikasso BLENDIO Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 63 20,0 Non Pauvre aux 588 Sikasso Sikasso ZANGARADOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 40 20,0 Non Pauvre aux 589 Tombouctou Goundam TELE Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 6 55,6 Non Pauvre aux 590 Sikasso Koutiala DIOURADOUGOU KAFO Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 0 20,0 Non Pauvre aux 591 Sikasso Koutiala DIEDOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 0 20,0 Non Pauvre aux 592 Ségou San N'TOROSSO Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 86 20,0 Non Pauvre aux 593 Ségou Ségou MASSALA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 33 44,4 Non Pauvre aux 594 Kayes Kayes SOMANKIDY Urbain Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 295 33,3 Non Pauvre aux 595 Kayes Yélimané DIAFOUNOU GORY Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 15 33,3 Non Pauvre aux 596 Koulikoro kolokani NOSSOMBOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 105 55,6 Non Pauvre aux 597 Kayes Kayes TAFACIRGA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 75 33,3 Non Pauvre aux 598 Sikasso Sikasso FINKOLO GANADOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 1 009 20,0 Non Pauvre aux 599 Sikasso Sikasso FAMA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 1 20,0 Non Pauvre aux 600 Ségou Ségou FARAKOU MASSA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 395 33,3 Non Pauvre aux 601 Koulikoro Kati BANCOUMANA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 0 25,0 Non Pauvre aux 602 Koulikoro Kangaba MARAMANDOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 1 104 20,0 Non Pauvre aux 603 Sikasso Koutiala M'PESSOBA Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 186 20,0 63 Non Pauvre aux 604 Sikasso Koutiala NAMPE Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 3 20,0 Non Pauvre aux 605 Ségou Baraouéli TAMANI Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 200 25,0 Non Pauvre aux 606 Kayes Kita SOURANSAN TOMOTO Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 4 20,0 Non Pauvre aux 607 Koulikoro Kati TIELE Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 10 50,0 Non Pauvre aux 608 Koulikoro Dioïla ZAN COULIBALY Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 5 40,0 Non Pauvre aux 609 Ségou Ségou FARAKO Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 350 20,0 Non Pauvre aux 610 Koulikoro Kangaba KARAN Urbain Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 66 20,0 Non Pauvre aux 611 Kayes Kita DJIDIAN Rural Non pauvre alimentaire Non Pauvre monétaire Presque Pauvre caractéristiques rurales 17 20,0 Non Pauvre aux 612 Koulikoro Kati DIAGO Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 70 50,0 Non Pauvre aux 613 Kayes Kita NIANTANSO Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 72 0,0 Non Pauvre aux 614 Ségou Macina KOKRY CENTRE Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 57 11,1 Non Pauvre aux 615 Kayes Kayes LOGO Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 90 33,3 Non Pauvre aux 616 Ségou Ségou TOGOU Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 85 40,0 Non Pauvre aux 617 Kayes Kita SEBEKORO Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 65 0,0 Non Pauvre aux 618 Sikasso Sikasso KOUORO Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 1 20,0 Non Pauvre aux 619 Sikasso Koutiala FAKOLO Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 25 40,0 Non Pauvre aux 620 Sikasso Sikasso GONGASSO Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 2 20,0 Non Pauvre aux 621 Koulikoro Dioïla TENINDOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 0 40,0 Non Pauvre aux 622 Sikasso Koutiala N'TOSSONI Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 50 20,0 Non Pauvre aux 623 Kayes Kayes SEGALA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 16 33,3 64 Non Pauvre aux 624 Sikasso Sikasso KIGNAN Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 1 0,0 Non Pauvre aux 625 Sikasso Sikasso ZANIENA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 72 20,0 Non Pauvre aux 626 Ségou Bla BLA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 179 0,0 Non Pauvre aux 627 Gao Ansongo ANSONGO Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 164 44,4 Non Pauvre aux 628 Ségou San TENENI Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 4 20,0 Non Pauvre aux 629 Koulikoro Kati DIO-GARE Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 0 50,0 Non Pauvre aux 630 Sikasso Sikasso FINKOLO Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 15 20,0 Non Pauvre aux 631 Kayes Kayes LIBERTE DE MBAYA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 40 33,3 Non Pauvre aux 632 Kayes Kayes DJELEBOU Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 40 33,3 Non Pauvre aux 633 Tombouctou Diré ARHAM Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 436 66,7 Non Pauvre aux 634 Kayes Kita GUEMOUKOURABA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 2 20,0 Non Pauvre aux 635 Sikasso Koutiala N'GOUTJINA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 12 20,0 Non Pauvre aux 636 Kayes Nioro GOGUI Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 6 55,6 Non Pauvre aux 637 Sikasso Koutiala TAO Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 120 20,0 Non Pauvre aux 638 Sikasso Sikasso NONGO-SOUALA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 2 20,0 Non Pauvre aux 639 Kayes Kayes GORY GOPELA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 10 33,3 Non Pauvre aux 640 Sikasso Koutiala ZANINA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 18 20,0 Non Pauvre aux 641 Kayes Kayes KARAKORO Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 6 44,4 Non Pauvre aux 642 Sikasso Sikasso DIOMATENE Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 50 20,0 Non Pauvre aux 643 Kayes Yélimané GORY Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 14 33,3 65 Non Pauvre aux 644 Sikasso Koutiala KONINGUE Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 6 20,0 Non Pauvre aux 645 Mopti Djenné DJENNE Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 86 55,6 Non Pauvre aux 646 Kayes Kayes COLIMBINE Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 340 33,3 Non Pauvre aux 647 Sikasso Kadiolo NIMBOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 110 0,0 Non Pauvre aux 648 Kayes Kayes SAHEL Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 10 44,4 Non Pauvre aux 649 Kayes Kayes KHOULOUM Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 8 33,3 Non Pauvre aux 650 Kayes Bafoulabé DIAKON Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 70 20,0 Non Pauvre aux 651 Kayes Kayes GUIDIMAKAN KERI KAFFO Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 27 50,0 Non Pauvre aux 652 Kayes Kayes HAWA DE MBAYA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 16 20,0 Non Pauvre aux 653 Kayes Kayes FEGUI Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 56 33,3 Non Pauvre aux 654 Sikasso Sikasso ZANFEREBOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 200 0,0 Non Pauvre aux 655 Kayes Kayes MARENA DIOMBOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 20 33,3 Non Pauvre aux 656 Sikasso Koutiala MIENA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 0 20,0 Non Pauvre aux 657 Kayes Kayes FALEME Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 23 33,3 Non Pauvre aux 658 Ségou Ségou SEBOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 100 33,3 Non Pauvre aux 659 Sikasso Koutiala NAFANGA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 0 20,0 Non Pauvre aux 660 Sikasso Kadiolo KADIOLO Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 444 0,0 Non Pauvre aux 661 Kayes Yélimané KIRANE KANIAGA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 13 33,3 Non Pauvre aux 662 Kayes Kayes KEMENE TAMBO Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 26 33,3 Non Pauvre aux 663 Koulikoro Kati N'GABACORO Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 23 50,0 66 Non Pauvre aux 664 Sikasso Yanfolila TAGANDOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 12 20,0 Non Pauvre aux 665 Kayes Yélimané MAREKAFO Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 4 22,2 Non Pauvre aux 666 Kayes Kayes SONY Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 225 20,0 Non Pauvre aux 667 Kayes Nioro TROUNGOUMBE Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 2 40,0 Non Pauvre aux 668 Kayes Yélimané KONSIGA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 3 22,2 Non Pauvre aux 669 Ségou Ségou DOUGABOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 541 20,0 Non Pauvre aux 670 Tombouctou Diré DIRE Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 720 88,9 Non Pauvre aux 671 Tombouctou Goundam GOUNDAM Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 10 44,4 Non Pauvre aux 672 Mopti Tenenkou TENENKOU Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 6 33,3 Non Pauvre aux 673 Sikasso Kadiolo ZEGOUA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 756 0,0 Non Pauvre aux 674 Sikasso Koutiala SINCINA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 1 20,0 Non Pauvre aux 675 Kayes Nioro NIORO Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 37 20,0 Non Pauvre aux 676 Koulikoro Kati DIALAKORODJI Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 0 50,0 Non Pauvre aux 677 Kayes Yélimané TRINGA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 110 22,2 Non Pauvre aux 678 Koulikoro Kati DOGODOUMAN Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 0 50,0 Non Pauvre aux 679 Kayes Nioro YOURI Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéristiques rurales 5 55,6 Non pauvre aux 680 Mopti Mopti KOUNARI Rural Pauvre alimentaire Non Pauvre monétaire Très Pauvre caractéritiques urbaine 7 342 66,7 Non pauvre aux 681 Ségou San DJEGUENA Rural Pauvre alimentaire Non Pauvre monétaire Pauvre caractéritiques urbaine 3 508 20,0 Non pauvre aux 682 Bamako Bamako COMMUNE II Urbain Pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 0 0,0 Non pauvre aux 683 Bamako Bamako COMMUNE V Urbain Pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 0 0,0 67 Non pauvre aux 684 Bamako Bamako COMMUNE VI Urbain Pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 0 0,0 Non pauvre aux 685 Sikasso Yanfolila BAYA Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre caractéritiques urbaine 60 20,0 Non pauvre aux 686 Koulikoro Kati SANGAREBOUGOU Rural Non pauvre alimentaire Pauvre monétaire Non Pauvre caractéritiques urbaine 0 50,0 Non pauvre aux 687 Mopti Mopti SIO Rural Non pauvre alimentaire Non Pauvre monétaire Pauvre caractéritiques urbaine 10 644 40,0 Non pauvre aux 688 Ségou Niono KALA SIGUIDA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 3 648 11,1 Non pauvre aux 689 Sikasso Sikasso KLELA Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 1 910 20,0 Non pauvre aux 690 Mopti Mopti BORONDOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 2 050 55,6 Non pauvre aux 691 Sikasso Sikasso KOUMANKOU Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 3 031 20,0 Non pauvre aux 692 Ségou San SAN Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 2 142 40,0 Non pauvre aux 693 Koulikoro Kati KATI Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 13 50,0 Non pauvre aux 694 Koulikoro Kati MORIBABOUGOU Rural Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 10 50,0 Non pauvre aux 695 Mopti Bandiagara BANDIAGARA Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 11 40,0 Non pauvre aux 696 Tombouctou Tombouctou TOMBOUCTOU Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 136 88,9 Non pauvre aux 697 Ségou Ségou SEGOU Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 62 20,0 Non pauvre aux 698 Mopti Mopti MOPTI Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 3 014 60,0 Non pauvre aux 699 Gao Gao GAO Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 28 28,6 Non pauvre aux 700 Bamako Bamako COMMUNE III Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 0 0,0 Non pauvre aux 701 Bamako Bamako COMMUNE IV Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 36 0,0 Non pauvre aux 702 Bamako Bamako COMMUNE I Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 0 0,0 Non pauvre aux 703 Kayes Kayes KAYES Urbain Non pauvre alimentaire Non Pauvre monétaire Non Pauvre caractéritiques urbaine 41 20,0 68 4.2. Termes de référence RELATIFS AL’ETUDE POUR LA CRÉATION D’UN REPERTOIRE DE DONNEES AU NIVEAU GEOGRPAHIQUE COMMUNAL POUR LE CIBLAGE GEOGRAPHIQUE DU PROGRAME JIGISEMEJIRI (DANS LE CADRE DE LA PREPARATION D’UN PROGRAMME DE TRAVAUX A HAUTE INTENSITE DE MAIN D’OUVRE ET D’ACTIVITÉS GENERATRICES DE REVENU ADAPTATEES AU CHANGEMENT CLIMATIQUE) 1. CONTEXTE GÉNÉRAL DU PROJET Le programme "Jigisemejiri" est conçu pour devenir le pilier pour le système de filets sociaux au Mali. La première intervention consistant des transferts monétaires directs(TMaux familles pauvres et vulnérables, a commencé depuis 2014 dans quelques communes au sud du pays. Le TM, a été étendu de 5,000 à 17 000 ménages en Décembre 2014, et 17 000 autres ménages seront intégrés en fin Mars 2015, et les 27 000 autres (dont 2500 de la région de Gao située dans le nord du pays) devraient recevoir les premiers transferts à partir de Septembre 2015. Le TM vise à aider les populations pauvres et vulnérables à améliorer la qualité et la quantité, ainsi que la variété de la consommation alimentaire. Le TM est accompagné des Mesures d’Accompagnement et d'un programme pilote nutritionnel (NP) qui fournira des suppléments nutritionnels pour tous les enfants de moins de 5 ans dans les zones sélectionnées pour soutenir la lutte contre la malnutrition dans le pays. Comme le programme est élargi, l'unité de coordination Jigiséméjiri met en place les éléments clés du système de filet de sécurité nationale au Mali comme le registre national, un ensemble de coordonnées de mécanisme de paiement, les règles de passation des marchés claires et transparentes et un ensemble robuste de suivi et d'évaluation des activités. Bien que la discussion sur la stratégie de protection sociale au Mali évolue, à nos jours les principaux défis sont les suivants: (a) l'expansion de Jigiséméjiri vers le Nord; (B) l'expansion du «registre unifié» (RU), sa mise en place et les arrangements institutionnels nécessaires afin qu’il soit une porte d'entrée pour les programmes sociaux; (C) la mise à jour les programmes de protection sociale adaptés et plus sensibles aux chocs économiques ou naturels; (D) l'élaboration de stratégies de sortie de pauvreté possible pour les bénéficiaires des programmes de protection sociale et leurs familles ; (E) le développement d'autres outils pour augmenter la résilience des ménages contre les chocs; (F) le développement des régimes de protection sociale combinés à des aspects de productivité pour améliorer les impacts des programmes. Ainsi la Banque mondiale est impliquée dans d'autres activités dans le pays qui visent à améliorer les indicateurs de la pauvreté et de la résilience des ménages, améliorer le ciblage des programmes sociaux pour prendre en compte les risques de catastrophes naturelles et le changement climatique au Mali. Comme d'autres pays du Sahel, le Mali bénéficie de beaucoup d’appui et initiatives de la Banque mondiale et d'autres organismes tels que UNDP, EU, CEDEAO, l'UEMOA, le CILSS et ACMAD ou initiatives / réseaux tels que l'Alliance mondiale pour la résilience au Sahel et en Afrique de l'Ouest (AGIR) et l’Observatoire du Sahara et du Sahel (OSS) sur les systèmes d'alerte précoce (SAP). Toutefois, nous cherchons à élaborer un répertoire des données géographiques existantes au niveau des communes (ou même villages) pour consolider les informations existantes qui portent sur la sécurité alimentaire et la nutrition (ex. sécheresse), mais aussi des informations comme des indicateurs de la pluviométrie, qualité du sol... 69 En outre, pour mieux informer le programme Jigisemejiri un système d’information géographique qui consolide les statistiques locales sur la pauvreté, la vulnérabilité, les changements climatiques, les catastrophes et le capital humain permettra les administrateurs du programme de développer un ciblage géographique plus adapté aux objectives des programmes de protection sociale adapté au changement climatique. OBJECTIF GENERAL : L'objectif général de la mission est de travailler avec des institutions locales et internationales pour générer un référentiel des statistiques géographiques du pays au niveau le plus déconcentré possible. Ce système géographique vise à fournir la représentation spatiale de la pauvreté monétaire et non monétaire, le niveau de développement du capital humain, les indicateurs de malnutrition, de l’accès et de qualité des services de base (l'infrastructure des services d’éducation et santé), des indices de pluviométrie et indicateurs du système d’alerte précoce (SAP) et aussi de la qualité du sol et d’ autres indicateurs de l’ AEDD. 1. OBJECTIFS SPECIFIQUES : a) identifier les bases de données géographiques des indicateurs de pauvreté, et d’autres comme indicateurs de malnutrition, d’infrastructure, climat, vulnérabilité, chocs naturels… b) consolider les indicateurs au niveau déconcentré dans une base de données unique c) préparer un rapport avec la description des indicateurs, la pertinence des indicateurs et la périodicité pour l’actualisation de chaque indicateur d) classifier les localités à la base, si possible les communes suivants les différents indicateurs (simples ou agrégés) collectés, afin d’aider à un meilleur ciblage géographique des zones (communes) pauvres et vulnérables du Mali. 2. RESPONSABILITES DU CONSULTANT – TACHES ET RESULTATS ATTENDUS Les principales phases de la mission du consultant se présentent ainsi qu’il suit : i) analyser les bases de données existantes chez, entre autres, ODHD, UNICEF, PAM, INSTAT, SAP et AEDD ii) analyser la pertinence et la qualité des indicateurs de pauvreté pour nous permettre de définir les zones de grande pauvreté. Le consultant travaillera de façon indépendante mais sous la supervision de la Banque mondiale. 3. METHODOLOGIE Le consultant devra faire une revue documentaire des bases de données géographiques existantes au Mali auprès des institutions locales et internationales, et procéder à leur analyse et évaluation. En conclusion, aucune enquête de terrain n’est envisagée, toutes les données seront collectées à partir de l’analyse des données statistiques et démographiques de base disponibles, les rapports des services techniques des ministères concernés et d’autres données disponibles. 70 4. CONTENU DU RAPPORT Le consultant produira un rapport comprenant : (i) la pertinence et la qualité des indicateurs de pauvreté pour nous permettre de définir les zones de grande pauvreté, y inclut la description des indicateurs, la pertinence des indicateurs et leur périodicité pour l’actualisation ; (ii) la base de données consolidées ; une classification des 703 communes du Mali suivant les indicateurs combinés de pauvreté. 5. CALENDRIER a) Le consultant doit fournir à la Banque mondiale le rapport provisoire pour commentaires 30jours après la signature du contrat b) Le consultant doit faire une présentation de synthèse pour la Banque mondiale 5 jours après la soumission du premier rapport ; c) L’équipe de la Banque mondiale doit transmettre au consultant les commentaires sur le rapport provisoire dans les 5 jours suivant la réception du rapport ; d) Le consultant doit présenter les résultats du rapport final à la Banque mondiale dans les 15 jours suivant à la réception des commentaires. 6. DURÉE DU CONTRAT Le Consultant consacrera 45 jours (30 jours rapport provisoire et 15 jours rapport final) à ce travail. 7. PROFIL DU CONSULTANT Le consultant devra justifier du profil suivant: a) Expérience Professionnelle/technique : Cinq (5) années d’expérience dans le domaine des études statistiques et analyses économiques. b) Expérience specifique dans l’analyse de pauvreté utilisant les données au Mal 71