Prix de revient du lait de vache - RICA

D'après l'analyse réalisée à partir du RICA, le prix de revient du lait de vache, qui baissait depuis 2013, est reparti à la hausse, en montagne (hors montagnes de l’Est et AOP déconnectées de la volatilité des prix) à partir de 2017, et en plaine (systèmes conventionnels) à partir de 2018. Pour les exploitations en agriculture biologique, la hausse était sensible dès 2016.

Pour tous les types d'atelier, la variabilité du prix de revient du lait entre exploitations est grande. Celle-ci est décrite et résumée avec différents indicateurs de position et de tendance centrale (modes de calcul de la moyenne).

Cliquer sur le graphique pour l'agrandir

Cliquer sur le graphique pour l'agrandir

L’écart des prix de revient du lait entre la plaine et la montagne qui s’était resserré lors de la crise laitière de 2015/16 (comme en 2009) a beaucoup augmenté en 2017, avant de se maintenir en 2018 à des niveaux inédits depuis 13 ans (de 50 à 70€/1000l selon l’indicateur utilisé). 

En 2017, les coûts de production avaient augmenté en montagne (aliments achetés, charges de structure avec la reprise des investissements, coût en travail du fait d’une faible croissance des exploitations sans gain de productivité du travail) et avaient baissé en plaine en raison d’une dilution de certains postes liée à une croissance laitière plus importante.

En 2018, la croissance laitière est redevenue plus nette en montagne mais, comme en plaine, les charges continuent à augmenter. Le coproduit viande et les aides (dans une moindre mesure) ont baissé ce qui contribue à la moitié de la hausse du prix de revient. La hausse des charges concerne particulièrement l’alimentation achetée (hausse des prix unitaires et des quantités). Tant en plaine qu’en montagne, les valeurs s’approchent désormais des sommets atteints en 2012/13 (près de 100€ d’aliments achetés/1000l) contre à peine plus de 80€ en 2016.

Les paramètres (niveau et composition des charges) sont moins stables (même à échantillon contant) pour les exploitations en agriculture biologique dont les résultats doivent être interprétés avec prudence. L’échantillon est de taille limitée (environ 55 fermes selon les années). Certaines sont de conversion encore récente (les exploitations en conversion sont néanmoins exclues du traitement) et leurs systèmes en cours de stabilisation. En 2018, la production laitière en volume par exploitation a légèrement baissé sur l’échantillon contant (AB).

Voir tableaux ci-dessous (caractéristiques des exploitations et décomposition des résultats).

Eléments de méthode

Les facteurs de variation du prix de revient du lait de vache à l’échelle des exploitations sont nombreux (taille de l’atelier, système de production, région, position de l’exploitation dans son cycle de vie, degré de maitrise des intrants et charges de structures, exercice voire date de clôture,…). Toutes les analyses réalisées sur le sujet, quelque soit le pays et la période, concluent à une forte variabilité à l’échelle individuelle (par exemple, l’écart entre les quartiles inférieur et supérieur est généralement supérieur ou égal à 100€/1000l).

Ces facteurs de variation s’entendent à méthode fixée, car la normalisation dans ce domaine est très faible et il est même le plus souvent difficile de comparer des résultats issus de différentes méthodes de calcul de coût de production et de prix de revient. Les termes utilisés, le périmètre des charges, les coproduits ou aides prises en compte, les règles d’extraction des charges affectées à l’atelier laitier sont souvent différents.

Une fois une méthode retenue (COUPROD pour les différents types de résultats produits par l’Institut de l’Elevage, y compris pour cette analyse du RICA), l’établissement de repères, moyennes, valeurs synthétisant ces coûts de production et prix de revient est dépendant :

• de l’échantillon d’exploitations

• du filtrage statistique appliqué pour écarter ou pas les résultats d’une (petite) partie des exploitations

• du mode de calcul de la moyenne

Echantillonage

En termes d’échantillonnage, le RICA applique une méthode d’échantillonnage stratifié par région, combinaison de production et classe de dimension économique. Cette méthode permet de balayer de façon très complète la diversité des exploitations laitières françaises (y compris les plus petites auxquelles des comptabilités de gestion sont payées afin de disposer des mêmes informations). D’autres échantillons (fermes des réseaux de référence ou autres) répondent à d’autres objectifs qui peuvent conduire à des résultats différents en termes de prix de revient. Si la méthode d’échantillonnage du RICA semble optimale pour sélectionner des exploitations représentatives de la diversité française, le mode d’extrapolation retenu par défaut dans le RICA ne semble pas capable ces dernières années de suivre la restructuration très rapide des exploitations laitières françaises. Les coefficients d’extrapolation standards du RICA ont été ajustés depuis 2015 pour que les proportions de petites/moyennes/grandes exploitations laitières (10-50 vaches ; 50-80 ; plus de 80), en agriculture biologique/conventionnelle, plaine/montagnes de l’Est/autres montagnes, soient identiques à ce qui est constatée dans la BDNI (Base de Données Nationale d'Identification des bovins).

Contrairement à nos analyses précédentes du RICA, les exploitations des piémonts administratifs ICHN ont été rebasculées avec les exploitations des zones défavorisées simples et non plus associées aux exploitations de montagne compte tenu de la réforme actée pour le nouveau zonage ICHN en vigueur à partir de 2019.

Filtrage statistique

La valeur du prix de revient calculé à partir du RICA pour 2016 avait été obtenue en cumulant toutes les charges attribuées aux ateliers lait de toutes les exploitations (respectivement conventionnelles de plaine, de montagne, bio)  et en les divisant par le volume total de lait produit par chaque groupe. Néanmoins la variabilité sous jacente, entre exploitations est très forte et tout n’est pas bon à prendre (accidents climatiques, sanitaires, années de transition, structures de charges très atypique et difficilement vérifiable en l’absence d’analyse individuelle,..) pour tous les objectifs. Le risque est de donner une influence trop élevée à un très faible nombre d’exploitations.

Les statistiques descriptives de la variabilité d’une population sont produites le plus souvent sur un échantillon duquel on retire les valeurs anormalement éloignées des autres. Une des règles usuelles est de ne conserver que les exploitations situées entre Q1-1.5xIQ et Q3+1.5xIQ (avec Q1 :1^er quartile ; Q3 :3^ème quartile ; IQ interquartile=Q3-Q1). Pour stabiliser ces fourchettes de filtrage des données et donc les séries de moyennes obtenues, ces bornes ont été lissées sur 5 ans avec une procédure adaptée à la dissymétrie des distributions (transformation logarithmique). A titre d’exemple, les bornes de prix de revient permettant de sélectionner les exploitations conventionnelles de plaine pour le calcul des moyennes sont de 222 à 713€/1000l en 2018.

Description de la distribution et mode de calcul de la moyenne

Les façons de décrire une variable et de résumer la variabilité entre exploitations sont variées :

• Déciles (1 er décile (ou décile inférieur): 10% des exploitations sont situées en dessous de cette valeur et 9^ème décile :(ou décile supérieur) 10% des exploitations au-dessus) et quartiles (Q1  ou  quartile inférieur: 25% des exploitations sont situées en dessous et Q3 (ou quartile supérieur) : 25% sont au-dessus), médiane (50% des exploitations en dessous, 50% au dessus),

• Moyenne arithmétique (moyenne des prix de revient par exploitation),

• Moyenne pondérée par les volumes de chaque exploitation (prix de revient du litre moyen produit par l’ensemble des exploitations de chacun des trois groupes : exploitations laitières conventionnelles de plaine/de montagne (hors montagnes de l'Est)/en agriculture biologique).

• Moyenne géométrique tenant compte de la dissymétrie de la distribution. Cette moyenne, qui utilise une transformation logarithmique des données  est moins sensible que la moyenne arithmétique aux valeurs les plus élevées d'une série de données (même filtrée). Elle donne, par conséquent, une autre et meilleure estimation de la tendance centrale des données dans le cas d’une distribution à longue traîne vers les valeurs plus élevées. On peut montrer que la moyenne géométrique est toujours inférieure à la moyenne arithmétique. Et dans l’exemple des prix de revient du lait, elle est supérieure à la moyenne pondérée et se situe donc entre les deux autres moyennes. Néanmoins, la transformation logarithmique ne permet pas de décomposer de façon additive cette moyenne de coût de production en postes de charges (aliments achetés, mécanisation, …)

Tableaux (caractéristiques des exploitations et décomposition des résultats)

Caractéristiques moyennes des exploitations analysées en 2018

 source: Agreste RICA - traitement Institut de l'Elevage

Moyennes géométriques (sans décomposition additive possible) des prix de revient et Coût de production en 2018 

 source: Agreste RICA - traitement Institut de l'Elevage

Prix de revient du litre moyen (moyenne pondérée par les volumes) et moyenne (arithmétique) des prix de revient par exploitation

Exploitations laitières conventionnelles de plaine

source: Agreste RICA - traitement Institut de l'Elevage

Exploitations laitières de montagne (hors AOP de l’Est, approche indirecte)

source: Agreste RICA - traitement Institut de l'Elevage

Prix de revient du litre moyen (moyenne pondérée par les volumes) en 2018 comparaison des trois groupes d’exploitation

source: Agreste RICA - traitement Institut de l'Elevage