Cartographie Pauvrete Togo 2017

1
TOGO
CARTOGRAPHIE
DE LA
PAUVRETE
2017
2
TOGO
CARTOGRAPHIE DE LA PAUVRETE
20171
COORDONNATEUR NATIONAL
Koame KOUASSI, Directeur Général de l’Institut National de la Statistique et des Etudes
Economiques et Démographiques (INSEED-Togo)
ÉQUIPE TECHNIQUE
BADOHOUN K. Yawovi, FANKEBA Souradji, GUEMA Dyen, TELOU Tchilabalo,
AGBETI Komi
ÉQUIPE DE CARTOGRAPHIE
ANZOUMANA SANDA Saïbou, TCHAKOROM Ouro-yodou
ÉQUIPE DES CONSULTANTS
AGOSSOU Kokou, BADJADOUNA François, OGOUMEDI Obidon, KAZOULE Mèhèza,
BALAKIME Essohouna
ÉQUIPE DE RELECTURE DU RAPPORT FINAL
AGOSSOU Kokou, ANZOUMANA SANDA Saïbou, BADJADOUNA François,
BADOHOUN K. Yawovi, BOUGONOU Jeanne, FANKEBA Souradji, GUEMA Dyen,
TCHAKOROM Ouro-Yodou, TELOU Tchilabalo, AGBETI Komi, OGOUMEDI Obidon
Publié avec l’appui du
Programme des Nations Unies pour le développement (PNUD)
Appui technique
Jeanne BOUGONOU, PNUD
Félicien ACCROMBESSY, Banque Mondiale
Edition
1
L’étude a été rendu possible grâce au support financier du Programme des Nations Unis pour le Développement
(PNUD) et à l’utilisation des données de l’enquête QUIBB 2015 financée par la Banque Mondiale et de la collecte
pour la réalisation de cette cartographie financée par le PNUD. Elle a été réalisée en étroite collaboration avec
l’INSEED. Il est donc clair que seul l’INSEED est responsable des résultats de l’étude et de leurs interprétations.
3
Table des matières
Résumé 5
Introduction 6
Chapitre 1 : Cartographie de la pauvreté monétaire : contexte, méthodologie et résultats 10
1.1 Contexte 10
1.2 Méthodologie 10
1.3 Bases de données 13
1.4 Résultats de la cartographie de la pauvreté monétaire 15
1.4.1 Structure spatiale de la pauvreté 16
Chapitre 2 : Cartographie des indicateurs ODD 22
2.1 Résultats des indicateurs ODD au niveau national 23
2.2 Résultats des indicateurs ODD au niveau préfecture 24
Conclusion 36
Bibliographie 38
Liste des Cartes
Carte 1: Analyse comparative d'incidence de la pauvreté entre 2011 et 2017 18

Carte 2:Profondeur de la pauvreté 19
Carte 3: indice de Gini 21
Carte 4 : Taux de dépendance démographique 25
Carte 5: Taux net de fréquentation scolaire au primaire 26
Carte 6: Taux net de fréquentation scolaire au secondaire 27
Carte 7: Taux d'alphabétisation des 15-24 ans 28
Carte 8: Ratio fille/garçon à l'école secondaire 29
Carte 9: Pourcentage de la population ayant accès à un téléphone mobile 30
Carte 10 : Pourcentage de la population ayant accès à des sanitaires améliorés 31
Carte 11 : Pourcentage de la population ayant une source d'eau améliorée 32
Carte 12 : Pourcentage de la population ayant accès à l'électricité 33
Carte 13 : Pourcentage de la population n'utilisant pas le bois pour la cuisson 34
4
Liste des tableaux et graphiques
Graphique 1: Corrélation entre le taux de dépendance démographique et l'incidence de la pauvreté 25

Graphique 2 : Corrélation entre la fréquentation scolaire au primaire et l'incidence de pauvreté 26
Graphique 3 : Corrélation entre le taux net de fréquentation au secondaire et l'incidence de pauvreté 27
Graphique 4: Corrélation entre le taux d'alphabétisation des 15-24 ans et l'incidence de pauvreté 28
Graphique 5 : Corrélation entre le ration fille / garçon à l'école secondaire et l'incidence de pauvreté 29
Graphique 6 : Corrélation entre la possession d'un téléphone mobile et l'incidence de pauvreté 30
Graphique 7 : Corrélation entre l'accès à des sanitaires améliorés et l'incidence de pauvreté 31
Graphique 8 : Corrélation entre l'accès à une source d'eau améliorée et l'incidence de pauvreté 32
Graphique 9 : Corrélation entre l'accès à l'électricité et l'incidence de pauvreté 33
Graphique 10 : Corrélation entre la non utilisation du bois et l'incidence de pauvreté 34
Tableau 1; liste des indicateurs ODD calculés à partir des données d’enquête de la cartographie
de la pauvreté 23
Tableau 2 : Tableau des corrélations 35
Tableau 3: Tableau comparatif de la pauvreté monétaire en 2011 et 2017 54
5
Résumé
Pour mettre en œuvre des politiques ciblées de lutte contre la pauvreté, les décideurs politiques
et les partenaires au développement ont besoin d’informations statistiques désagrégées sur les
conditions de vie des ménages jusqu’au niveau le plus fin possible. Cette étude s’inscrit dans la
perspective de rendre disponible des informations récentes sur la pauvreté.
La méthodologie de la cartographie de la pauvreté permet de disposer et d’avoir une meilleure

lisibilité des données sur la pauvreté à travers des cartes. Elle est élaborée en combinant des
données d’enquêtes auprès des ménages qui ont l’avantage de fournir des informations sur la
consommation des ménages et celles de recensement qui permettent de fournir des données
exhaustives et désagrégées au niveau le plus fin en termes de couverture géographique.
Dans ce rapport, les indicateurs de pauvreté à savoir l’incidence, la profondeur et la sévérité

d’une part et d’autre part l’indice de Gini et certains indicateurs des Objectifs de
Développement Durable (ODD) ont été produits et analysés.
Les résultats indiquent au niveau national une diminution de 5,2 point de la proportion des
pauvres, passant de 58,7% à 53,5% sur la période 2011- 2017. Au niveau régional, on relève
des baisses considérables des estimations de l’incidence de la pauvreté comparées à celles de
2011 dans presque toutes les régions. Dans la région des Savanes où le taux de pauvreté reste
élevé depuis des années, l’incidence de la pauvreté est passée de 87,3% en 2011 à 65,0% en
2017. Ce taux est passé de 68,9% à 58,2% dans la région de la Kara, de 76,0% à 59,9% dans la
région Centrale et de 65,9% à 56,6% dans la région des Plateaux sur la période 2011-2017. A
l’inverse, c’est dans la région Maritime et à Lomé commune que le taux de pauvreté a connu
une légère augmentation passant respectivement de 45,3% à 52,6% et de 27,0% à 30,3% entre
2011-2017.
Au niveau national, les inégalités de répartition des revenus sont élevées (indice de Gini 0,427).
Les indices traduisant les inégalités au niveau régional classent les régions en deux groupes.
Lomé Commune, la région de la Kara et la région Maritime, avec un indice de Gini situé autour
de 0,425, constituent les régions dans lesquelles les inégalités sont plus élevées. A l’opposé, les
régions des Plateaux, des Savanes et de la Centrale présentent de faibles inégalités avec un
indice de Gini autour de 0,39. Par ailleurs, il est à noter que des efforts considérables sont à
consentir pour améliorer les conditions de vie des populations des préfectures de Kpendjal, Oti-
Sud, Akébou et Bas-Mono.
6
Introduction
L’Analyse de la pauvreté et celle du bien-être des ménages, en général, sont toujours prises en
compte dans les discussions de politiques économiques et stratégies de développement. Au
cours des dernières décennies, les profils de pauvreté ont été utilisés comme des outils
importants dans l’estimation et la caractérisation de l’évolution de la pauvreté au sein des pays
en développement. Ces profils de pauvreté visent, en somme, trois objectifs : (i) renseigner sur
les caractéristiques des ménages selon leur niveau de vie monétaire ou non monétaire, (ii)
participer à la détermination de l’effet des politiques sur la réduction de la pauvreté, et (iii)
fournir une comparaison des niveaux de pauvreté entre les régions, les catégories des ménages
et leur évolution dans le temps. Ces études sur les ménages, bien qu’ayant permis d’améliorer
la connaissance du niveau de bien-être des populations et surtout des pauvres, se caractérisent
par un certain nombre d’insuffisances. En effet, l’utilisation de données agrégées telles que
celles du profil de pauvreté, voile souvent de fortes disparités géographiques et l’existence de
poches de pauvreté au sein des régions.
Il est globalement admis que les programmes d’interventions qui s’avèrent efficaces dans la
lutte contre la pauvreté sont celles qui prennent en compte les réalités spécifiques au niveau
local. En effet, les informations géographiques désagrégées sur les conditions de vie offrent une
meilleure lisibilité des besoins et permettent ainsi d’implémenter des politiques ciblées.
Au Togo, des enquêtes sur le Questionnaire Unifié des Indicateurs de Base du Bien-être QUIBB
(2006, 2011 et 2015) ont été réalisées dans le but de produire les profils de pauvreté. Toutefois,
ces enquêtes, de par leur conception, sont limitées en termes de significativité des résultats,
dans la mesure où les plus petits niveaux de désagrégations géographiques sont les domaines
d’études. Des résultats significatifs sur la pauvreté ne peuvent donc être obtenus au niveau des
régions, préfectures. Cette configuration ne favorise pas une lecture aisée des défis, limitant
ainsi l’action des décideurs et celle des partenaires au développement qui souhaitent
implémenter des programmes d’éradication de la pauvreté au niveau des localités telles que les
préfectures.
Contrairement aux enquêtes, le recensement général de la population et de l’habitat, de par son

caractère exhaustif, permet d’avoir une photographie des caractéristiques et des conditions de
vie de la population en matière d’accès à l’eau, l’électricité, l’assainissement et bien d’autres,
7
sur les entités administratives les plus fines. Cependant, les recensements ne collectent pas les
données sur les dépenses des ménages essentielles à l’estimation de la pauvreté monétaire.
Dans ce sens, ni les enquêtes, ni le recensement de la population, à eux seuls, ne peuvent fournir
des informations désagrégées sur la pauvreté. Pour pallier ces insuffisances, la cartographie de
la pauvreté, se basant sur la méthodologie développée par C. Elbers, O. Lanjouw et P. Lanjouw
(2002, 2003), permet de calculer les indicateurs de pauvreté monétaire à un niveau désagrégé.
Cette méthodologie, largement utilisée dans les pays en voie de développement pour la
cartographie de la pauvreté, couple les données de l’enquête et celles du recensement de la
population. Par ailleurs, elle peut être considérée comme une extension naturelle du profil de
pauvreté, dans la mesure où elle permet de le rendre opérationnel à travers l’orientation dans
les stratégies de ciblages.
Le présent rapport documente l’élaboration de la deuxième cartographie de la pauvreté du Togo,

après celle de 2011.
Avec un PIB par habitant (en parité de pouvoir d’achat) estimé en 2015 à 1 436,92 $, le Togo,
véritable corridor d’accès au marché ouest africain, présente de réels atouts économiques liés à
sa situation géographique. Sa population est estimée à 7,4 millions d’habitants en Janvier 20183.
Par ailleurs, selon le rapport mondial sur le développement humain 2015, le Togo a un indice
de développement humain de 0,487 en 2015 qui le classe en première position dans la zone
UEMOA. La pauvreté monétaire a connu une baisse continuelle au cours de ces onze dernières
années. En effet, selon la cartographie de la pauvreté de 2017, l’incidence de pauvreté est
passée de 61,7% en 2006 à 53,5% en 20174, soit une baisse annuelle moyenne de 0,75 point.
Au vu des différents défis socio-économiques que le Togo doit surmonter, il s’avère primordial
que l’élaboration des politiques de lutte contre la pauvreté soit guidée par des informations
pertinentes, désagrégées et de bonne qualité. Ainsi, en construisant une base de données
permettant un meilleur ciblage géographique, les résultats de ce rapport devraient non
seulement contribuer à l’amélioration des politiques de développement, mais aussi assister les
différents partenaires économiques à mieux cibler leurs zones d’interventions.
2
Source : Banque Mondiale, data.worldbank.org
3
Source : Projections démographiques, INSEED
4
L’incidence de pauvreté au Togo était estimée à 58,7% en 2011 et à 55,1% en 2015.
8
L’incidence de pauvreté monétaire a été calculée pour l’ensemble du pays, les cinq régions
administratives, chacune des 39 préfectures5 et des 5 arrondissements de la Commune de Lomé.
En plus des indicateurs de pauvreté, ce rapport présente aussi une série d’indicateurs des
Objectifs du Développement Durable (ODD) pour le même découpage administratif, ainsi
qu’une analyse des corrélations entre ces différents indicateurs.
Le présent document, aussi bien descriptif qu’analytique, est structuré en deux chapitres : le
premier chapitre se focalise sur les cartographies de la pauvreté monétaire en présentant la
méthodologie et les données utilisées ainsi que les principaux résultats. Le deuxième chapitre
présente la construction et l’analyse d’une série d’indicateurs ODD.
5
La construction de la mesure du bien-être des ménages suit la méthodologie développée par Angus Deaton et
Salman Zaidi, (2002), Guidelines for Constructing Consumption Aggregates for Welfare analysis, Living
Standards Measurement Study Working Paper : 135, v. 104, pp. xi, Washington, D.C. :The World Bank.
9
10
Chapitre 1 : Cartographie de la pauvreté monétaire : contexte,

méthodologie et résultats
1.1 Contexte
En vue de répondre à ses besoins en données statistiques actualisées pour le pilotage de son
développement socio-économique, le Togo a réalisé, au cours de l’année 2015, une enquête
QUIBB. Cette enquête a permis de produire des indicateurs de bien-être de la population pour
apprécier l’évolution et aussi faire le suivi des politiques, programmes et projets de
développement sur les niveaux de vie des populations. L’enquête QUIBB a porté sur un
échantillon de 2 400 ménages répartis dans 150 zones de dénombrement à raison de 16 ménages
par ZD. Trois domaines ont été retenus à savoir Grand Lomé, Reste du milieu urbain et Milieu
rural. Ce choix a limité la portée des résultats en matière de ciblage des politiques aux niveaux
administratifs les plus fins.
Pour combler ce gap d’informations désagrégées, au niveau régional et préfectoral, une collecte
de données a été réalisée, dans le processus d’élaboration d’une nouvelle cartographie de la
pauvreté. Ceci dans le but de pallier l’obsolescence des données du Recensement Général de la
Population et de l’Habitat de 2010 (RGPH4). En 2011, les informations du RGPH4, couplées
avec les données de l’enquête QUIBB 2011, avaient servi à l’élaboration de la première
cartographie de la pauvreté au Togo.
1.2 Méthodologie
Cette section présente brièvement la méthodologie utilisée pour la construction des cartes de
pauvreté monétaire.
La méthodologie pour l’élaboration de la carte de pauvreté monétaire, développée par C. Elbers,

O. Lanjouw et P. Lanjouw (2002, 2003) se classe dans la gamme des modèles dites SAE (Small
Area Estimation). Tout d’abord, un modèle de régression du logarithme des dépenses de
consommation par tête des ménages est estimé à partir des données d’une enquête auprès des
ménages, en utilisant un ensemble des variables explicatives communes et comparables entre
l’enquête et le recensement disponible. Ensuite, les coefficients de ce modèle sont appliqués
aux données du recensement afin de prédire les dépenses de tous les ménages se retrouvant dans
la base de données du recensement. Finalement, le niveau de dépenses prédit des ménages est
utilisé pour construire une série d’indicateurs de bien-être (incidence, profondeur, sévérité de
la pauvreté et inégalité) pour les différents sous-groupes géographiques constitués. Bien que la
11
formulation de la méthode soit simple, sa réalisation requiert une procédure complexe qui prend
en compte aussi bien l’autocorrélation spatiale que l’hétéroscédasticité dans le modèle de
régression.
La section ci-dessous, s’inspirant majoritairement des publications de C. Elbers, O. Lanjouw et

P. Lanjouw ainsi que de Mistiaen et al. (2002), présente en trois étapes, la méthodologie de la
cartographie de la pauvreté.
Première étape. Pour commencer, on a besoin de déterminer un ensemble de variables

explicatives présentent dans les deux bases de données qui remplissent certains critères de
comparabilité. En effet, pour être en mesure de reproduire une carte de pauvreté compatible
avec le profil de pauvreté, il apparaît important de se restreindre aux variables qui sont
pleinement comparables dans le recensement et l’enquête. On commence donc par vérifier que
le libellé des questions et celui des réponses sont bien identiques dans les deux questionnaires.
A partir des questions sélectionnées on construit ensuite une série de variables dont on teste la
comparabilité. Bien qu’il soit préférable de tester la comparabilité des distributions de chacune
des variables, en pratique on retient seulement la moyenne. Afin de maximiser le pouvoir
prédictif des modèles de la seconde étape, toutes les analyses sont effectuées au niveau de
chacune des strates, de même que les tests de comparabilité des différentes variables à partir
desquelles les modèles définitifs seront déterminés.
Deuxième étape. On estime tout d’abord le modèle de la dépense par tête du ménage en
utilisant les données de l’enquête. Afin de maximiser sa précision, l’estimation du modèle est
réalisée au plus bas niveau géographique pour lequel l’enquête reste représentative. Ce niveau
est habituellement les strates d’échantillonnage. Spécifions le modèle de la dépense ( y ch ) du
ménage h localisé en c, xch est le vecteur des variables explicatives, et uch est le terme d’erreur
:
ln ych  [ln ych | x ch ]  uch (1)
Les localités représentent des groupes de ménages définis par le plan de sondage. Elles peuvent
aussi représenter des zones d’énumération du recensement, bien que ce ne soit pas
nécessairement le cas. Les variables explicatives doivent être présentes à la fois dans le
recensement et dans l’enquête, et doivent avoir une définition commune. En toute logique, les
moments de la distribution des variables explicatives devraient aussi être les mêmes dans les
données d’enquête et dans les données du recensement afin de mesurer convenablement les
12
indicateurs de bien-être. L’ensemble des variables a été défini dans la première étape. Si on
linéarise la précédente équation, on peut modéliser le logarithme de la dépense par tête de la
manière suivante :
ln ych  x'ch β  uch . (2)
Le vecteur des perturbations u est distribué selon la loi de Fisher F (0, ) . Le modèle (2) est
estimé par la méthode des Moindres Carrés Généralisés (MCG). Pour estimer le modèle on a
d’abord besoin d’estimer la matrice de variance-covariance  afin de prendre en compte la
possible auto corrélation spatiale (les dépenses des ménages à l’intérieur d’un même groupe
sont corrélées entre elles) et l’hétéroscédasticité. Pour se faire, on spécifie le terme d’erreur
comme suit :
uch  c   ch (3)
où  c est l’effet de localisation et  ch est la composante individuelle du terme d’erreur.
En pratique, on estime d’abord l’équation (2) par un simple MCO, puis on utilise les résidus
comme des estimés pour les perturbations, notées ûch . On décompose alors le résidu en une
composante localisation et une autre composante ménage non corrélée :
uˆch  ̂c  ech (4)
Le terme de localisation ( ̂ c ) est estimé par la moyenne des résidus de chaque groupe et la
composante ménage ( e ch ) est simplement déduite. L’hétéroscédasticité dans la dernière

2
composante de l’erreur est modélisée par la régression de son carré ( e ch ) sur une longue liste
de variables indépendantes du modèle (2), leur carré et leurs interactions entre elles ainsi
qu’avec la variable de bien-être. Un modèle logistique est utilisé pour cela.
Ces calculs de l’erreur sont utilisés pour produire deux matrices qui sont additionnées pour
donner ̂ , la matrice de variance-covariance estimée du modèle (2). Cette dernière matrice

permet finalement d’estimer les coefficients du modèle (2).
13
Troisième étape. Pour compléter la carte on associe les paramètres estimés dans la deuxième
étape aux caractéristiques de chaque ménage du recensement pour prédire le log de la dépense
par tête et les perturbations simulées. Puisque la structure très complexe des perturbations a
rendu le calcul de la variance des indices de bien-être trop compliquée, la technique du bootstrap
est utilisée pour obtenir une mesure de la dispersion de ces indices. A partir de l’étape
précédente, on peut, pour chaque ménage du recensement, simuler la valeur de l’indicateur de
r
bien-être ( ŷ ch ) à partir de l’estimation des coefficients et des termes d’erreur :
~
yˆ chr  exp( x 'ch  r  ~cr  ~chr ) (5)
Cette simulation est répétée 100 fois, chaque fois en retirant l’ensemble des coefficients et des
termes d’erreur. La moyenne et l’écart-type des indices de bien-être simulés donnent ainsi les
deux premiers moments de l’indicateur de bien-être estimé.
1.3 Bases de données
Les données utilisées pour réaliser la cartographie de la pauvreté au Togo proviennent de la

base de données de l’enquête QUIBB (Questionnaire des Indicateurs de Base du Bien-être) de
2015 et de la base de données de l’enquête pour la cartographie de la pauvreté de 2017. Ces
deux opérations de collecte ont été réalisées par l’Institut National de la Statistique et des Etudes
Economiques et Démographiques (INSEED). En général les données utilisées pour la
cartographie de la pauvreté dans les pays sont les données d’enquête couplées aux données du
recensement, ce qui était le cas en 2011. Mais compte tenu de l’obsolescence des données du
RGPH4 comme souligné plus haut et que le prochain RGPH5 ne sera réalisé qu’en 2020, il
convient de trouver une méthodologie pouvant permettre de coupler les données du QUIBB
2015 avec celles d’une enquête dont le niveau de désagrégation est plus fin en lieu et place du
RGPH4.
L’enquête pour la cartographie de la pauvreté est une enquête réalisée par l’INSEED du 19
novembre au 09 décembre 2017 au TOGO et a couvert toute l’étendue du territoire. Au total,
cinq cent trente (530) Zones de Dénombrement (ZD) ont été tiré dans les trente -neuf (39)
préfectures et les cinq (5) arrondissements de Lomé Commune. Après segmentation des ZD sur
14
le terrain, tous les ménages faisant parti de la portion sélectionnée après tirage ont été recensés.
Ce qui fait un total de 27 046 ménages enquêtés. Après les traitements pour l’élaboration de la
cartographie de la pauvreté, 26 902 ménages ont été retenus pour les estimations et le calcul des
indicateurs de pauvreté. Les outils ayant été utilisés pour la collecte sur le terrain notamment le
questionnaire et le manuel ont été adaptés conformément aux outils utilisés pour l’enquête
QUIBB 2015. Toutes les questions sont posées de la même manière que dans le QUIBB 2015
et les modalités de réponses sont les mêmes dans les deux enquêtes. Le questionnaire comporte
six (6) grandes sections :
 Liste des membres du ménage ;

 Education ;
 Travail ;
 Possession de parcelles de terre et d’animaux ;
 Possession de biens durables ;
 Caractéristiques de l’habitat.
L’enquête QUIBB réalisée par l’INSEED en 2015 a concerné cent cinquante (150) ZD. Elle a
permis de recueillir des données sur les dépenses des ménages grâce au questionnaire dépense
qui comporte les principales sections suivantes :
 Autoconsommation ;
 Dépenses courantes ;
 Dépenses moins courantes ;
 Revenu du ménage.
Après traitement, 2335 ménages au total ont des données exploitables et sont retenus pour
l’estimation du modèle de dépenses de consommation.
Sur la base du profil de pauvreté élaboré en 2015 6 , le seuil de pauvreté a été actualisé en
multipliant le seuil de 2015 par le déflateur en 2017 en tenant compte du nombre de mois
écoulés sur la période. Ce qui nous permet d’avoir en 2017 un seuil national de pauvreté
s’élevant à 355 638 FCFA. Tous les indicateurs de pauvreté ont été calculés selon ce seuil
national.
6
Le seuil national en 2015 était 344 408 FCFA
15
1.4 Résultats de la cartographie de la pauvreté monétaire

Cette partie présente les principaux résultats obtenus lors des différentes étapes de la
construction de la carte de pauvreté, y compris les taux de pauvreté aux niveaux des régions,
préfectures et arrondissements de Lomé Commune. Afin de maximiser la précision des
résultats, les différents modèles de prédiction ont été estimés au plus faible niveau de
désagrégation à laquelle l’échantillon du QUIBB 2015 était représentatif. Un modèle prédictif
du niveau de vie des ménages (mesuré par le niveau des dépenses par équivalent adulte) a été
développé en utilisant les variables explicatives communes au QUIBB 2015 et à l’enquête pour
la cartographie de la pauvreté7.
La première étape a été d’identifier les variables communes collectées au QUIBB 2015 et à
l’enquête pour la cartographie de la pauvreté. Dans un premier temps, nous avons comparé les
questions et choix de réponses des deux questionnaires afin d’isoler les variables ayant un
pouvoir potentiel de prédiction. Par la suite, nous avons comparé les moyennes de ces variables
dichotomisées et testé si elles étaient égales 8 . Se restreindre aux variables où l’égalité des
moyennes n’a pas été rejetée devrait nous assurer que les taux de pauvreté imputés seront
cohérents avec ceux calculés à l’aide des données de l’enquête utilisées pour le profil de
pauvreté (QUIBB 2015).
La deuxième étape a consisté à l’estimation du modèle du niveau de vie des ménages et la

prédiction des dépenses de consommation par tête des ménages de la base de l’enquête pour la
cartographie de la pauvreté. La variable de niveau de vie est la dépense de consommation par
équivalent adulte. Le logiciel PovMap 2.0 développé par la Banque Mondiale a été utilisé pour
les estimations. Le modèle beta est estimé par stepwise sur l’ensemble des variables retenues à
la première étape. En plus des variables au niveau des ménages, une série de variables
caractérisant les communautés ont été utilisées afin de minimiser le problème d’autocorrélation
spatiale 9
. Le problème d’hétéroscédasticité a été corrigé à l’aide d’une régression
complémentaire liant les résidus de la première régression à une longue série de candidats. Les
seuils d’entrée et de conservation des variables dans le modèle sont fixés respectivement à 0.2
et 0.15. L’estimation du modèle a été suivie par le calcul des effets spatiaux. Ces derniers ainsi
7
Cette enquête a été réalisée en 2017 et fait office de mini recensement afin d’avoir des données désagrégées
représentatifs au niveau préfecture.
8
Pour ces tests d’égalité des moyennes, nous avons utilisé un intervalle de confiance de 95%. Autrement dit, nous
avons testé si la valeur moyenne de chaque variable du QUIBB 2015 se situait à l’intérieur de l’intervalle définit
par la valeur moyenne de ces mêmes variables calculées sur les données de l’enquête pour la cartographie de la
pauvreté plus ou moins deux écarts-types de ces mêmes moyennes. Les variables retenues doivent avoir une
structure identique dans les deux bases de données.
9
Les résultats des régressions multivariées, basées sur les données du QUIBB 2015 pour chacune des quatre strates
sont présentés à l’annexe 3.
16
que les coefficients issus de l’estimation du modèle beta sont utilisés pour prédire les dépenses
de consommation par tête des ménages dans la base de l’enquête pour la cartographie de la
pauvreté. Différents modèles ont été testés et le modèle retenu a été principalement basé sur
son pouvoir explicatif (R2) du niveau de vie des ménages, ainsi que sa propension à reproduire
adéquatement les taux de pauvreté issus du profil de pauvreté basé uniquement sur les données
du QUIBB 2015.
Après imputation du niveau de vie des ménages de la base de l’enquête pour la cartographie de
la pauvreté grâce aux résultats des différentes régressions obtenues à l’étape précédente, nous
avons par la suite à la dernière étape calculé différents indices de pauvreté et d’inégalité. Le
présent rapport se concentre sur les indicateurs de pauvreté. En utilisant la famille d’indicateurs
de la pauvreté développée par Foster et al. (1984), nous avons estimé l’incidence de la pauvreté
(P0), sa profondeur (P1) et sa sévérité (P2) pour chacune des entités administratives notamment
les régions, préfectures et arrondissements de Lomé Commune ainsi que l’indice d’inégalité de
Gini. Les résultats désagrégés sont présentés à l’annexe 4.
Les différents indicateurs de pauvreté sont représentés sur les cartes afin d’avoir une meilleure
lecture et visibilité.
1.4.1 Structure spatiale de la pauvreté

Les résultats détaillés ayant servis à la composition de ces cartes sont présentés à l’annexe 3.
Les estimations produites dans le cadre de cette cartographie de pauvreté permettent de
présenter les niveaux de l’incidence, de la profondeur de la pauvreté et des inégalités au niveau
national, au niveau régional et au niveau des 44 préfectures/arrondissements du pays.
 a) Incidence de la pauvreté
La carte 1 présente une analyse comparative de l’incidence de la pauvreté au niveau des
préfectures/Arrondissements entre 2011 et 2017. Le taux de pauvreté ou l’incidence de la
pauvreté qui mesure la proportion de la population pauvre, vivant avec un revenu par tête en
dessous du seuil de pauvreté monétaire, est estimé à 53,5% en 2017 au niveau national soit une
différence de 1,6 points par rapport à celui de QUIBB 2015 (55,1%).
Au niveau régional, on relève des différences et des diminutions significatives des estimations
de l’incidence de pauvreté comparées à celles de 2011 dans presque toutes les régions. En effet,
dans la région des Savanes (région la plus pauvre depuis des années) l’incidence de pauvreté
est passé de 87,3% en 2011 à 65,0% en 2015 (soit 22,3 points de diminution). Ce taux est passé
de 68,9% à 58,2% dans la région de la Kara sur la même période (soit une diminution de 10,7
17
point). Pour les régions de la centrale (59,9% en 2017 contre 76,0% en 2011) et des Plateaux
(56,6% en 2017 contre 65,9% en 2011) cette diminution se situe respectivement à 16,1 points
et 9,3 points.
Par contre, on observe une légère augmentation du taux de pauvreté dans la région Maritime et
Lomé commune. L’incidence de pauvreté est passé de 45,3% en 2011 à 52,6% en 2017 dans la
Maritime ; soit une augmentation du taux de pauvreté de 7,3 points. Quant à Lomé Commune,
il est passé de 27,0% en 2011 à 30,3% en 2017, soit une augmentation de 3,3 points.
Malgré ces diminutions considérables de l’incidence de pauvreté dans la partie septentrionale

du pays, les régions des Savanes, de la Centrale et de la Kara sont les trois régions dans
lesquelles la pauvreté sévie et leur niveau reste élevé et atteint plus de 60% de la population.
Au niveau préfectoral, les deux préfectures qui végètent dans la pauvreté sont Kpendjal (70,3%)
et Oti Sud (77,2%) où près de 3 personnes sur 4 sont pauvres.
18
Carte 1: Analyse comparative d'incidence de la pauvreté entre 2011 et 2017
b) Profondeur de la pauvreté
La profondeur ou l’écart de la pauvreté est une mesure du « défi de pauvreté » qui traduit les
ressources qui seraient nécessaires pour extraire tous les pauvres de leur situation de pauvreté
par des transferts en espèces parfaitement ciblés. L’analyse de la carte 2 ci-dessous montre que
les efforts doivent être consentis beaucoup plus dans les préfectures de Kpendjal, de l’Oti Sud,
de l’Akébou (où la profondeur de la pauvreté se situe à plus de 30%) pour extraire les pauvres
de leur situation de précarité. Globalement, la plupart des autres préfectures se situent au même
niveau (entre 20 et 30%) de profondeur de la pauvreté. Seuls les arrondissements de Lomé
Commune sont à moins de 10% d’écart de pauvreté.
19
Carte 2:Profondeur de la pauvreté
c) Inégalités de répartition des revenus

Au plan national, les inégalités de répartition des revenus sont élevées (indice de Gini 10
0,42711).
Au niveau régional, ces inégales répartitions des revenus peuvent être classées en deux groupes.
Lomé Commune, la région de la Kara et la région Maritime ; avec un indice de Gini situé autour
de 0,425 ; représentent les régions dans lesquelles les inégalités sont plus élevées avoisinant le
10
L’indice de Gini est une mesure des inégalités de répartition du revenu au sein de la population. Variant entre
0 et 1, il indique le degré des inégalités. Les inégalités sont plus élevées si les valeurs de l’indice de Gini tendent
vers 1.
11
Les pays les plus égalitaires ont un indice de Gini situé entre 0,20 et 0,25
20
niveau national. Malgré leur incidence de pauvreté élevée, les régions des Plateaux, de la
Centrale et des Savanes ont un indice de Gini qui se situe autour de 0,39 plus bas que l’indice
des autres régions ; montrant ainsi des faibles inégalités à l’intérieur de ces régions par rapport
aux régions précédentes.
Sur le plan préfectoral, de fortes inégalités sont relevées dans les préfectures de la Kozah, de
Tchaoudjo, de Kloto, d’Agoènyivé, du Golfe, de Vo, des Lacs et des Arrondissements IV et V
où l’indice de Gini varie entre 0,40 et 0,46.
Par contre les préfectures qui ont une incidence de pauvreté très élevée sont celles dans
lesquelles l’inégale répartition des revenus est moins forte. En effet, les préfectures de Kpendjal,
de l’Oti Sud, de la Kéran, de Mô, de Sotouboua, de Blitta et du Moyen-Mono, avec un indice
de Gini situé en dessous de 0,35, sont les préfectures dans lesquelles plus de 6 personnes sur 10
sont pauvres.
21
Carte 3: indice de Gini

22
Chapitre 2 : Cartographie des indicateurs ODD

S’inscrivant dans un plan d’action international, les ODD ont pour but d’impulser un meilleur
développement humain qui vise l’équité intergénérationnelle. Etant donné que le Togo intègre
23
ces objectifs dans son plan de développement, ce chapitre présente les résultats de quelques
indicateurs au niveau national ainsi que leur cartographie dans les 44
préfectures/arrondissements du pays. La corrélation entre chaque indicateur et l’incidence de
pauvreté a été mis en exergue sur un graphique. Ainsi, il en ressort qu’il existe une liaison
positive et forte entre le ratio de dépendance démographique et l’incidence de pauvreté alors
que l’accès à l’électricité, l’accès aux sanitaires améliorés et la non utilisation du bois pour la
cuisson présentent de fortes liaisons négatives avec l’incidence de pauvreté.
2.1 Résultats des indicateurs ODD au niveau national

Le taux net de fréquentation au primaire, mesure la proportion d’enfants de 6 à 11 ans qui sont
au cours primaire. Ce taux est de 81,7% au plan national. Il est légèrement plus élevé chez les
jeunes garçons que chez les jeunes filles (82,2% contre 81,3%). Toutefois, il y a autant de filles
que de garçons dans le primaire (ratio fille/garçon=1). Dans l’ensemble et quel que soit le sous-
groupe considéré (garçons ou filles), on observe plus de 25 points d’écart entre ces taux du
primaire et du secondaire. Il y a donc une forte déperdition entre ces deux cycles
d’enseignement. Ceci se remarque au niveau du ratio fille/garçon au secondaire qui est de 0,7.
Néanmoins, il faut souligner que ce taux est en nette progression par rapport à 2015 (49,1%)
selon les résultats du QUIBB 2015.
La proportion d’hommes de 15-24 ans alphabétisés est nettement supérieure à celle des femmes
de la même tranche d’âge (88,7% contre 77,5%).
Le taux de dépendance démographique (51,4%), révèle qu’un actif au Togo, a un peu plus d’un
inactif à sa charge.
En ce qui concerne les autres indicateurs, près de 77% des ménages possèdent un téléphone
portable. Moins de la moitié seulement des ménages ont accès à des sanitaires améliorés
(48,5%). Le taux d’accès à l’électricité est resté stable entre 2015 et 2017 (48,3% contre 48,4%).
Près de 6 ménages sur 10 (57,3%) utilisent encore le bois pour la cuisson contre 50,4% selon
QUIBB 2015. L’accès à une source d’eau potable (56,9%) a baissé par rapport à 2015 (62%).
Tableau 1; liste des indicateurs ODD calculés à partir des données d’enquête de la cartographie de la pauvreté
Indicateurs Homme Femme Ensemble

Taux net de scolarisation au primaire 82,2 81,3 81,7
Taux net de scolarisation au secondaire 60,9 51,7 56,4
24
Taux d'alphabétisation des hommes de 15-24 ans 88,7 na na
Taux d'alphabétisation des femmes de 15-24 ans na 77,6 na
Ratio de dépendance démographique na na 51,4
Ratio fille/garçon à l'école primaire na na 1,0
Ratio fille/garçon à l'école secondaire na na 0,7
Pourcentage de la population ayant accès à un téléphone fixe na na 0,3
Pourcentage de la population ayant accès à un téléphone mobile na na 76,7
Pourcentage de la population ayant des sanitaires améliorés (en %) na na 48,5
Pourcentage de la population ayant une source d'eau améliorée na na 56,9
Pourcentage de la population ayant à l'électricité na na 48,4
Pourcentage de la population n'utilisant pas le bois pour la cuisson na na 42,7
2.2 Résultats des indicateurs ODD au niveau préfecture

a) Taux de dépendance démographique
25
Carte 4 : Taux de dépendance démographique
La carte ci-contre représente les taux

de dépendance démographique dans
les 44 préfectures/arrondissements
du pays. Il est défini comme le
rapport entre la population âgée de
moins de 18 ans et de plus de 65 ans
(les tranches d’âge les moins
susceptibles de contribuer
économiquement au revenu du
ménage) et la population d’âge
compris entre 18 et 64 ans. Dans
l’ensemble, l’on observe très peu de
disparité entre les préfectures. Les
préfectures de Dankpen et Kpendjal
Ouest sont celles qui affichent les
plus forts taux de dépendance
démographique (plus de 60%). A
l’opposé, les arrondissements 3 et 5
de Lomé commune ont des taux de
dépendance de moins de 40%
chacun, un taux largement inférieur à
la moyenne nationale (51,4%).
Graphique 1: Corrélation entre le taux de dépendance démographique et l'incidence de la pauvreté
R² = 0,7764
Incidence de pauvreté (en %)

26
b) Taux net de fréquentation scolaire au primaire
Carte 5: Taux net de fréquentation scolaire au primaire
Dans près de 41% des

préfectures (18 sur 44),
l’on observe des taux
nets de fréquentation
primaire inférieur au
seuil national qui est de
81,7%. Les plus bas
taux sont observés
respectivement dans les
préfectures de Kpendjal
et d’Oti Sud (47,5%
respectivement 54,9%).
La préfecture de
Tchaoudjo et celle de la
Kozah sont celles qui
enregistrent les
meilleurs taux
(respectivement 91,8%
et 90,9%).
Graphique 2 : Corrélation entre la fréquentation scolaire au primaire et l'incidence de pauvreté

27
c) Taux net de fréquentation scolaire au secondaire
Carte 6: Taux net de fréquentation scolaire au secondaire
Dans les préfectures de

Kpendjal, Kpendjal Ouest et
Oti Sud, plus de 7 enfants sur
10 en âge de faire le
secondaire n’y sont pas. A
l’opposé, dans le Kloto, plus
de 8 enfants sur 10, en âge
de faire le secondaire y sont
effectivement. Les 2ème et
4ème arrondissements de la
commune de Lomé, la
préfecture de Wawa et celle
de Kozah affichent aussi des
taux nets de scolarisation au
secondaire de plus de 70%.
Globalement, plus 45% (20
sur 44) des préfectures
affichent des taux en dessous
du seuil national qui est de
56,4%.
Graphique 3 : Corrélation entre le taux net de fréquentation au secondaire et l'incidence de pauvreté
R² = 0,4078
d) Taux d’alphabétisation des 15-24 ans

28
Carte 7: Taux d'alphabétisation des 15-24 ans
Alors que dans les

préfectures de Kpélé, Kloto
et Avé, presque toutes les
personnes âgées de 15-24
ans sont alphabétisées
(taux variant entre 98% et
99,5% dans ces trois
préfectures), l’on constate
que dans le Kpendjal, plus
de 7 personnes (âgées de
15-24 ans) sur 10 ne sont
pas alphabétisées. Même
la préfecture voisine de
Kpendjal Ouest affiche un
taux d’alphabétisation des
15-24 ans deux fois plus
élevé (43,8% contre 21,7%)
que celui du Kpendjal.
Graphique 4: Corrélation entre le taux d'alphabétisation des 15-24 ans et l'incidence de pauvreté
R² = 0,3173
e) Ratio fille /garçon à l’école secondaire

29
Carte 8: Ratio fille/garçon à l'école secondaire
Sur cette carte, on remarque de

fortes disparités de scolarisation
au secondaire des filles et garçons
entre les préfectures. En effet,
dans les préfectures d’Anié, de
Mô, de Dankpen, d’Oti Sud, de
Kéran et de Kpendjal Ouest, on a
moins de 5 filles pour dix garçons
au secondaire. Par contre, dans
toute la commune de Lomé et
dans la préfecture d’Agoènyivé,
on a plus de filles que de garçons
dans le secondaire. Dans
l’ensemble, 45% des préfectures
ont des ratios inférieurs au seuil
national qui est de 7 filles pour 10
garçons au secondaire.
Graphique 5 : Corrélation entre le ration fille / garçon à l'école secondaire et l'incidence de pauvreté
R² = 0,4921
f) Possession de téléphone mobile

30
Carte 9: Pourcentage de la population ayant accès à un téléphone mobile
On note sur cette carte que dans

toutes les préfectures sauf les
préfectures de Bas-Mono,
Akébou et Kéran, plus de 50%
des ménages possèdent un
téléphone portable. A
l’exception de la préfecture de
Mô, la répartition de la
possession de téléphone
portable au niveau de la région
Centrale est assez homogène
(entre 81,6% et 86,3%).
L’utilisation des TIC à l’instar du

téléphone mobile prend de
l’ampleur depuis leur
avènement. Seulement près de
21 préfectures/arrondissements
sur 44 ont une proportion de
ménages ayant accès à un
téléphone mobile au-dessus du
niveau national (76,7%).
Graphique 6 : Corrélation entre la possession d'un téléphone mobile et l'incidence de pauvreté
R² = 0,5153
g) Accès à des sanitaires améliorés

31
Carte 10 : Pourcentage de la population ayant accès à des sanitaires améliorés
Une installation sanitaire

est considérée comme
améliorée si elle permet
d’éviter que l’utilisateur et
son milieu immédiat
entrent en contact avec les
excréments humains (WHO
et UNICEF, 2014). Au
niveau national, moins de
la moitié de la population
(48,5%) a des sanitaires
améliorés. Cette
proportion est en dessous
de 10% dans les
préfectures de Kpendjal
(5,7%), d’Oti-Sud (0,2%), de
Kéran (0,3%), de Mô (4,9%)
et du Moyen-Mono (5,3%).
Graphique 7 : Corrélation entre l'accès à des sanitaires améliorés et l'incidence de pauvreté
R² = 0,7311
h) Accès à une source d’eau améliorée

32
Carte 11 : Pourcentage de la population ayant une source d'eau améliorée
L’utilisation d’une source

d’eau améliorée peut
contribuer à réduire les
problèmes de santé liés à une
mauvaise qualité de l’eau.
L’eau provenant d’un robinet,
d’un forage ou bien d’une
borne fontaine est considérée
comme provenant d’une
source d’eau améliorée.
Dans l’ensemble, il persiste un
faible accès de la population à
une source d’eau améliorée.
Les populations des
préfectures de Kpendjal,
Tchaoudjo et Bas-Mono sont
celles qui enregistrent de
faibles (moins de 20%)
proportions de population
ayant accès à une source
d’eau améliorée.
Graphique 8 : Corrélation entre l'accès à une source d'eau améliorée et l'incidence de pauvreté
R² = 0,2749

33
i) Accès à l’électricité
Carte 12 : Pourcentage de la population ayant accès à l'électricité
Dans l’ensemble l’accès

des ménages à
l’électricité demeure
faible (48,4%). Par
ailleurs, il existe une forte
disparité en matière
d’accès à l’électricité
(Carte 12). En dehors de
Lomé Commune, on
relève que les taux
d’accès à l’électricité sont
très faibles dans les
préfectures. En effet, les
préfectures d’Oti-Sud, de
Kpendjal, de Kpendjal-
Ouest et de Mô sont
celles qui présentent un
taux d’accès à l’électricité
très faible, en dessous de
10%.
Graphique 9 : Corrélation entre l'accès à l'électricité et l'incidence de pauvreté
R² = 0,826
j) Non utilisation du bois pour la cuisson

34
Carte 13 : Pourcentage de la population n'utilisant pas le bois pour la cuisson
L’utilisation du bois
comme combustible pour
la cuisson est un facteur
de déforestation du
couvert végétal. Pour
apprécier l’ampleur du
phénomène dans les
régions et dans les
préfectures, l’indicateur
portant sur la proportion
de la population n’utilisant
pas le bois pour la cuisson
a été construit. A
l’exception des
arrondissements de Lomé
et de la préfecture du
Golfe les données
montrent une forte
proportion de la
population utilisant le bois
pour la cuisson (Carte 13).
Graphique 10 : Corrélation entre la non utilisation du bois et l'incidence de pauvreté
R² = 0,8438
3,1

35
Tableau 2 : Tableau des corrélations
[1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15]
[1] Incidence de pauvreté 1,00
[2] Profondeur de pauvreté 0,99 1,00
[3] Taux net de scolarisation-primaire -0,24 -0,24 1,00
[4] Taux net de scolarisation-secondaire -0,63 -0,63 0,66 1,00
[5] Taux d'alphabétisation -0,54 -0,54 0,67 0,82 1,00
[6] Taux d'alphabétisation -homme -0,52 -0,52 0,68 0,81 0,98 1,00
[7] Taux d'alphabétisation-femme -0,56 -0,57 0,65 0,82 0,99 0,95 1,00
[8] Ratio de dépendance démographique 0,80 0,81 -0,22 -0,59 -0,58 -0,58 -0,57 1,00
[9] Ratio fille/garçon-primaire -0,47 -0,44 0,37 0,44 0,36 0,42 0,31 -0,39 1,00
[10] Ratio fille/garçon-secondaire -0,70 -0,68 0,24 0,49 0,36 0,32 0,41 -0,54 0,34 1,00
[11] Taux d'accès à des sanitaires adéquats -0,79 -0,78 0,36 0,68 0,57 0,56 0,59 -0,75 0,52 0,68 1,00
[12] Taux d'accès à l'eau potable -0,41 -0,39 -0,04 0,24 0,21 0,23 0,20 -0,52 0,39 0,41 0,49 1,00
[13] Taux d'accès à l'électricité -0,83 -0,82 0,39 0,70 0,60 0,58 0,61 -0,79 0,43 0,71 0,87 0,48 1,00
[14] Taux de non utilisation du bois -0,87 -0,86 0,21 0,53 0,47 0,46 0,49 -0,81 0,46 0,76 0,85 0,56 0,92 1,00
[15] Possession d'un téléphone mobile -0,65 -0,68 0,28 0,61 0,53 0,49 0,56 -0,55 0,21 0,50 0,66 0,22 0,77 0,69 1,00
36
Conclusion
Si les avancés sont indéniables, de nombreux défis demeurent. L’incidence de pauvreté est
passée de 55,1% en 2015 à 53,5% en 2017. Bien que l’accès aux services de bases reste limité
et caractérisé par de fortes inégalités, des progrès ont été réalisés en termes d’accès à l’éducation
et à l’assainissement. Par ailleurs, on note que le bien-être dans les zones urbaines semble
relativement meilleur du fait d’opportunités d’emploi et d’un meilleur accès aux services
essentiels.
Afin de maintenir les progrès en matière de réduction de la pauvreté, une croissance plus forte
et plus généralisée, une redistribution favorisant l’inclusion socio-économique, s’avère
primordiale. En effet, des efforts concertés du secteur public, du secteur privé et des partenaires
au développement doivent être fournis afin de renforcer les capacités des populations pauvres
et vulnérables à accumuler des actifs, générer des revenus et mieux préserver leurs ressources
face aux chocs éventuels. En rappel, cette étude a pour objectif de cartographier la pauvreté au
Togo. A cet effet, des indicateurs de mesure de pauvreté et des inégalités (l’incidence de
pauvreté, la profondeur de pauvreté et l’indice de Gini) ont été produits et analysés. Ces
indicateurs sont statistiquement significatifs au niveau des 39 préfectures et des 5
arrondissements de Lomé Commune.
La structure spatiale montre que les taux d’incidence de pauvreté ont connu des baisses
substantielles (exemple : 22,3 points de diminution dans la région des Savanes) mais restent
élevés dans les régions septentrionales du pays. A l’opposé, le sud du pays (la région maritime
et Lomé Commune) a connu une hausse du taux d’incidence de pauvreté. Sur le plan national,
l’incidence de pauvreté a baissé de 1,6 points par rapport aux résultats obtenus lors du QUIBB
2015 pour se situer à 53,5%. Les préfectures d’Oti Sud et de Kpendjal situées dans la région
des Savanes sont les plus touchées par le phénomène avec pour incidences respectives 77,3%
et 70,3%.
L’analyse de la profondeur de pauvreté révèle que les efforts de sortie de pauvreté doivent
beaucoup plus être orientés vers les préfectures de Kpendjal, d’Oti Sud et d’Akébou qui sont
les plus menacées par le phénomène de pauvreté.
Les inégalités ont été analysées à l’aide de l’indice de Gini qui indique que les préfectures à
fort taux d’urbanisation sont les plus affectées par les inégalités de revenu. A contrario, les
préfectures dans lesquelles l’urbanisation est moins avancée affichent un niveau plus ou moins
37
acceptable de l’indice de Gini. Sur le plan national, l’indice de Gini se situe à 0,43 indiquant de
fortes inégalités de répartition de revenu dans le pays.
Outre les indicateurs de mesure de pauvreté, ce rapport présente aussi quelques indicateurs des
Objectifs de Développement Durable (ODD). Pour la plupart de ces indicateurs, les préfectures
de la région septentrionale affichent les taux les moins flatteurs du pays. Ainsi par exemple,
seulement 0,2% des ménages de l’Oti Sud utilisent des sanitaires améliorés.
La baisse importante du niveau de l’incidence de pauvreté dans la partie septentrionale du pays

pourrait en partie être expliquée par les politiques de transferts sociaux dont ont bénéficié
certains ménages cibles de cette zone du pays.
La zone nord du pays doit bénéficier des attentions particulières du fait du niveau de l’incidence
dans ces préfectures mis en évidence par cette étude. Toutefois, il ne faut pas perdre de vue les
limites de cette étude qui à elle seule ne saurait identifier de façon exacte les poches de pauvreté
du pays. Il faut alors mettre en œuvre des politiques qui privilégient les zones du nord mais en
même temps qui ne lèsent point celles du sud.
38
Bibliographie
Coudouel, A., J. Hentschel, et Q. Wodon, 2002, Poverty Measurement and Analysis, in J.

Klugman, editeur, A Sourcebook for Poverty Reduction Strategies, Volume 1: Core Techniques
and Cross-Cutting Issues, World Bank, Washington.
Coulombe, H., and Q. Wodon, 2007, Combining census and household survey data for better
targeting: The West and Central Africa Poverty Mapping Initiative, Findings No. 280, Africa
Region, The World Bank, Washington, D.C.
C. Elbers, J. O. Lanjouw, and P. Lanjouw, 2002, Welfare in Villages and Towns: Micro level
Estimation of Poverty and Inequality, Policy Research Working Paper No. 2911, DECRG-
World Bank, Washington DC
Foster, J.E., J. Greer and E. Thorbecke, 1984, A Class of Decomposable Poverty Measures,
Econometrica 52: 761-766
Monica Pratesi, 2016, Analysis of poverty data by small area estimation, Wiley
Zhao, Qinghua, 2005, User Manual for PovMap, mimeo, Development research Group, The
World Bank, Washington, D.C.
Zida Yemdaogo, Kambou Sansan H., 2014. Cartographie de la pauvreté et des inégalités au
Burkina Faso
39
Annexes
Annexe1 : Mesure de la pauvreté
Pour mesurer la pauvreté, nous devons en principe disposer (a) d'un indicateur du bien-être, tel
que la consommation du ménage par personne ou par adulte équivalent, (b) d'un seuil de
référence (la ligne de pauvreté) auquel le bien-être de chaque ménage peut être comparé et (c)
d'une mesure de la pauvreté (voir par exemple Coudouel et al., 2002, dont cette annexe est
adaptée). Des différences dans les estimations de la pauvreté peuvent résulter du choix de
l'indicateur du bien-être, du choix du seuil de pauvreté ou du choix de la mesure de pauvreté.
Cette annexe définit les mesures de la pauvreté utilisées dans cette étude.
Incidence de la pauvreté : Il s'agit de la part de la population qui vit en état de pauvreté, celle
pour laquelle la mesure de consommation (par adulte équivalent dans le cas du Togo) y se situe
en dessous de la ligne de pauvreté z. Considérons une population de taille n dans laquelle q
personnes sont pauvres. L'incidence de la pauvreté P0 est définie comme suit :
q
P0 
n
Profondeur ou écart de la pauvreté : L'écart de pauvreté, souvent choisi pour représenter la
profondeur de la pauvreté, correspond à la distance moyenne qui sépare la population de la
ligne de pauvreté lorsqu'une distance zéro est attribuée aux non-pauvres. L'écart de pauvreté est
une mesure du déficit de pauvreté de la population entière. En l'occurrence, la notion de « déficit
de pauvreté » traduit les ressources qui seraient nécessaires pour extraire tous les pauvres de
leur situation par des transferts en espèces parfaitement ciblés. L'écart de la pauvreté se définit
par la formule :
q
 z  yi 
 
1
PG 
n i 1
z 
où yi est la consommation d'un individu i, et la somme porte uniquement sur les individus
pauvres (en pratique, la consommation de chaque individu dans un ménage est définie comme
étant égale à la consommation par habitant du ménage). L'écart de la pauvreté peut être
40
considéré le produit du ratio de l'écart de consommation et de l'incidence de la pauvreté en

nombre d'habitants, lorsque le ratio d'écart de consommation est lui-même défini comme
P1=C*P0, avec
z  yq 1 q
C où yq   yi est la consommation moyenne des pauvres.
z q i1
Le ratio de l'écart de la consommation C n'est pas en lui-même une bonne mesure de la pauvreté.
Supposons que certains ménages ou certains individus pauvres, mais proches de la ligne de
pauvreté améliorent progressivement leur niveau de vie et cessent d'être pauvres. Le ratio de
l'écart de la consommation augmentera parce que la distance moyenne séparant les pauvres de
la ligne de pauvreté s'accroîtra (certains de ceux qui étaient moins pauvres sont sortis de la
pauvreté et, par conséquent, ceux qui restent en état de pauvreté sont en moyenne plus éloignés
de la ligne de pauvreté), ce qui conduirait à conclure à une détérioration du bien-être. Pourtant,
personne n'a vu sa situation empirer et certains, au contraire, ont vu la leur s'améliorer.
Cependant si le ratio de l'écart de la consommation augmente, l'écart de la pauvreté P1 diminue,
à l'instar de l'incidence de la pauvreté en nombre d'habitants, ce qui évoque une réduction de la
pauvreté. Le problème tient au fait que le ratio de l'écart de la consommation est défini sur la
base de la population pauvre, alors que l'écart de la pauvreté est défini par rapport à la
population tout entière.
L’écart de la pauvreté permet d'évaluer la quantité de ressources théoriquement nécessaires

pour éradiquer la pauvreté moyennant des transferts en espèces parfaitement ciblés au profit
des pauvres. Supposons, par exemple, que l'écart de pauvreté soit égal à 0,20. Ceci signifierait
que le transfert en espèces requis pour extraire chaque personne pauvre de sa situation
représente en moyenne 20 pour cent de la ligne de pauvreté. Si la consommation moyenne du
41
pays était égale à deux fois la ligne de pauvreté, le transfert en espèces représenterait seulement
10 pour cent de la consommation moyenne du pays.
Poursuivant le raisonnement, si la consommation moyenne des non-pauvres atteignait deux fois

la ligne de pauvreté et qu'une moitié de la population était pauvre, il serait aisé de démontrer
que le taux d'impôts (dans le cas d’une illustration pour les pays développés par exemple) qui
devrait frapper les non-pauvres pour éradiquer la pauvreté serait à nouveau de 20 pour cent. Et,
bien entendu, si la consommation moyenne des non-pauvres était équivalente à quatre fois la
ligne de pauvreté, le taux d'imposition serait de 10 pour cent. Ces simulations simples
permettent de saisir intuitivement la signification de l'écart de pauvreté. En pratique, cependant,
comme les transferts parfaitement ciblés destinés à éradiquer la pauvreté ne sont ni réalisables
ni nécessairement souhaitables (car des taux d'imposition élevés risqueraient d'étouffer la
croissance et, partant, toute nouvelle réduction de la pauvreté), il convient de les utiliser avec
circonspection.
Sévérité ou Écart de la pauvreté au carré : Cette mesure est souvent décrite comme indicative
de la sévérité de la pauvreté. Alors que l'écart de la pauvreté prend en compte la distance qui
sépare les pauvres de la ligne de pauvreté, l'écart de la pauvreté au carré considère le carré de
cette distance. L'utilisation de l'écart de la pauvreté au carré revient à pondérer l'écart de
pauvreté en fonction de lui-même, de manière à privilégier les personnes en situation d'extrême
pauvreté. En d'autres termes, l'écart de la pauvreté au carré prend en compte l'inégalité parmi
les pauvres. Il s'obtient de la manière suivante :
1 q  z  yi 
2
P2   
n i 1  z 
L’incidence de la pauvreté, l'écart de la pauvreté et l'écart de la pauvreté au carré sont les trois
premières mesures de la classe dite FGT (Foster et al., 1984). La formule générale de cette
classe de mesures de la pauvreté fait appel à un paramètre α, qui prend la valeur zéro pour
l’incidence de la pauvreté, un pour l'écart de la pauvreté et deux pour l'écart de la pauvreté au
carré dans l'expression suivante :
42

1 q  z  yi 
P   
n i 1 z 
Dans les évaluations de l’impact des politiques publiques ou des programmes associatifs sur la
pauvreté, y compris au niveau local, il est important d'utiliser l'écart de la pauvreté ou l'écart de
la pauvreté au carré en plus de l’incidence de la pauvreté, car ces trois mesures traduisent des
aspects différents de la pauvreté en termes de consommation. En effet, une évaluation fondée
sur la seule incidence de la pauvreté conclurait à une plus grande efficacité des politiques qui
permettent aux mieux nantis parmi les pauvres (ceux qui se trouvent au plus près de la ligne)
d'échapper à la pauvreté. Sur base de l'écart de la pauvreté P1 et surtout de l'écart de pauvreté
au carré P2, par contre, l'évaluation mettrait l'accent sur l'aide apportée aux individus plus
éloignés de la ligne, et dans le cas de P2 sur les plus pauvres parmi les pauvres.
43
Annexe2 : Modèles de prédiction du niveau de vie des ménages par strate
A Lomé Commune
R-carré 0,4167
Variable Coefficient Std. Err. t |Prob|>t
Constante 12,962 0,115 112,998 0,00
Possède une antenne parabolique (0/1) 0,683 0,188 3,631 0,00
Chef école secondaire (0/1) -0,105 0,040 -2,641 0,01
Possède un ventilateur (0/1) 0,298 0,150 1,986 0,05
Toilette avec Fosse septique (0/1) -0,090 0,043 -2,113 0,04
Possède un réfrigérateur (0/1) 0,272 0,074 3,687 0,00
Taille du ménage (en log) -0,662 0,085 -7,750 0,00
Possède une moto (0/1) 0,212 0,044 4,874 0,00
Mur en dur (0/1) 0,319 0,105 3,044 0,00
Utilise la nature pour les besoins (0/1) -0,307 0,103 -2,985 0,00
Possède un ordinateur (0/1) 0,301 0,059 5,077 0,00
Possède une radio (0/1) 0,294 0,043 6,871 0,00
Utilise le robinet (0/1) 0,124 0,041 3,037 0,00
B Autres milieux urbains
R-carré 0,4386
Constante 13,305 0,059 225,263 0,000
Toilette avec Chasse d'eau (0/1) 0,218 0,073 3,014 0,003
Possède un climatiseur (0/1) 0,162 0,054 3,003 0,003
Chef école tertiaire (0/1) 0,139 0,072 1,935 0,053
Toilette avec Fosse septique (0/1) 0,097 0,048 2,006 0,045
Possède une moto (0/1) 0,200 0,049 4,101 0,000
Mur en banco (0/1) -0,205 0,052 -3,919 0,000
Nombre de pièces 0,040 0,015 2,586 0,010
Possède un ordinateur (0/1) 0,181 0,064 2,804 0,005
Possède un téléphone portable (0/1) 0,157 0,042 3,707 0,000
Propriétaire du logement (0/1) -0,086 0,047 -1,805 0,072
Utilise le puit (0/1) -0,185 0,048 -3,841 0,000
Possède une voiture (0/1) 0,640 0,157 4,090 0,000
44
C Rural Sud
R-carré 0,3232
Constante 13,132 0,108 121,244 0,000
Chef alphabétisé (0/1) 0,130 0,087 1,494 0,136
Chef école post primaire (0/1) -0,344 0,099 -3,465 0,001
Possède un téléphone fixe (0/1) 0,311 0,076 4,077 0,000
Possède une moto (0/1) 0,258 0,101 2,563 0,011
Mur en semi dur (0/1) -0,460 0,187 -2,457 0,015
Nombre de pièces du logement 0,061 0,032 1,885 0,060
Utilise le porte à porte pour les ordures (0/1) 0,263 0,121 2,170 0,031
Utilise le robinet (0/1) -0,171 0,080 -2,149 0,032
D Rural Nord
R-carré 0,2668
Constante 12,584 0,191 65,838 0,000
Possède des ânes (0/1) 0,218 0,104 2,104 0,036
Possède des bovins (0/1) 0,151 0,088 1,710 0,088
Toilette avec Chasse d'eau (0/1) 0,598 0,285 2,101 0,036
Conjoint alphabétisé (0/1) 0,144 0,076 1,900 0,058
Electricité (0/1) 0,154 0,109 1,405 0,161
Mur en semi-dur (0/1) -0,214 0,163 -1,314 0,189
Nombre de pièces 0,080 0,021 3,787 0,000
Possède un téléphone portable (0/1) 0,148 0,062 2,404 0,017
Propriétaire du logement (0/1) -0,191 0,138 -1,384 0,167
Utilise le puit (0/1) 0,141 0,065 2,176 0,030
Utilise le robinet (0/1) 0,151 0,101 1,489 0,137
Sol en ciment (0/1) 0,290 0,112 2,589 0,010
Toit en paille (0/1) -0,181 0,074 -2,449 0,015
45
46
Annexe 3 : Mesure de la pauvreté monétaire selon les préfectures, région et milieu
Prefecture Indicence (P0) ProfondeurP1 Sévérité (P2) Gini

Maritime 52,6 21,0 11,0 42,3
Urbain 39,8 13,8 6,5 41,8
Rural 60,3 24,9 13,3 39,7
Golfe 47,5 17,9 9,0 41,1
Agoènyive 37,1 12,4 5,7 41,6
Avé 52,6 20,2 10,3 36,3
Bas-Mono 64,0 27,2 15,2 35,9
Lacs 58,9 25,0 13,7 42,2
Vo 60,8 25,9 14,2 40,8
Yoto 63,7 27,0 14,6 36,6
Zio 57,4 23,4 12,4 39,1
Plateaux 56,6 22,8 12,0 39,8
Urbain 40,5 13,8 6,5 40,1
Rural 62,9 26,2 14,0 37,6
Agou 57,8 23,3 12,3 37,4
Akebou 69,4 30,2 16,5 35,6
Amou 64,2 27,4 14,9 38,0
Anié 65,0 27,2 14,6 37,0
Danyi 58,1 22,8 11,7 36,2
Est-Mono 61,7 25,0 13,2 36,3
Haho 59,9 24,8 13,3 38,0
Kloto 35,3 12,2 5,8 41,0
Kpélé 48,3 17,9 8,9 37,9
Moyen-Mono 67,7 28,5 15,3 34,4
Ogou 54,2 21,2 11,0 39,1
Wawa 48,6 18,2 9,1 36,2
Centrale 59,9 24,5 12,9 39,1
Urbain 36,6 12,5 5,9 41,0
Rural 64,9 26,8 14,2 35,8
Blitta 67,1 28,1 15,1 34,7
Mô 62,3 25,2 13,3 34,5
Sotouboua 61,7 24,5 12,7 34,7
Tchamba 60,8 25,0 13,3 36,8
Tchaoudjo 52,6 21,3 11,2 42,4
47
Prefecture Indicence (P0) ProfondeurP1 Sévérité (P2) Gini

Kara 58,2 24,1 12,9 42,5
Urbain 40,0 14,4 7,1 43,1
Rural 65,0 27,7 15,1 39,7
Assoli 57,4 23,2 12,1 37,7
Bassar 61,2 25,3 13,4 37,7
Binah 59,3 24,7 13,3 39,1
Dankpen 68,2 29,4 16,0 36,7
Doufèlgou 61,1 26,0 14,1 39,7
Kéran 64,5 26,6 14,1 34,0
Kozah 47,0 18,8 9,8 46,1
Savanes 65,0 27,8 15,2 38,5
Urbain 45,8 17,0 8,5 39,9
Rural 67,6 29,0 15,8 37,0
Cinkassé 60,6 24,2 12,6 38,0
Kpendjal 70,3 30,3 16,5 33,5
Kpendjal Ouest 67,6 28,9 15,7 34,9
Oti 52,0 19,9 10,1 37,9
Oti Sud 77,2 36,0 20,6 34,7
Tandjouaré 65,7 28,1 15,3 36,6
Tône 64,5 27,9 15,4 39,1
Lomé commune 30,3 9,4 4,1 42,5
Arrondissement I 32,7 10,3 4,5 39,0
Arrondissement II 30,4 9,2 3,9 39,2
Arrondissement III 37,0 12,0 5,4 41,4
Arrondissement IV 27,9 9,0 4,1 42,6
Arrondissement V 24,7 7,5 3,2 44,4
Ensemble 53,5 21,5 11,3 42,7
Urbain 36,9 12,4 5,7 42,1
Rural 63,7 26,7 14,3 38,4
48
Annexe 4 : Indicateurs ODD non-monétaires selon les préfectures, régions, milieu de résidence
Taux net de fréquentation scolaire au

Ratio fille/garçon à l'école secondaire

Taux de dépendance démographique
Taux brut de fréquentation scolaire

Ratio fille/garçon à l'école primaire
Taux d'alphabétisation des 15-24 -

Taux d'alphabétisation des 15-24
au secondaire - Garçon
au primaire - Garçon
secondaire - Garçon
préfecture
primaire - Garçon
au primaire - Fille
secondaire - Fille
primaire -Fille
au secondaire
au primaire
secondaire
primaire
Garçon
Fille
Lomé commune 80,3 81,1 79,6 65,7 70,6 61,7 92,2 96,5 88,9 40,4 1,07 1,04 106 108 104 89 97,4
Arrondissement I 71,8 76,4 68,1 60,2 63,5 57,9 86,6 97,3 79,3 38,1 1,14 1,07 96,8 102 92,8 92,2 110
Arrondissement
81,3 82 80,5 73,8 83,8 66,2 93,1 94,8 91,7 43,8 1,02 0,99 101 100 102 97,5 113
II
Arrondissement
79,7 81,7 78 57,4 60,9 53,7 90,1 95,5 84,9 39,7 1,11 0,85 108 109 106 79,5 83,6
III
Arrondissement
84,6 82,8 86,8 70,7 74,3 68,4 96,5 98,5 95,1 42,3 1,12 1,49 109 110 110 89,1 95,6
IV
Arrondissement
79,7 80,2 79,4 63,2 69,2 57,1 92,6 96,8 89 37,9 1 0,88 109 116 102 88,3 95,1
V
Maritime 87,6 87,5 87,7 56,6 59,7 53,5 90,4 94,5 86,5 53,9 1 0,78 128 128 128 74 79,8
Golfe 86,4 89 84,2 63,8 67,6 60,5 93 97,1 89,1 44,8 1,08 0,9 118 126 111 91,9 105
Agoènyive 85,3 87 83,5 61 60,3 61,5 88,6 93,5 84,7 45,3 0,91 1,01 127 132 123 83,5 85,9
Avé 89,3 90,3 88,9 62 67,7 55,1 99,5 99,5 99,5 50,9 1,04 0,67 125 127 125 83,5 91,5
Bas-Mono 88,8 88,1 89,5 57,9 62,6 52,6 90,4 94,9 86 59 0,97 0,72 126 120 131 71,5 75,6
Lacs 84,4 82,2 86,9 51,3 50,5 52,7 91,5 93,1 90 58,1 0,81 0,86 133 137 128 63,7 61,2
Vo 89,6 91 88,3 63,1 68,3 58,3 88,7 93,9 83,3 58,8 1,09 0,78 127 126 128 81,4 91,7
Yoto 88,4 86,5 90,1 48,3 54,1 42,1 91,8 96,7 86,7 58,2 1,06 0,62 134 131 137 63,8 74,7
Zio 86,9 86,1 87,6 50,7 52,5 49 83,8 89,6 78,3 52,8 1,03 0,79 129 129 128 65,2 70,1
49



préfecture
primaire - Garçon
au primaire - Fille
secondaire - Fille
primaire -Fille
au secondaire
au primaire
secondaire
primaire
Garçon
Fille
Plateaux 83,4 84 82,9 55,4 60,4 49,6 82,1 88,6 75,5 52,4 0,95 0,64 118 118 118 74,7 84,1
Agou 86,7 87,7 85,5 67,8 69,3 66 97,3 97,9 96,7 49,2 0,78 0,68 113 115 110 89,4 95,9
Akebou 87,7 88,1 87,6 41,9 50,3 33,5 68 78 58,8 53,6 1,01 0,53 125 118 132 57,3 75,1
Amou 84,9 86 83,7 57,1 64,4 48,4 84,3 90,7 78,1 53,8 0,9 0,69 122 124 119 75,4 82,2
Anié 78,9 80,5 77 35,2 41,4 26,2 73 81,5 63,6 55,9 0,88 0,4 124 122 127 44,9 54,2
Danyi 87,5 84,8 90,6 68,7 75,9 58,4 90,9 94,4 86,9 50,4 0,9 0,5 124 120 128 88,7 101
Est-Mono 75,2 77,7 72,2 43,9 48,3 37,3 84,2 88,6 79,8 53,5 0,83 0,57 111 110 113 56,1 60,3
Haho 83,7 84,7 82,9 49 56,3 40,9 78 87,9 66 51,9 1,11 0,51 128 132 124 65,8 82,8
Kloto 87,7 86,5 89,3 81,3 83 79,8 99,1 99,5 98,6 47,9 1,18 0,87 117 115 120 121 135
Kpélé 86,4 85,2 87,7 66,5 71,1 60,5 98 99,2 96,4 50,2 0,99 0,63 123 121 126 91,5 98,7
Moyen-Mono 83,4 86,8 80,4 39,1 40,8 37,6 46,3 56,1 39,7 59,9 0,97 0,93 111 121 103 45,4 48,3
Ogou 79,4 80,8 77,8 58,5 64,1 52,2 83,4 89,6 76,9 51,7 0,93 0,68 108 106 110 80,4 90
Wawa 82,6 78,9 86,1 75,3 80,2 69 85,2 94,8 75,3 46,6 1,09 0,6 108 105 111 115 128
Centrale 85 85,1 84,9 50,7 55,2 44,9 80,6 86,4 74,1 53,2 0,96 0,57 120 120 120 68,1 76,2
Blitta 87,5 88,8 86 57,2 64,9 47,1 94,7 97,4 91,7 52,7 0,9 0,54 112 111 112 72,2 82,3
Mô 76,8 78,5 75,7 30,3 36,2 21 59,2 66,2 50,3 52,2 0,97 0,4 128 133 125 40,9 47,2
Sotouboua 80,8 80,6 81 64,7 66,8 61,9 85,4 92,3 77,5 51 0,9 0,7 114 113 116 82,9 86,6
Tchamba 82,7 80,2 84,9 42,3 49,8 33,7 75,9 84 66,2 56,5 1,03 0,42 121 117 125 62 81
Tchaoudjo 91,8 92,3 91,6 56 57,5 54 83,6 89,9 76,9 53,2 0,98 0,69 125 127 123 77,5 82,4
50




préfecture
primaire - Garçon
au primaire - Fille
secondaire - Fille
primaire -Fille
au secondaire
au primaire
secondaire
primaire
Garçon
Fille
Kara 74,7 73,4 76,0 55,2 59,0 50,6 75,7 82,5 67,9 54,1 0,9 0,7 103,7 102,7 104,9 76,3 84,5
Assoli 85,1 84,0 86,3 63,4 67,6 57,8 66,0 74,5 56,5 55,3 0,9 0,7 110,1 112,4 107,3 81,7 85,8
Bassar 80,4 79,2 81,5 55,9 57,9 53,4 77,5 84,5 68,9 53,7 0,9 0,6 106,9 103,4 111,0 79,9 88,7
Binah 88,1 88,9 87,7 57,2 63,9 50,0 80,9 86,5 74,5 54,7 0,9 0,6 134,2 132,1 137,4 82,1 96,7
Dankpen 54,9 52,6 57,2 39,4 48,0 28,2 56,6 67,1 45,7 60,0 1,0 0,4 81,8 78,9 84,8 60,0 73,6
Doufèlgou 71,6 68,9 74,7 57,9 62,0 53,6 88,5 91,0 85,9 52,3 1,0 0,7 98,8 92,0 106,6 80,0 88,7
Kéran 65,8 62,9 69,4 41,5 42,5 40,0 72,5 81,9 61,0 51,1 0,8 0,5 93,4 92,7 94,4 56,1 61,4
Kozah 90,9 92,8 89,1 72,7 73,5 71,9 95,4 97,0 93,5 48,5 1,0 0,9 118,6 126,0 111,8 95,2 100,0
Savanes 64,9 66,7 63,2 40,2 45,4 34,2 60,4 68,6 52,7 58,1 0,9 0,6 91,2 92,5 89,9 56,3 65,1
Cinkassé 59,4 63,3 54,8 32,2 35,1 29,3 58,9 63,5 54,9 56,6 0,8 0,9 85,6 85,2 86,4 46,4 48,8
Kpendjal 47,5 52,6 42,4 22,5 24,3 20,8 21,7 29,1 15,2 58,4 0,8 0,6 66,2 75,0 57,6 30,1 36,8
Kpendjal Ouest 59,3 59,7 58,5 27,7 32,7 20,8 43,8 49,8 37,9 63,9 0,8 0,5 81,5 82,7 79,9 36,5 43,4
Oti 56,4 59,5 53,0 47,5 53,2 40,5 87,7 90,2 85,1 49,8 0,9 0,6 83,1 83,8 82,3 68,9 79,1
Oti Sud 55,3 58,8 52,0 29,1 36,9 20,2 51,5 68,1 36,5 59,6 0,9 0,5 85,7 89,0 83,2 39,6 51,0
Tandjoare 85,2 86,0 84,7 62,4 66,5 56,9 82,3 88,7 75,1 57,0 1,0 0,6 119,5 122,8 116,7 91,9 99,5
Tône 85,9 85,0 86,7 53,3 60,5 46,2 70,4 80,9 61,0 58,2 1,1 0,7 111,8 108,0 115,6 71,7 85,4
Ensemble 81,7 82,2 81,3 56,4 60,9 51,7 83,2 88,7 77,6 51,4 1,0 0,7 114,6 115,6 113,8 76,7 85,6
51
n'utilisant pas le bois pour la cuisson

Pourcentage de la population ayant

Pourcentage de la population
accès à un téléphone mobile
une source d'eau améliorée

accès à un téléphone fixe
des sanitaires améliorés

au secondaire - Fille
préfecture
l'électricité
Lomé commune 81,7 1,3 88,5 94,2 84,7 90,4 98,9
Arrondissement I 80,3 2,5 89,7 99,5 83,4 92,9 99,2
Arrondissement
84,9 0,9 91,2 98,2 90,1 91,4 99,4
II
Arrondissement
75,2 0,6 83,1 83,2 72,5 77,7 97,7
III
Arrondissement
84,7 2,1 88,5 97,1 81,8 93,4 99,6
IV
Arrondissement
81 0,8 90,3 95,1 93,8 96,5 98,8
V
Maritime 68,1 0,2 76,1 51,8 55,8 47,6 38,8
Golfe 80,7 0,3 83,3 90,9 85,3 87,5 95,3
Agoènyive 81,2 0,2 94,2 94,2 93,3 89 93,2
Avé 73,2 0 76,8 43,2 74,8 47,7 33
Bas-Mono 67,2 0 68,3 11,8 7,6 11,5 7,8
Lacs 66,9 0,7 71,2 42,5 33,1 48,9 39,9
Vo 71,6 0 73,4 55,7 30,2 48,2 28,7
Yoto 52,2 0,2 62,7 33,5 76,2 27,5 11,4
Zio 60,4 0 79,8 49,8 59,6 33,9 21,7
52



préfecture
l'électricité
Plateaux 63,4 0,1 68,2 34,6 40,5 34,2 24,8
Agou 81,4 0 79,3 42,3 26,7 38,3 11,8
Akebou 39,6 0,2 47,4 17,2 25,3 17,8 9,7
Amou 67,4 0 68,9 34,4 30 21,4 11,8
Anié 31,4 0 61,7 9,3 34 16,2 15,2
Danyi 71,7 0 74 78,2 23,1 29,6 8,6
Est-Mono 49,7 0 65,5 11,8 41,7 30,5 14
Haho 47 0 61,4 19,3 22,2 27,4 25,6
Kloto 106,6 0,5 87,2 76,5 66,2 74,8 75,8
Kpélé 82 0,2 83,3 56,7 58,6 58,9 48,2
Moyen-Mono 42,9 0,3 45,3 5,3 60,9 15,8 7,7
Ogou 69,5 0 78,5 39,9 38,2 49,6 51,8
Wawa 98,6 0 74,2 48,6 68,4 40,7 20,2
Centrale 57,5 0,3 80 23,8 39,5 37,4 19,9
Blitta 58,8 0 81,6 17,1 55,9 34,4 14,3
Mô 30,8 0,8 60,3 4,9 70,2 5,5 6,9
Sotouboua 78 0,2 86,3 11,4 38,5 44,7 23,6
Tchamba 40 0,2 82,1 33,9 25,8 43,7 12,5
Tchaoudjo 71,2 0,3 85,7 41,2 18,3 50,6 36,1
53



préfecture
l'électricité
Kara 66,4 0,2 71,4 29,6 66,3 36,4 24,8
Assoli 76,3 0,3 84,2 59,5 59,1 77,9 34,2
Bassar 69,1 0 71,2 25 87,5 37,5 25,3
Binah 65,8 0 78,3 20,8 31,2 36,9 32,1
Dankpen 42,3 0,3 70,9 12,4 75,8 10 14,7
Doufèlgou 70,4 0,1 56,5 63 80,4 25,1 19,1
Kéran 47,7 0,6 49,7 0,3 77,3 5,9 4,5
Kozah 90,6 0,2 82,3 32,9 51,9 63,9 42,9
Savanes 46,2 0,3 70,5 19,6 40,2 14,7 12,4
Cinkassé 43,9 0,4 85,8 20,6 56 19,2 33,7
Kpendjal 23,3 0 56,4 5,7 8,9 5,5 3,7
Kpendjal Ouest 26,9 0 76,2 10,8 25,2 7,6 3,5
Oti 56,3 2 76,3 22,4 31,2 34,7 21,8
Oti Sud 26,6 0 52 0,2 72,4 3,2 3,1
Tandjoare 81,3 0 75,7 25,9 34,5 18,1 6,4
Tône 58,2 0,2 68,4 50,3 51,5 19,5 17,7
Ensemble 67,12 0,29888 76,7218 48,54 56,8582 48,36 42,747
54
Tableau 3: Tableau comparatif de la pauvreté monétaire en 2011 et 2017
Préfecture incidence P0 incidence P0 Profondeur P1 Profondeur P1 Sévérité P2 Sévérité P2

2011 2017 2011 2017 2011 2017
Golfe 32,6 47 10,4 18 4,7 9
Agoènyive 37 12 6
Avé 54,6 53 19,0 20 8,9 10
Bas-Mono 58,9 64 21,2 32 10,2 18
Lacs 48,3 59 16,5 25 7,7 14
Vo 56,1 61 19,9 26 9,4 14
Yoto 57,1 64 20,6 27 9,9 15
Zio 53,3 57 18,8 23 8,9 12
Agou 66,8 58 26,4 23 13,4 12
Akebou 78,6 69 34,5 30 18,7 17
Amou 64,2 64 25,5 27 13,0 15
Anié 63,6 65 25,3 27 13,0 15
Danyi 68,8 58 27,4 23 14,0 12
Est-Mono 75,6 62 31,9 25 16,9 13
Haho 72,1 60 31,0 25 16,6 13
Kloto 45,9 35 16,4 12 7,9 6
Kpélé 65,2 48 26,6 18 13,9 9
Moyen-Mono 73,3 68 30,6 29 16,0 15
Ogou 59,2 54 23,6 21 12,1 11
Wawa 70,5 49 28,7 18 14,8 9
Blitta 79,7 67 36,1 28 20,0 15
Mô 87,8 62 43,3 25 25,2 13
Sotouboua 75,8 62 33,6 24 18,4 13
Tchamba 77,9 61 35,0 25 19,4 13
Tchaoudjo 69,9 53 30,8 21 17,0 11
Assoli 69,3 57 30,0 23 16,4 12
Bassar 71,7 61 31,7 25 17,6 13
Binah 71,3 59 31,6 25 17,5 13
Dankpen 78,4 68 36,0 29 20,3 16
Doufèlgou 72,3 61 32,1 26 17,8 14
Kéran 74,4 65 32,9 27 18,1 14
Kozah 57,6 47 23,5 19 12,4 10
Cinkassé 75,4 61 40,6 24 25,5 13
Kpendjal 70 30 17
95,4 56,3 36,7
Kpendjal Ouest 68 29 16
Oti 52 20 10
88,5 49,9 31,8
Oti Sud 77 36 21
Tandjoare 94,0 66 52,4 28 32,8 15
Tône 82,7 65 46,1 28 29,2 15
Arrondissement I 26,0 33 7,6 10 3,2 5
Arrondissement II 28,1 30 8,3 9 3,5 4
Préfecture incidence P0 incidence P0 Profondeur P1 Profondeur P1 Sévérité P2 Sévérité P2
2011 2017 2011 2017 2011 2017
55
Arrondissement III 28,6 37 8,4 12 3,6 5

Arrondissement IV 25,2 28 7,3 9 3,1 4
Arrondissement V 24,5 25 7,2 8 3,1 3
Maritime 45,3 53 15,5 21 7,2 11
Plateaux 65,9 57 26,9 23 14,0 12
Centrale 76,0 60 34,2 24 18,9 13
Kara 68,9 58 30,1 24 16,5 13
Savanes 87,3 65 49,3 28 31,4 15
Lomé commune 27,0 30 7,9 9 3,4 4
Annexe 5 : Découpage administratif
 Carte des régions administratives

56
 Carte des préfectures

57

Cartographie Pauvrete Togo 2017

Transféré par

Droits d'auteur :

Formats disponibles

Cartographie Pauvrete Togo 2017

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cartographie Pauvrete Togo 2017

Transféré par

Droits d'auteur :

Formats disponibles

1

Table des matières

Chapitre 1 : Cartographie de la pauvreté monétaire : contexte, méthodologie et résultats 10

1.3 Bases de données 13

1.4 Résultats de la cartographie de la pauvreté monétaire 15

1.4.1 Structure spatiale de la pauvreté 16

Chapitre 2 : Cartographie des indicateurs ODD 22

2.1 Résultats des indicateurs ODD au niveau national 23

2.2 Résultats des indicateurs ODD au niveau préfecture 24

Liste des Cartes

Carte 1: Analyse comparative d'incidence de la pauvreté entre 2011 et 2017 18

Liste des tableaux et graphiques

Graphique 1: Corrélation entre le taux de dépendance démographique et l'incidence de la pauvreté 25

La méthodologie de la cartographie de la pauvreté permet de disposer et d’avoir une meilleure

Dans ce rapport, les indicateurs de pauvreté à savoir l’incidence, la profondeur et la sévérité

Contrairement aux enquêtes, le recensement général de la population et de l’habitat, de par son

Le présent rapport documente l’élaboration de la deuxième cartographie de la pauvreté du Togo,

Chapitre 1 : Cartographie de la pauvreté monétaire : contexte,

La méthodologie pour l’élaboration de la carte de pauvreté monétaire, développée par C. Elbers,

La section ci-dessous, s’inspirant majoritairement des publications de C. Elbers, O. Lanjouw et

Première étape. Pour commencer, on a besoin de déterminer un ensemble de variables

ln ych  [ln ych | x ch ]  uch (1)

ln ych  x'ch β  uch . (2)

où  c est l’effet de localisation et  ch est la composante individuelle du terme d’erreur.

uˆch  ̂c  ech (4)

composante ménage ( e ch ) est simplement déduite. L’hétéroscédasticité dans la dernière

donner ̂ , la matrice de variance-covariance estimée du modèle (2). Cette dernière matrice

1.3 Bases de données

Les données utilisées pour réaliser la cartographie de la pauvreté au Togo proviennent de la

 Liste des membres du ménage ;

1.4 Résultats de la cartographie de la pauvreté monétaire

La deuxième étape a consisté à l’estimation du modèle du niveau de vie des ménages et la

1.4.1 Structure spatiale de la pauvreté

Malgré ces diminutions considérables de l’incidence de pauvreté dans la partie septentrionale

Carte 1: Analyse comparative d'incidence de la pauvreté entre 2011 et 2017

Carte 2:Profondeur de la pauvreté

c) Inégalités de répartition des revenus

Carte 3: indice de Gini

Chapitre 2 : Cartographie des indicateurs ODD

2.1 Résultats des indicateurs ODD au niveau national

Indicateurs Homme Femme Ensemble

2.2 Résultats des indicateurs ODD au niveau préfecture

La carte ci-contre représente les taux

Graphique 1: Corrélation entre le taux de dépendance démographique et l'incidence de la pauvreté

Incidence de pauvreté (en %)

Carte 5: Taux net de fréquentation scolaire au primaire

Dans près de 41% des

Graphique 2 : Corrélation entre la fréquentation scolaire au primaire et l'incidence de pauvreté

Dans les préfectures de

Graphique 3 : Corrélation entre le taux net de fréquentation au secondaire et l'incidence de pauvreté

Incidence de pauvreté (en %)

d) Taux d’alphabétisation des 15-24 ans

Alors que dans les

Incidence de pauvreté (en %)

e) Ratio fille /garçon à l’école secondaire

Sur cette carte, on remarque de

Incidence de pauvreté (en %)

f) Possession de téléphone mobile

On note sur cette carte que dans