Publié le 29 septembre 2025–Mis à jour le 14 octobre 2025
Lieu(x)
Pôle Tertiaire - Site La Rotonde - 26 avenue Léon Blum - 63000 Clermont-Ferrand
Salle 210
Soutenance de thèse. Évaluation des impacts économiques de l’accès à l’énergie par télédétection et enquêtes de terrain
Vincent Nossek
CERDI, Université Clermont Auvergne
Ferdi
Composition du jury
Vianney Dequiedt, Professeur des universités, CERDI, Université Clermont, Directeur de thèse. Flore Gubert, Directrice de recherche, Laboratoire d'économie de Dauphine, LEDa-DIAL, Institut de Recherche pour le Développement, Rapporteur. Ahmed Tritah, Professeur des universités, UFR Droit, Économie et Gestion, Université de Poitiers, Rapporteur. Michael Goujon, Professeur des universités, CERDI, Université Clermont Auvergne, Examinateur. Stéphane Straub, Professeur des universités, Toulouse School of Economics, Université Toulouse Capitole, Examinateur.
Résumé
Garantir l’accès de tous à des services énergétiques fiables, durables et modernes, à un coût abordable (ODD 7) est un des défis majeurs de l’Agenda 2030 des Nations Unies. Pour de nombreux pays en développement l’accès à l’électricité reste un challenge majeur du développement, et celui-ci sera d’autant plus difficile à réaliser qu’il se fait sous la contrainte de l’Accord de Paris engageant les pays à limiter leurs émissions de gaz à effets de serre.
Une des solutions techniques fortement adoptées au cours de la dernière décennie pour accélérer l’électrification dans les pays en développement comptant une population encore fortement rurale a été l’utilisation de l’électrification décentralisée grâce aux centrales mini-réseaux. Cette solution flexible permettant d’électrifier rapidement des villages a de plus l’avantage de proposer un mix énergétique intégrant des énergies renouvelables, solaire et hydro principalement. Cependant l’évaluation de l’impact économique à court et moyen terme de ces projets d’électrification décentralisée a rarement été effectuée de par le surcoût que celle-ci représente.
Un des moyens d’évaluer l’impact économique de ces projets installés est d’exploiter les données satellitaires telles que la lumière nocturne, les données liées à l’agriculture, ou encore les données d’urbanisation et d’activités humaines. Une première application de cette approche d’évaluation des projets d’électrification mini-réseau par l’évolution de la lumière nocturne a permis de valider l’intuition derrière cette méthodologie (Berthelemy et Maurel 2021).
Dans le premier chapitre, nous approfondirons l’approche décrite d’évaluation des projets par données satellitaires en testant différentes sources de données satellitaires ainsi qu’en approfondissant la méthode en approfondissant le lien de causalité qui n’est jusqu’à présent pas encore démontré grâce à une méthodologie quasi-expérimentale qui cherchera à comparer des villages traités (disposant d’un projet d’électrification rurale) à des villages de contrôles des environs.
Dans un second chapitre, nous étudierons les impacts de projets d’électrifications décentralisés déployés sur 6 localités rurales de Madagascar. Des enquêtes terrain ont été effectuées avant l’installation des solutions d’électrifications puis plusieurs années après leur installation afin de comparer l’évolution sur un certain nombre d’indicateurs socio-économiques. Le design de cette intervention suit un protocole de type essai contrôlé aléatoire (ECA) où 6 villages sur 12 ont été tiré au sort pour recevoir les projets d’électrification décentralisés. Une méthodologie d’analyse d’impact de type ANCOVA est envisagé pour analyser les données issues des questionnaires et mesurer les effets auprès des ménages vivant dans les différentes localités.
Enfin un troisième chapitre se tournera vers la demande en étudiant l’aspect de planification des politiques publiques, à travers la construction d’indicateurs à l’échelle infranationale de pauvreté énergétique en recoupant les différentes sources de données satellitaires, notamment celle d’urbanisation et de lumière nocturne. Le recoupement des données satellitaires avec des données d’enquêtes ménages de type DHS ou LSMS pourra permettre de calibrer un algorithme d’apprentissage supervisé afin de produire une base de données type PRIO-GRID de la pauvreté.