Utilisation des données pour l'évaluation de la politique agricole commune Le potentiel des mégadonnées est encore sous-exploité

Synthèse

I La politique agricole commune (PAC) représente plus d'un tiers du budget de l'Union européenne. Ses objectifs sont nombreux, complexes et interdépendants: niveaux de vie au sein de la communauté agricole, aspects environnementaux et climatiques, mais aussi développement des zones rurales. L'utilisation d'une approche fondée sur des données probantes à l'appui des décisions stratégiques requiert différentes données provenant de sources diverses, qui sont ensuite analysées.

II L'objectif de l'audit était d'évaluer si la Commission recourait de manière appropriée aux données et à l'analytique aux fins de l'analyse de la PAC, une évaluation pertinente tant pour celle qui prendra effet en 2023 que pour la PAC après 2027.

III Dans un premier temps, nous avons examiné l'usage que la Commission avait fait, au cours de ces dernières années, des données disponibles pour l'analyse de la PAC, et cherché à déterminer si ces données étaient suffisantes. Nous nous sommes ensuite intéressés aux actions menées actuellement par la Commission pour répondre aux lacunes relevées, notamment en ce qui concerne l'utilisation des mégadonnées.

IV Nous avons constaté que la Commission détient de nombreuses données pour la définition, le suivi et l'évaluation de la PAC. Elle analyse les données collectées auprès des États membres à l'aide d'outils classiques, tels que des feuilles de calcul. Les données et outils actuellement utilisés ne permettent pas de disposer de données importantes (par exemple sur les pratiques environnementales adoptées et sur les revenus extra-agricoles) et nécessaires à une élaboration éclairée de la PAC. La Commission a pris plusieurs initiatives, notamment législatives, pour faire en sorte que les données collectées soient mieux utilisées, mais des obstacles à leur utilisation optimale demeurent. Certains, comme le manque d'harmonisation et les freins liés à l'agrégation des données, en limitent la disponibilité et l'utilité.

V Nous recommandons à la Commission:

• d'établir un cadre de référence pour l'utilisation des données désagrégées provenant des États membres;
• d'élargir et de diversifier les sources de données disponibles afin de répondre aux besoins de la PAC.

Introduction

La politique agricole commune, un vaste domaine d'action

01 La politique agricole commune (PAC), lancée en 1962, représente plus d'un tiers du budget de l'Union européenne: pour la période 2014‑2020, les dépenses agricoles ont atteint 408 milliards d'euros. Les grands objectifs définis par le traité¹ pour cette politique sont précisés dans les règlements de la PAC (voir figure 1), laquelle vise à avoir une incidence non seulement sur la production agricole et sur les agriculteurs, mais aussi sur les plans environnemental, climatique et social.

02 La plus grande partie des subventions reçues par les bénéficiaires de la PAC est fondée sur les terres à leur disposition. Des subventions supplémentaires peuvent être versées en remboursement de frais encourus pour réaliser des activités spécifiques, et afin de financer des investissements. Le droit de l'Union définit les bases pour la majorité des paiements. Différents moyens sont mobilisés pour générer et collecter des données sur les exploitations agricoles (figure 2).

Le rôle des données dans un cycle politique

03 Les lignes directrices de la Commission pour une meilleure réglementation préconisent une approche fondée sur des données probantes, ce qui signifie que les décisions stratégiques doivent être prises sur la base des meilleures données probantes disponibles. La Commission définit celles-ci comme les données, les informations et les connaissances provenant de multiples sources, y compris les données quantitatives telles que les statistiques et les mesures, les données qualitatives telles que les avis, les contributions des parties prenantes, les conclusions d'évaluations ainsi que les recommandations des scientifiques et des experts². Les différentes étapes d'un cycle politique classique sont illustrées à la figure 3. Une politique fondée sur des données probantes nécessite que les données pertinentes soient disponibles à chaque étape du cycle.

04 À l'échelle mondiale, les organisations ont de plus en plus recours aux «mégadonnées», ce qui leur permet d'utiliser des données obtenues par différents moyens. Aux fins du présent rapport, sont considérées comme des «mégadonnées» les données qui sont trop complexes ou dont le volume est trop important pour les systèmes de traitement de données classiques, et qui nécessitent des outils et une puissance de calcul avancés.

05 Les innovations et technologies numériques prennent une place croissante dans le secteur de l'agriculture. La figure 4 fournit quelques exemples. Le secteur public peut utiliser un grand nombre de ces technologies. Les progrès technologiques peuvent contribuer à réduire les délais d'élaboration des politiques, et à étoffer la base factuelle sur laquelle se fonde la prise de décision³. Ces améliorations permettent aux gouvernements d'adopter des politiques axées sur les données, grâce notamment⁴:

• à une meilleure compréhension des effets de l'agriculture sur l'environnement et à la définition d'objectifs stratégiques qui agissent contre ces effets de manière globale;
• à la définition de politiques différenciées et ciblées;
• à l'application de nouveaux systèmes de contrôle fondés sur les données.

Les ambitions de l'UE en matière de données

06 La Commission européenne a publié plusieurs documents, dont certains soulignent la nécessité de renforcer et d'optimiser l'utilisation des données pour améliorer l'élaboration des politiques, et d'autres ont une incidence sur le partage des données et sur les outils au sein de l'UE (voir figure 5).

07 Dans sa communication de 2016 intitulée «Gestion des données, des informations et des connaissances à la Commission européenne», la Commission a souligné la nécessité d'améliorer la recherche et la récupération des informations et d'optimiser l'utilisation des données pour améliorer l'élaboration des politiques. Elle y indique que les mégadonnées «possèdent le potentiel de renforcer sensiblement les capacités de la Commission en permettant la détection précoce de tendances et un retour d'informations plus rapide pour soutenir l'amélioration de la réglementation et l'élaboration de politiques fondées sur des données probantes, ainsi que pour mieux démontrer les résultats à l'ensemble des parties prenantes». La Commission a prévu de développer les compétences, les outils et les infrastructures informatiques nécessaires pour soutenir une capacité de traitement de mégadonnées. Elle a également souligné que les besoins de données et les déficits de connaissances doivent être mieux anticipés afin de veiller à ce que les données soient disponibles, exploitables et utiles pour les analyses d'impact, le suivi, l'établissement de rapports et l'évaluation⁵. La stratégie interne de la Commission en matière de données (DataStrategy@EC) est le principal outil utilisé pour mettre en pratique la communication.

08 En novembre 2018, la Commission a adopté sa stratégie numérique en vue de devenir une administration transformée numériquement, centrée sur l'utilisateur et fondée sur les données d'ici 2022, confirmant ainsi le cap fixé dans la communication de 2016. Sur les neuf mesures énumérées dans la stratégie, les deux qui nous paraissent les plus pertinentes pour notre audit sont les suivantes:

• intégrer les nouvelles technologies dans l'environnement informatique de la Commission;
• faciliter la libre circulation des données relatives aux politiques à l'échelle de l'UE entre les administrations publiques européennes.

09 En février 2020, la Commission a publié une communication intitulée «Une stratégie européenne pour les données»⁶ pour la période 2021‑2027, dont le champ d'application ne la concernait pas uniquement, loin s'en faut. La stratégie vise à concrétiser la «vision d'un véritable marché unique des données» au moyen de mesures telles que la création d'un cadre de gouvernance pour l'accès aux données et leur utilisation, ou encore l'investissement dans les infrastructures de données et les compétences. Les points à traiter incluent la disponibilité des données, l'interopérabilité et la qualité des données, la gouvernance des données, les infrastructures et les technologies de données (telles que les capacités de traitement des données et les infrastructures en nuage) ainsi que la cybersécurité.

10 La proposition d'acte sur la gouvernance des données⁷ de 2020 de la Commission visait à faciliter la réutilisation de certaines catégories de données protégées du secteur public, à accroître la confiance dans les services d'intermédiation de données et à promouvoir l'altruisme en matière de données au sein de l'UE.

Étendue et approche de l'audit

11 Notre audit visait à évaluer si la Commission faisait bon usage des données et de l'analytique des données aux fins de l'analyse de la PAC. Dans un premier temps, nous avons examiné dans quelle mesure la Commission utilisait les données disponibles pour l'analyse de la PAC, et si ces données étaient suffisantes. Nous avons ensuite cherché à déterminer si la Commission œuvrait à remédier aux lacunes dans les données, et avons notamment examiné l'utilisation des mégadonnées. Nous avons aussi vérifié s'il existait des projets de recherche de l'UE, récents ou en cours, susceptibles de contribuer à combler ces lacunes et à améliorer l'analyse de la PAC.

12 L'étendue de notre audit a couvert la définition, le suivi lors de la mise en œuvre, ainsi que l'évaluation de la PAC. L'audit a porté sur la période allant de 2015 à février 2022. L'évaluation de la gouvernance des données de la PAC est pertinente, notre rapport pouvant avoir une incidence tant sur la PAC qui prendra effet en 2023 que sur celle qui entrera en vigueur après 2027. Au sein de la Commission, la responsabilité première de la PAC revient à la direction générale de l'agriculture et du développement rural (DG AGRI).

13 Dans le cadre de nos travaux d'audit, nous avons:

• examiné les données et documents pertinents, notamment des documents scientifiques, stratégiques, législatifs, politiques et relatifs aux projets;
• mené des entretiens avec des membres du personnel de quatre directions générales de la Commission (DG Agriculture et développement rural, Eurostat, Centre commun de recherche (JRC) et DG Réseaux de communication, contenu et technologies);
• mené des entretiens avec des représentants de l'organisation agricole faîtière COPA-COGECA sur le Code de conduite de l'UE relatif au partage des données agricoles par accord contractuel, ainsi que du projet Sen4CAP;
• consulté les 27 États membres de l'UE au moyen d'une enquête adressée au ministère/département responsable de la PAC et, sur la base des réponses reçues, approfondi la discussion avec les autorités belges, estoniennes, allemandes, irlandaises, néerlandaises et espagnoles;
• procédé à un examen documentaire pour trois pays tiers (les États-Unis, l'Australie et le Japon) à des fins d'analyses comparatives. L'équipe d'audit a choisi ces pays au regard de l'importance de leur économie agricole, de l'existence d'initiatives innovantes ou numériques pour la gestion agricole et de la disponibilité de données publiques;
• organisé une table ronde avec des experts scientifiques, politiques et administratifs.

Observations

Les données et outils actuels fournissent une partie des informations requises pour une élaboration éclairée de la PAC à l'échelle de l'UE

14 La Commission est tenue d'évaluer la performance de la PAC au regard de ses trois objectifs généraux⁸ (voir figure 1). Les données probantes qu'elle rassemble pour l'élaboration de la PAC devraient être proportionnées et de nature à éclairer les options politiques et à répondre aux questions d'évaluation⁹. Selon les lignes directrices pour une meilleure réglementation, l'élaboration de nouvelles initiatives devrait également s'appuyer sur des données probantes pertinentes obtenues grâce aux évaluations (principe «évaluer avant d'agir»).

15 Nous avons examiné si la DG AGRI utilisait un éventail de données et de sources de données suffisant pour l'analyse de la PAC, et si elle appliquait des outils analytiques pertinents. Nous avons passé en revue les types de données, de systèmes informatiques et d'analytique des données que la Commission possède et utilise. Afin de déterminer le caractère suffisant des données et des outils, nous avons étudié les évaluations et les documents servant à l'élaboration de la PAC.

La DG AGRI collecte essentiellement des données administratives, et utilise principalement des outils classiques pour l'analyse des données

16 La DG AGRI possède des volumes importants de données, principalement administratives (comme les prix du marché et les paiements, ou les informations comptables des exploitations), qu'elle utilise aux fins de la définition, du suivi et de l'évaluation de la PAC. Ces données proviennent essentiellement des États membres, qui les collectent dans le cadre de la mise en œuvre de la PAC. Les statistiques agricoles collectées par Eurostat au niveau de l'UE proviennent de sources diverses: enquêtes, données administratives, données d'exploitations agricoles et d'autres entreprises, mais aussi données au niveau des exploitations agricoles sous la forme de recensements agricoles et de sondages¹⁰.

17 La DG AGRI suit la stratégie interne de la Commission en matière de données. Celle-ci dispose d'un inventaire de données qui indique, pour chaque actif de données, qui est le propriétaire des données, si celles-ci sont accessibles, où elles sont stockées et si elles sont réutilisables. Ce bilan ne faisait aucunement état de lacunes ou de chevauchements.

18 En février 2022, l'inventaire des données de la DG AGRI était constitué de 57 actifs de données stockés dans différents systèmes et bases de données informatiques (pour en savoir plus, voir figure 6). Les bases de données contenaient principalement des données administratives structurées, que la DG AGRI traite essentiellement au moyen d'outils statistiques. Un certain nombre de documents que la DG AGRI collecte auprès des États membres (les rapports annuels de mise en œuvre, par exemple) comportent des données non structurées, pour lesquelles la DG AGRI ne possède aucun outil de traitement automatisé ou semi-automatisé.

19 La DG AGRI a un accord avec le JRC pour l'analyse des données et la recherche de moyens de faire un meilleur usage des données existantes. Sur cette base, elle recourt à certaines méthodes avancées dans le cadre de son analyse de la PAC (telles que le modèle IFM-CAP, des modèles économétriques et l'analytique prédictive). Le modèle IFM-CAP (Individual Farm Model for Common Agricultural Policy Analysis), le modèle agricole individuel utilisé pour l'analyse de la PAC, vise à évaluer l'impact de cette politique sur l'économie agricole et ses effets environnementaux.

20 Notre analyse des quatre systèmes informatiques (ISAMM, CATS/COMBO, AGRIVIEW et SFC) et de la base de données RICA, qui alimentent le portail relatif aux données agroalimentaires (voir figure 6), a permis de constater que la DG AGRI collecte principalement des données agrégées. Parmi ces systèmes, seul CATS/COMBO contient des données désagrégées au niveau des exploitations agricoles.

21 La DG AGRI publie des données consolidées sur le portail relatif aux données agroalimentaires, qui fournit des informations provenant de nombreux actifs de données de la DG AGRI et des statistiques agricoles, des visualisations interactives et des tableaux de bord d'Eurostat. Les utilisateurs peuvent consulter des séries chronologiques, des cartes interactives, des graphiques et des tableaux, et télécharger des données brutes à des fins de réutilisation et d'analyse hors ligne. La DG AGRI met à jour le portail en permanence. Celui-ci constitue à nos yeux une bonne pratique pour les données publiques, car il offre un point d'accès unique à un vaste ensemble de données sur les marchés agroalimentaires, l'analyse, les indicateurs de la PAC et le financement de l'UE.

22 Les systèmes informatiques que la Commission et les États membres utilisent pour la PAC sont le plus souvent axés sur des analytiques descriptives et diagnostiques, très rarement sur des analytiques prédictives ou prescriptives (voir figure 7).

23 Nous fondant sur les entretiens et les réponses des États membres à notre enquête, nous avons relevé plusieurs obstacles à l'utilisation des mégadonnées (voir point 04) et de l'analytique avancée par la Commission et les États membres aux fins de l'analyse de la PAC, notamment:

1. des différences entre les normes ou les exigences en matière de qualité selon les sources de données;
2. des règles de confidentialité qui limitent l'utilisation des données relatives aux exploitations agricoles;
3. l'insuffisance des données disponibles, et des formats de données différents ou inappropriés;
4. un faible taux d'éducation aux données et un manque de personnel qualifié.

24 En raison de l'absence de références communes, telles qu'un identifiant unique, il est difficile de croiser les données relatives aux exploitations agricoles provenant de différentes sources aux fins de l'analyse de la PAC. Un identifiant unique ou d'autres techniques de croisement de données permettraient de relier les données provenant de différentes sources qui concernent la même exploitation agricole (voir encadré 1).

25 En principe, la DG AGRI traite manuellement les informations textuelles qui figurent dans les rapports annuels des États membres, sans recourir aux techniques reposant sur les mégadonnées telles que l'analytique textuelle ou l'extraction automatisée. Notre analyse montre qu'une automatisation accrue est possible (voir exemple dans l'encadré 2).

En raison de certaines de leurs caractéristiques, les données et systèmes existants sont peu exploitables aux fins de l'analyse de la PAC

26 Nous avons évalué l'utilisation et les limites de trois sources de données très différentes auxquelles la Commission et les États membres ont largement recours (voir tableau 1).

Système intégré de gestion et de contrôle

27 La Commission a un accès limité au système intégré de gestion et de contrôle (SIGC) des États membres. Ce système est le principal module de gestion des paiements de la PAC dans les États membres. Pour la PAC 2014‑2020, le SIGC se compose d'un certain nombre de bases de données numériques et interconnectées, notamment¹¹:

1. un système d'identification de toutes les parcelles agricoles des pays de l'UE, connu sous le nom de système d'identification des parcelles agricoles (SIPA);
2. un système permettant aux agriculteurs d'indiquer sous forme graphique les zones agricoles pour lesquelles ils demandent une aide (la demande d'aide géospatiale);
3. un système où est enregistrée l'identité de chaque bénéficiaire qui soumet une demande d'aide ou de paiement;
4. un système de contrôle intégré qui permet de vérifier les demandes d'aide sur la base de contrôles croisés informatisés et de contrôles physiques dans l'exploitation agricole.

28 Les États membres utilisent le SIGC pour la réception des demandes d'aide, pour les contrôles, administratifs et autres (sur place et de suivi, par exemple), ainsi que pour les paiements¹². Ils peuvent recourir à différentes solutions techniques pour leur SIGC. Le manque d'harmonisation, le fait que les propriétaires des données ne soient pas toujours les mêmes (c'est-à-dire qu'il puisse s'agir de différents types d'autorités) et des développements informatiques indépendants donnent lieu à une fragmentation, compliquent la comparaison des données et limitent les possibilités de partage ou de réutilisation de celles-ci. Le recours à l'analytique avancée ou à d'autres techniques reposant sur les mégadonnées pour évaluer l'impact des fonds de l'UE s'en trouve limité¹³. La Commission a un accès restreint aux 42 systèmes (nationaux ou régionaux) différents des États membres, qui comprennent des données détaillées sur les exploitations agricoles et autres entreprises¹⁴. Il est dès lors difficile, par exemple, de disposer d'informations précises sur la répartition des fonds de l'UE.

29 Sur la base de notre analyse des différents projets de recherche financés par l'UE¹⁵, nous avons constaté que l'approche décentralisée du SIGC limite la poursuite de l'intégration et la liaison croisée de ces sources de données avec d'autres sources de données de la Commission, principalement en raison:

1. de problèmes de compatibilité (utilisation de différentes solutions techniques) et de l'absence d'interopérabilité entre les systèmes de données;
2. de règles de confidentialité interdisant de relier les données agricoles provenant de différentes sources (telles que le SIGC et le RICA);
3. d'une faible granularité des autres bases de données, c'est-à-dire d'un niveau de précision insuffisant des données, et de l'absence d'identifiants communs permettant une correspondance avec les données du SIGC.

30 Afin d'améliorer le partage et la disponibilité des données, la DG AGRI encourage les États membres à publier leurs données géospatiales SIGC à caractère non personnel sur le portail INSPIRE commun (voir figure 8), avec l'assistance technique du JRC. Le portail donne accès aux services de téléchargement et de visualisation des données géospatiales environnementales collectées par les États membres.

31 Le partage de données sur le portail INSPIRE est plus ou moins important selon les États membres. Des exemples du nombre d'enregistrements de métadonnées pour trois thèmes sélectionnés sont présentés à la figure 9. Les États membres publient également certaines données géospatiales sur leurs géoportails nationaux (ou régionaux) indépendants.

Données provenant des satellites du programme Copernicus

32 Les données provenant des satellites du programme Copernicus correspondent à la définition des mégadonnées (voir point 04). La Commission coordonne l'approche des «contrôles de suivi» (sur la base des données Copernicus), qui constitue un exemple de suivi automatisé de la PAC dans les États membres.

33 Au titre des «contrôles de suivi», les flux continus de données provenant des satellites du programme Copernicus sont analysés afin de vérifier si des parcelles agricoles spécifiques satisfont aux critères d'admissibilité. Depuis 2018, les autorités nationales peuvent utiliser les données Copernicus pour remplacer les traditionnelles inspections sur place. Selon la Commission, en 2021, des «contrôles de suivi» ont été appliqués à 13,1 % des surfaces bénéficiant de paiements directs. L'objectif pour 2024 est fixé à 50 %¹⁶. En 2021, dix États membres ont appliqué le processus à un ou plusieurs régimes d'aide sur au moins une partie de leur territoire, alors qu'ils étaient cinq à le faire en 2020, lorsque nous avons publié un rapport spécial sur les «contrôles de suivi»¹⁷ (voir encadré 3).

Le réseau d'information comptable agricole

34 La principale source de données économiques est le RICA. La Commission et les États membres y ont largement recours pour la modélisation, les évaluations et l'établissement de rapports.

35 Depuis 1965, le RICA vise à fournir des «informations objectives et fonctionnelles sur les revenus […] et sur le fonctionnement économique des exploitations» pour la PAC¹⁹. Il est la seule source de données microéconomiques harmonisées permettant de mesurer les effets de la PAC. Optionnel pour les exploitations agricoles, il se fonde sur des enquêtes nationales et couvre les exploitations agricoles de l'UE qui sont suffisamment grandes pour pouvoir être considérées comme professionnelles²⁰.

36 Les exploitations agricoles de petite taille et non professionnelles étant exclues du RICA, ce réseau est peu représentatif des bénéficiaires de la PAC. En 2015, l'enquête concernait environ 83 000 exploitations. Bien que les exploitations agricoles qui sont suffisamment grandes pour être considérées comme professionnelles représentent près de 90 % de la surface agricole totale utilisée et de la production agricole totale²¹, elles ne sont que 4,7 millions sur les 10,8 millions d'exploitations agricoles que compte l'UE²². Le RICA n'est pas conçu pour être représentatif des bénéficiaires de la PAC. Selon la Commission, en 2019, la part des bénéficiaires de paiements directs de la PAC non représentés allait de 5 % aux Pays-Bas à 78 % en Slovaquie.

Le manque de données appropriées empêche d'évaluer correctement la performance de la PAC

37 Les évaluations devraient être fondées sur les meilleures données probantes disponibles, obtenues par des méthodes et provenant de sources diverses et appropriées (triangulation)²³. Lorsque des données granulaires sont utilisées, il est plus facile de faire le lien entre les objectifs et les résultats/l'incidence de la politique²⁴. Selon la législation, les informations utilisées pour évaluer la performance de la PAC devraient être fondées, autant que possible, sur des sources de données établies telles que le RICA et Eurostat²⁵. Un suivi réalisé correctement devrait générer des séries chronologiques de données factuelles et, ainsi, améliorer la qualité des futures évaluations et analyses d'impact²⁶.

38 Nous avons analysé cinq évaluations ou études d'appui à l'évaluation de la Commission, chacun des trois objectifs généraux de la PAC visés à la figure 1 étant couvert par une évaluation au moins. Nous avons constaté que ces évaluations s'appuyaient sur un large éventail de données collectées aux fins de la gestion ou du suivi de la politique, par exemple les indicateurs de la PAC²⁷, le RICA, le système CATS/COMBO, les statistiques d'Eurostat ainsi que le système informatique pour la gestion et le contrôle des marchés agricoles (ISAMM). Ces données sont souvent complétées par des données externes (provenant par exemple de l'Organisation de coopération et de développement économique (OCDE), des Nations unies ou de l'Organisation des Nations Unies pour l'alimentation et l'agriculture (FAO)), des études de cas, des questionnaires et des entretiens.

39 Pour les trois objectifs de la PAC, la Commission et les évaluateurs ont recours à une évaluation d'impact contrefactuelle²⁸. Pour cela, ils doivent disposer de données sur des groupes témoins, c'est-à-dire des entités auxquelles la PAC ne s'applique pas. Le RICA fournit des données sur les deux groupes, ce qui peut s'avérer utile pour une telle analyse. Le manque de données contrefactuelles ne permet pas d'estimer correctement la contribution de la PAC à l'atténuation du changement climatique, par exemple. Selon la Commission, la PAC est trop ancienne et trop étendue pour que les données puissent être comparées²⁹, c'est-à-dire qu'il est impossible d'effectuer une comparaison avant/après, ou avec/sans la PAC. En outre, il est difficile d'utiliser des méthodes contrefactuelles pour le développement territorial, la majorité des régions recevant une aide au titre de la PAC. Afin de remédier à ce problème, le JRC a mis au point un cadre analytique quantitatif fondé sur des méthodes d'évaluation d'impact contrefactuelles devant permettre d'obtenir des informations sur le lien de causalité entre la PAC et ses résultats, qui prend en considération le large éventail de mesures déployées dans les zones rurales³⁰.

Une production alimentaire viable

40 Les principales sources de données utilisées pour évaluer l'objectif de production alimentaire viable sont le RICA et les comptes économiques de l'agriculture (CEA) (voir tableau 2). L'un comme l'autre ont été créés par la Commission afin de disposer de données pour l'évaluation de la PAC. Par exemple, pour évaluer l'incidence des aides de la PAC sur les revenus des agriculteurs, la Commission utilise les statistiques d'Eurostat sur le revenu des facteurs de production (c'est-à-dire le revenu généré par la terre, le capital et le travail) ainsi que le RICA³¹.

41 Il faut un an aux États membres pour collecter et valider les données du RICA, et un an à la Commission pour vérifier et valider ces données. Par conséquent, elles ne sont enregistrées dans la base de données RICA qu'après deux ans au mieux. En 2018, lorsque la Commission a présenté la proposition législative pour la PAC après 2020, les données dont elle disposait ne concernaient qu'une seule année de la PAC actuelle (en l'occurrence celles issues de l'enquête du RICA de 2015). La Commission a donc formulé sa proposition avant de disposer des dernières données du RICA sur la performance et l'impact de la CAP actuelle.

Gestion durable des ressources naturelles et action pour le climat

42 En ce qui concerne l'objectif de la PAC relatif aux ressources naturelles et au climat, un long délai peut s'écouler entre le moment où une mesure est appliquée et celui où ses effets sont perceptibles. Pour pouvoir déterminer un lien de causalité entre une mesure de la PAC et ses résultats, il convient de croiser différentes données et de prendre en considération des facteurs extérieurs. Nous avons examiné la biodiversité, l'une des quatre composantes de cet objectif (voir figure 1). Ni les États membres ni la Commission n'ont été en mesure de fournir des preuves tangibles d'un lien de causalité entre les normes relatives aux bonnes conditions agricoles et environnementales³² et le niveau de biodiversité³³. Des exemples de données probantes utilisées et de limites rencontrées lors de l'évaluation de la composante «biodiversité» sont présentés dans le tableau 3.

43 Il ressort d'une évaluation de 2019 qu'il n'a pas été possible de conclure sur l'évaluation globale de l'impact de la PAC sur la biodiversité en raison de l'absence de données de suivi adéquates³⁴. Plusieurs des indicateurs de suivi de la Commission ne sont pas régulièrement alimentés par des données. Par exemple, tous les États membres ne collectent et ne communiquent pas de données sur l'indicateur d'impact relatif au captage d'eau dans l'agriculture.

44 Une autre limite à l'évaluation de cet objectif environnemental réside dans le fait que l'on ne dispose pas de données exhaustives sur les quantités d'engrais et de pesticides utilisés sur les terres agricoles de l'UE. Depuis 2021, des données sur les quantités de pesticides utilisés sur les terres agricoles sont disponibles, mais pour moins de la moitié des États membres. La Commission et les évaluateurs ont utilisé les données du RICA sur les dépenses en engrais et en produits phytopharmaceutiques par hectare comme indicateur.

45 Les statistiques de l'UE sur les produits phytopharmaceutiques accessibles au public portent sur les quantités (kg) de substances actives contenues dans les produits phytopharmaceutiques vendus³⁵. Dans le rapport spécial 05/2020³⁶, nous avons signalé que le regroupement de ces substances actives selon la méthode requise par la législation de l'UE limite les informations qu'Eurostat peut publier ou même partager avec d'autres directions générales de la Commission. Les statistiques concernant l'utilisation de produits phytopharmaceutiques dans le cadre de l'activité agricole établies en application de la législation actuelle de l'UE ne sont pas comparables, et Eurostat n'a toujours pas publié, à ce jour, de statistiques à l'échelle de l'Union sur l'utilisation de ces produits.

Un développement territorial équilibré

46 Dans une évaluation de 2021³⁷, la Commission et les évaluateurs ont utilisé, pour le troisième objectif de la PAC, les indicateurs de réalisation de la PAC, les données de paiement du système CATS/COMBO, la base de données ARDECO de la DG REGIO et la base de données régionale d'Eurostat. La disponibilité limitée de données complètes, détaillées et à jour sur l'état socio-économique des zones rurales a compromis la fiabilité de l'évaluation³⁸. Les contractants ont affirmé que pour certains des principaux aspects sociétaux, les données étaient maigres et que, lorsqu'elles étaient disponibles, rares étaient celles qui étaient actualisées régulièrement. Elles étaient au contraire le plus souvent produites de manière ponctuelle dans le cadre de projets de recherche spécifiques³⁹. Dans certains cas, les évaluateurs avaient appliqué des indicateurs indirects. Globalement, les principales limites des analyses quantitatives qu'ils ont mis en avant sont la disponibilité et la qualité des indicateurs, ainsi que le manque de données concernant les petites régions.

47 À l'exception des données de paiement du système CATS/COMBO et des données du RICA relatives aux exploitations agricoles, la majorité des données que la Commission collecte auprès des États membres sont agrégées. Elle obtient donc un chiffre unique pour chaque État membre ou région. Cela limite la possibilité de reprendre ces données dans le cadre d'une nouvelle évaluation ou définition de la PAC. Pour certains aspects socio-économiques (l'inclusion sociale, par exemple), les données n'étaient disponibles qu'à l'échelle nationale ou leur résolution géographique était faible, ce qui est insuffisant pour l'analyse de la différenciation territoriale⁴⁰. Par ailleurs, les données de suivi de la PAC ne sont pas suffisamment précises pour que des analyses plus ciblées puissent être réalisées. Par exemple, des informations sur l'âge ou le sexe des bénéficiaires font défaut⁴¹. Ces données sont généralement disponibles dans les bases de données des États membres, mais la Commission n'y a pas accès.

La Commission ne dispose pas de suffisamment de données probantes pour évaluer les besoins de la PAC

48 En vertu des lignes directrices pour une meilleure réglementation, l'analyse d'impact qui accompagne la proposition législative devrait commencer par vérifier l'existence d'un problème⁴². Elle doit indiquer le raisonnement logique qui relie le problème à ses causes sous-jacentes et aux objectifs associés, et proposer un éventail d'options stratégiques permettant de s'attaquer au problème.

49 Afin d'examiner l'utilisation des données lors des phases de définition de la PAC ou de planification, nous avons étudié l'analyse d'impact qui accompagnait la proposition législative concernant la PAC après 2020⁴³ ainsi que divers documents de la Commission à l'appui de celle-ci. Nous avons décelé des faiblesses dans la fourniture de données pertinentes étayant la description du problème auquel la PAC vise à remédier au titre de l'objectif spécifique concernant les «revenus agricoles viables». Dans notre avis sur les propositions législatives concernant la PAC pour la période postérieure à 2020, nous avons indiqué que les données et arguments employés par la Commission pour étayer l'évaluation des besoins concernant le revenu des agriculteurs sont insuffisants⁴⁴. La Commission ne dispose pas d'informations sur le revenu des agriculteurs ou des ménages agricoles en dehors du secteur de l'agriculture, et les moyennes masquent une variation importante du niveau de revenu. De plus, dans notre rapport de 2021 sur l'intégration de la dimension de genre, nous avons mis en lumière que l'absence de statistiques sur le revenu des ménages agricoles et sur le revenu disponible des agriculteurs ventilées par sexe constituait en outre une lacune importante au moment d'examiner les effets des paiements directs sur l'égalité entre les hommes et les femmes⁴⁵.

50 Selon l'une de nos recommandations de 2018, «avant d'effectuer quelque proposition que ce soit concernant la future configuration de la PAC la Commission devrait évaluer la situation relative aux revenus de tous les groupes d'agriculteurs et analyser leurs besoins en matière de soutien au revenu», en prenant en considération des aspects tels que les revenus provenant de la production alimentaire et autre production agricole ainsi que d'autres sources non agricoles⁴⁶. La Commission a partiellement accepté cette recommandation, ajoutant que la PAC ciblait les agriculteurs qui exercent cette activité pour gagner leur vie. Une étude de 2015⁴⁷ sur le revenu des ménages agricoles a montré un déficit d'information majeur concernant les résultats de la PAC, car il n'existait aucun système statistique ou de suivi européen qui permette d'apprécier les revenus totaux des ménages agricoles et de les comparer avec d'autres groupes de la société. En février 2022, la Commission n'avait réalisé aucun progrès à cet égard.

51 Tous les trois à quatre ans, les États membres transmettent à Eurostat des données sur les autres activités lucratives des exploitations agricoles dans le cadre de l'«enquête sur la structure des exploitations agricoles». Les données de l'enquête indiquent si les autres activités lucratives constituent des activités principales ou secondaires de l'exploitant, mais pas la part de revenu qu'elles représentent ni la fourchette des revenus en question. Les dernières données publiées sur le site internet d'Eurostat concernent l'année 2016⁴⁸.

52 L'actuelle liste standard de variables RICA ne contient pas d'informations sur les revenus extra-agricoles, car l'enquête porte sur les exploitations agricoles, et non sur les exploitants. Les données relatives à l'impôt sur le revenu qui figurent dans les registres des autorités fiscales nationales sont insuffisantes, car elles ne contiennent pas d'informations sur les caractéristiques des exploitations agricoles, mais recensent par contre l'ensemble des revenus agricoles, y compris des personnes dont l'activité principale n'est pas l'agriculture⁴⁹.

53 Certains États membres (comme l'Irlande et les Pays-Bas) collectent des données sur les revenus extra-agricoles en utilisant les enquêtes nationales du RICA. Cela pourrait être un moyen de combler l'une des lacunes dans les données relatives aux revenus réels des agriculteurs. Les autorités irlandaises publient régulièrement des données qui concernent indirectement les revenus extra-agricoles, notamment l'existence d'emplois à l'extérieur de l'exploitation, le nombre de jours et d'heures travaillés en dehors de l'exploitation agricole et le secteur d'emploi.

La Commission a pris plusieurs initiatives pour mieux utiliser les données existantes, mais des obstacles subsistent

54 La Commission devrait prendre d'autres initiatives pour remédier aux faiblesses existantes et améliorer la collecte et le traitement des données destinées à évaluer la PAC et à guider l'élaboration de la future PAC. Ces initiatives devraient être mises en œuvre au regard du calendrier établi et des objectifs fixés. La Commission doit adapter et renforcer les sources de données existantes pour la nouvelle PAC. Elle devrait également rechercher et mobiliser de nouvelles sources de données afin de réduire la charge pesant sur les agriculteurs et les administrations, ce qui aurait en outre pour effet d'améliorer la base factuelle de la PAC⁵⁰.

55 Dans son plan d'action pour la stratégie interne en matière de données, la Commission s'est fixé des objectifs visant à garantir un accès aux données pertinentes pour la prise de décision et le fonctionnement de l'ensemble de l'organisation, ainsi qu'à favoriser l'utilisation de technologies modernes d'analytique des données afin de repérer les schémas et les tendances plus rapidement et plus efficacement.

56 Nous avons étudié les initiatives que la Commission a prises pour mieux utiliser les données et les nouvelles technologies disponibles afin de combler les lacunes et de relever les défis susmentionnés. Par ailleurs, nous avons examiné les projets de recherche financés par l'UE et les initiatives des États membres susceptibles de contribuer à l'analyse de la PAC et de combler certaines lacunes.

La Commission diversifie les sources de données et encourage le partage de données afin de combler les lacunes et de répondre aux besoins de données pour la PAC

57 En vertu de la stratégie interne de la Commission en matière de données, les sources de données internes et externes doivent être exploitées autant que possible afin d'obtenir des données probantes à l'appui des décisions. Les coûts et la charge administrative liés à la collecte de données supplémentaires pour le suivi de la PAC doivent être proportionnés aux besoins de données. Selon la boîte à outils pour une meilleure réglementation⁵¹, toutes les lacunes dans les données ne doivent pas nécessairement être comblées.

58 La Commission a commencé à mettre en pratique sa stratégie en matière de données en 2018. Les activités sont variées: création d'un inventaire de données (voir points 17 et 18), règles de gouvernance des données, analytique des données, formation et compétences. Fin 2020, la DG AGRI a créé un comité et un groupe de travail chargés de mettre en œuvre la stratégie. Depuis janvier 2022, elle s'est dotée d'une unité spécifique dédiée à la gouvernance des données afin d'améliorer la coordination de la gestion des données.

59 La Commission a pris plusieurs mesures susceptibles de contribuer à renforcer l'analyse de la PAC grâce à l'amélioration des infrastructures de données et à une meilleure utilisation de celles-ci pour la PAC (solutions numériques, outils électroniques, algorithmes, bonnes pratiques, etc.). Vous trouverez des exemples dans l'annexe.

60 Dans une évaluation de 2016 sur les statistiques agricoles⁵², Eurostat est parvenu à la conclusion que les statistiques en matière d'agriculture, de foresterie, d'utilisation des terres et d'environnement ne sont pas suffisamment harmonisées et manquent de cohérence. Cela s'explique notamment par le fait que la législation a été élaborée de façon cloisonnée, mais également par l'existence de différentes notions et définitions dans plusieurs domaines agricoles. Afin de remédier à ce problème, la Commission a introduit deux nouveaux règlements et modifié un règlement existant (voir figure 10).

61 En 2019, Eurostat a lancé un appel à propositions pour mettre en place un réseau d'instituts nationaux de statistique intéressés par la conception de méthodes visant à moderniser les statistiques agricoles. L'une des deux priorités concernait des activités de recherche de nouvelles sources de données pour les statistiques agricoles (mégadonnées, images satellites, informations géoréférencées, agriculture de précision, etc.), qui couvraient également les aspects liés à l'accès, à la confidentialité et à l'évaluation de la qualité. Aucune proposition n'a été reçue. Selon la Commission, les États membres expliquaient cela notamment par le fait qu'aucun des instituts nationaux de statistique ne disposait de ressources suffisantes pour mettre en place et coordonner un tel réseau.

62 Les autres initiatives visant à combler les lacunes dans les données relèvent de deux grandes catégories: le partage de données provenant d'États membres ou de parties prenantes, et l'ajout de nouvelles variables aux sources de données existantes.

63 Au titre du processus de la DG AGRI pour le partage des données du SIGC dans le cadre du projet INSPIRE, cette DG, en collaboration avec le JRC, la direction générale de l'environnement (DG Environnement) et la direction générale de l'action pour le climat (DG Action pour le climat), est en train de mettre en place un cadre et des procédures de soutien pour le partage de données géographiques à caractère non personnel du SIGC dans l'ensemble de l'UE. L'objectif est de faire en sorte que les données géographiques du SIGC soient facilement localisables, aisément accessibles (depuis un point d'entrée unique), et effectivement réutilisables dans un environnement politique cohérent (voir figure 11).

64 Dans la stratégie européenne pour les données⁵³, la Commission reconnaît l'importance du partage des données pour améliorer leur accessibilité. Elle y annonce son intention de mettre en place neuf espaces de données communs sectoriels à l'échelle de l'UE, parmi lesquels un «espace européen commun des données relatives au pacte vert» et un «espace européen commun des données relatives à l'agriculture». Ce dernier vise à faciliter le partage, le traitement et l'analyse des données relatives à la production, des données ouvertes, voire d'autres données publiques (comme celles relatives aux sols)⁵⁴.

65 La stratégie indique deux activités préparatoires spécifiques pour l'espace des données relatives à l'agriculture: faire le point sur l'expérience acquise avec le «code de conduite pour le partage des données agricoles»⁵⁵, établi par les parties prenantes, et faire le point sur les espaces de données agricoles existants en 2020 et au début de 2021. La Commission prévoit actuellement de réaliser ces activités dans le cadre du programme de travail pour l'Europe numérique 2021‑2022, qu'elle a approuvé en novembre 2021. Selon la Commission, l'espace de données sera intégré dans le programme de travail 2023‑2024. Un prototype pourrait être disponible en 2024, et le déploiement de cet espace se poursuivra les années suivantes.

66 Au titre de la stratégie «De la ferme à la table»⁵⁶, la Commission entend convertir le RICA en un réseau d'information durable agricole (FSDN), en vue de collecter des données au niveau de l'exploitation agricole sur les objectifs de la stratégie «De la ferme à la table» et de la stratégie en faveur de la biodiversité ainsi que sur d'autres indicateurs de durabilité. Elle a publié une feuille de route en juin 2021, et prévoit de présenter une proposition de règlement au deuxième trimestre 2022⁵⁷.

Mesures spécifiques dans le contexte de l'accent mis par la PAC 2023‑2027 sur l'amélioration des données de suivi

67 Hormis le passage du RICA au FSDN, la Commission ne prévoit aucun changement important concernant les principaux systèmes informatiques présentés à la figure 6. Toutefois, elle s'emploie à améliorer la fonctionnalité d'ARACHNE, un outil d'exploration de données que les États membres utilisent sur une base volontaire lors de leurs contrôles administratifs. Cet outil permet par exemple de détecter les projets ou les bénéficiaires susceptibles d'être exposés à des risques de fraude ou de conflits d'intérêts, mais son caractère facultatif peut limiter son utilité. L'efficacité de cet outil sur le plan de l'analytique des données dépend des données saisies. En d'autres termes, plus la quantité et la qualité des données téléversées sont importantes, plus les résultats obtenus grâce au système seront précis, complets et informatifs.

68 La DG AGRI recourt aux nouvelles technologies et aux données satellitaires pour améliorer les indicateurs de suivi. Par exemple, elle a introduit un nouvel indicateur d'impact aux fins du suivi des particularités topographiques pour la période 2023‑2027. La PAC 2014‑2020 ne prévoyait pas d'indicateur d'impact topographique, ce qui a limité l'évaluation de l'impact de cette politique sur les habitats, les paysages et la biodiversité (voir tableau 3). En ce qui concerne le nouvel indicateur (part des terres agricoles abritant des particularités topographiques), la Commission utilisera les données provenant du service Copernicus de surveillance des terres, qui contient des informations sur les haies linéaires et les scrubs, les rangées d'arbres ainsi que les parcelles isolées plantées d'arbres.

69 Pour la PAC 2023‑2027, la Commission définira un nouveau cadre comprenant un acte d'exécution pour la réception de données sur les différentes opérations de suivi, d'évaluation et de définition de la politique. La Commission affirme qu'elle s'efforcera de résoudre le problème de la désagrégation des données en collectant les différentes données relatives à la demande d'aide ou de paiement ainsi que des informations sur le bénéficiaire et son exploitation agricole/entreprise.

Des initiatives de recherche étudient les possibilités de modernisation des données et des outils

70 Dans le cadre du programme Horizon 2020 (H2020), la Commission finance des projets de recherche et d'innovation. Nous avons recensé un certain nombre de projets relevant du programme H2020 et d'autres projets de recherche, récents ou en cours, qui pourraient contribuer à l'amélioration des infrastructures de données ainsi que de l'utilisation de celles-ci (solutions numériques, outils électroniques, algorithmes, etc.), nécessaire à l'obtention de meilleures données pour la PAC (voir figure 12). Certains projets (les projets NIVA et Sen4CAP, par exemple) ont déjà produit des résultats pertinents, qui pourraient s'avérer utiles pour les futures évolutions de la PAC.

71 Le projet NIVA (New IACS Vision in Action) s'attaque à certaines limites du SIGC (voir points 28 et 29) et vise notamment à réduire la charge administrative et à exploiter le potentiel des données. L'objectif est de moderniser le SIGC en utilisant de manière efficiente les solutions numériques et les outils électroniques, ce qui permettra d'obtenir des méthodes fiables et des ensembles de données harmonisés pour le suivi des performances agricoles.

72 Un autre projet financé par l'UE, FLINT (Farm-Level Indicators for New Topics in policy evaluation), visait à remédier à l'écart entre les besoins aux fins de l'évaluation de la PAC et les statistiques agricoles disponibles⁵⁸. Ce projet pourrait s'avérer utile pour la révision prévue du RICA, car il couvrait les indicateurs de durabilité et le réseau lui a servi de cadre. Il proposait 33 thèmes ou indicateurs relatifs aux aspects environnementaux, sociaux, économiques et liés à l'innovation à collecter à l'avenir⁵⁹. Dans sa feuille de route⁶⁰, la Commission a indiqué que le passage au FSDN s'appuierait sur le projet FLINT. En février 2022, il était cependant encore trop tôt pour évaluer cette affirmation.

Les États membres prennent leurs propres initiatives en matière de données pour la PAC

73 Notre enquête auprès des 27 États membres a révélé que la majorité d'entre eux reconnaissaient la valeur ajoutée de l'analytique avancée, la plupart ayant sélectionné parmi les éléments proposés la prise de décision plus rapide, l'analyse prédictive et transversale, la réduction des coûts ainsi que la communication plus efficace avec les agriculteurs et les parties prenantes.

74 Dans leurs réponses à notre enquête, plus de la moitié des États membres ont indiqué que s'ils pouvaient avoir recours à un soutien en faveur de leur utilisation des mégadonnées, leurs besoins les plus importants seraient les suivants: un financement accru par la Commission d'outils informatiques et de projets d'analytique des données (67 %), des orientations/manuels supplémentaires (56 %), et un soutien au développement de nouvelles méthodologies ou de la normalisation (52 %). Un nombre plus restreint d'États membres ont déclaré avoir besoin d'un soutien en faveur de technologies analytiques (48 %), de solutions d'accès aux données (41 %) et d'un soutien à la recherche et aux projets de recherche communs (48 %).

75 Notre enquête et les entretiens qui ont suivi ont montré des différences dans la manière dont les États membres intègrent les nouvelles sources de données et les techniques avancées d'analytique de données. Des exemples des mesures prises par les États membres sont présentés dans l'encadré 4 et l'encadré 5.

Certaines difficultés et lacunes importantes dans les données appellent encore des actions

76 La Commission admet que le croisement des sources de données existantes constitue un défi majeur. Il convient en effet de veiller à l'existence de données appropriées pour l'évaluation de la PAC⁶¹. Elle s'emploie à réutiliser les données du SIGC et à élargir le RICA, mais n'a encore entrepris de mesures spécifiques ni pour combler les lacunes dans les données en ce qui concerne les sources de revenu des agriculteurs autres que l'agriculture (les «revenus extra-agricoles»), ni pour croiser les différentes sources de données désagrégées afin d'accroître l'utilité des données qui ont déjà été collectées.

77 La Commission a indiqué qu'il était nécessaire de disposer d'un identifiant commun unique pour les entreprises (exploitations) agricoles qui permettrait de relier les données relatives aux exploitations agricoles provenant de différentes sources (registres administratifs et enquêtes, par exemple)⁶². Cet identifiant devrait être compatible avec les différents systèmes des États membres et les structures complexes et multiples des exploitations, qui peuvent comprendre plusieurs sites. Cela requiert une définition commune de la notion d'exploitation agricole, définition qui a une incidence sur les indicateurs financiers comme le revenu agricole⁶³. Un identifiant unique permettrait d'accroître l'accessibilité des données et de fournir des informations plus fiables sur l'incidence de la PAC. En février 2022, l'élaboration d'un tel identifiant n'avait pas commencé.

78 Les données relatives aux exploitations agricoles provenant de systèmes et d'applications de gestion constituent une nouvelle source d'informations précieuse. Il existe de nombreuses solutions commerciales offrant une large gamme de services numériques pour la tenue de registres, la surveillance sur le terrain et le suivi des activités, et maints aspects des activités agricoles peuvent être améliorés par ces applications (voir exemple dans l'encadré 6). La Commission ignore combien d'agriculteurs utilisent un logiciel de gestion d'exploitation agricole, mais la campagne de statistiques intégrées sur les exploitations agricoles⁶⁴ prévue pour 2023 pourrait permettre d'en savoir davantage sur l'utilisation de systèmes d'information de gestion et d'équipements agricoles de précision.

79 L'utilisation d'un carnet numérique, dans lequel les agriculteurs consignent leurs activités, constituerait une avancée vers la numérisation des exploitations agricoles et vers l'amélioration du suivi de la consommation de pesticides et d'engrais et de leur incidence sur l'eau et les sols. La plateforme FaST (Farm Sustainability Tool for Nutrients, outil de gestion des nutriments pour une agriculture durable) proposée par la Commission est un outil à l'architecture flexible qui permet une analytique moderne et une interopérabilité avec de nombreuses sources de données. FaST repose sur plusieurs sources de données, qui peuvent être connectées (sources en direct) ou importées (sources statiques) sur la plateforme. Afin que les agriculteurs puissent avoir accès à leurs propres données, FaST se connecte au SIGC régional/national (ou au registre agricole équivalent), où sont stockées les données des agriculteurs.

80 L'agriculture de précision peut constituer une précieuse source de données⁶⁵: sur l'humidité et les nutriments du sol provenant de capteurs et de machines, mais aussi concernant l'utilisation de pesticides dans une zone géographique spécifique. Le projet NIVA mentionné précédemment étudie les possibilités de relier un registre agricole électronique au SIGC. Il vise également à intégrer les données relatives aux machines/à l'agriculture de précision dans le SIGC. Il faudra cependant surmonter des obstacles tels que le large éventail de machines agricoles et le manque d'harmonisation.

81 Il peut être difficile d'accéder aux différentes données nécessaires à l'analyse de la PAC, et il n'existe aucun cadre juridique ou technique pour l'utilisation d'informations commerciales aux fins de cette analyse. Selon une étude⁶⁶, les agriculteurs sont peu disposés à partager les données en raison notamment du risque qu'elles le soient à d'autres fins, de l'absence de définition claire des «données à caractère personnel», et de la résistance globale aux technologies modernes de plateformes de données. Au titre de la PAC 2023‑2027, des services de conseil agricole couvrant les technologies numériques doivent être proposés aux agriculteurs⁶⁷.

82 Les principaux défis en matière de données auxquels la Commission est confrontée, et notre évaluation de la mesure dans laquelle ceux-ci ont été relevés, sont présentés de manière synthétique à la figure 13.

83 Notre examen documentaire de pratiques comparables en dehors de l'UE a porté sur trois pays tiers: l'Australie, le Japon et les États-Unis. Ces pays rendent publiques des informations sur l'intégration de techniques de données modernes dans l'agriculture. Certaines de leurs initiatives sont présentées dans l'encadré 7.

Conclusions et recommandations

84 Nous avons examiné si la Commission faisait bon usage des données et de l'analytique des données aux fins de l'analyse de la politique agricole commune (PAC). Cette politique a des objectifs nombreux, complexes et interdépendants. Pour pouvoir déterminer si les instruments de la PAC sont pertinents, et s'ils contribuent efficacement à la réalisation de ces objectifs, il convient de disposer de données et d'informations provenant d'un large éventail de sources, tant internes qu'externes.

85 Nous avons constaté que même si la Commission utilise de nombreuses données sur les aspects économiques, environnementaux, climatiques et sociaux, il existe des domaines dans lesquels les données et les outils de traitement actuels ne permettent pas de disposer d'éléments d'information importants, nécessaires à une élaboration éclairée de la PAC (points 16 à 53). La Commission a pris plusieurs initiatives pour améliorer l'usage des données existantes (points 57 à 69), mais celles-ci ne sont disponibles que tardivement (point 41), et d'autres obstacles subsistent (points 76 à 81).

86 Les principaux obstacles rencontrés lors de la collecte et du traitement des données sont les suivants:

• absence de collecte de certaines données, notamment sur les intrants agricoles (par exemple, la quantité de pesticides chimiques et non chimiques utilisés, la quantité d'engrais minéraux/organiques appliqués et les cultures concernées), et sur les pratiques agricoles qui ont un impact environnemental (voir tableau 3 et points 42 à 45);
• inaccessibilité des données: les informations relatives aux exploitations agricoles sont détenues, gérées et stockées dans le système intégré de gestion et de contrôle (SIGC) des États membres, auquel la Commission a un accès limité (voir points 27 à 29);
• agrégation excessive: la Commission reçoit des États membres principalement des données agrégées, ce qui limite le bénéfice qu'elle peut en tirer (voir tableau 2 et point 47);
• limites dans le croisement des données issues de différentes sources, en raison par exemple de l'absence d'identifiant commun (voir point 24).

87 Par conséquent, la Commission a une connaissance imparfaite de la situation de référence ou de l'incidence de la PAC dans des domaines tels que les revenus extra-agricoles des agriculteurs, les informations/pratiques environnementales et le développement socio-économique. Ces lacunes compromettent la qualité des données probantes disponibles pour certaines évaluations (voir points 39 à 47) et analyses d'impact (voir points 48 à 53).

Recommandation n° 1 – Établir un cadre de référence pour l'utilisation des données désagrégées provenant du SIGC

La Commission devrait établir un cadre technique et administratif de référence pour le partage et la réutilisation des données désagrégées provenant du SIGC (en plus de celles nécessaires à l'élaboration des rapports annuels de performance) afin de pouvoir suivre, évaluer puis définir la politique. À cet égard, il conviendrait de respecter les principes d'efficience et, ainsi, de réduire au minimum la charge et les coûts administratifs qui incombent aux bénéficiaires et aux autorités des États membres.

Quand? D'ici fin 2024.

Recommandation n° 2 – Élargir et diversifier les sources de données disponibles afin de répondre aux besoins de la PAC

La Commission devrait remédier aux lacunes dans les données recensées dans le cadre des évaluations de la PAC 2014‑2020 et de l'analyse d'impact de la PAC après 2020:

1. en recourant davantage aux sources de données existantes (données administratives, enquêtes statistiques et données Copernicus, par exemple), en examinant de nouvelles sources de données ou en croisant les sources de données existantes;
2. en étudiant la possibilité de recourir à des indicateurs ou à des sources de données indirectes lorsqu'il n'est pas possible d'utiliser des sources directes pour évaluer les éléments ou indicateurs clés;
3. en évaluant la possibilité d'utiliser à plus grande échelle les données liées aux machines agricoles.

Quand? D'ici fin 2025.

88 Au sein de la Commission, la direction générale de l'agriculture et du développement rural a un accord avec le JRC pour l'analyse des données et la recherche de moyens de faire un meilleur usage des données existantes. Sur la base de cet accord, la Commission utilise une analyse quantitative et des modèles sophistiqués pour l'analyse de la PAC. Cependant, la direction générale de l'agriculture et du développement rural n'a pas recours à des techniques reposant sur les mégadonnées pour l'analytique textuelle, l'exploration de textes ou l'extraction automatisée proprement dite. Le remplacement de procédures manuelles et chronophages par des outils automatisés présente des avantages potentiels (voir points 19 et 25, ainsi qu'encadré 2).

89 Il existe à l'échelle de l'UE plusieurs initiatives, dont certaines sont financées par l'Union au titre d'«Horizon 2020» ou d'autres programmes, qui étudient les possibilités de moderniser les données et les outils informatiques pour la définition, le suivi et l'évaluation de la PAC. Certaines de ces initiatives ont déjà donné des résultats dans le domaine de l'interopérabilité et permis d'obtenir de nouveaux indicateurs plus complets. Les projets ne sont pas tous au même stade, et traitent parfois de questions similaires sous des angles différents (points 70 à 75). La Commission n'a pas encore recensé les éléments qui pourraient être mis en pratique pour la PAC.

90 La Commission est donc encore loin d'avoir intégré l'analytique avancée et des outils associés efficients dans les systèmes et/ou autres solutions informatiques de traitement automatisé des données (notamment en remplaçant les procédures manuelles ou non reproductibles), et elle pourrait faire un bien meilleur usage des actifs de données (en améliorant les résultats du traitement des données, par exemple) aux fins de l'analyse de la PAC.

Le présent rapport a été adopté par la Chambre I, présidée par Joëlle Elvinger, Membre de la Cour des comptes, à Luxembourg en sa réunion du 18 mai 2022.

Annexe – Sélection d'actions et d'ambitions de la Commission liées aux données

 – réalisée  – trop tôt pour évaluer l'ambition/action ou retard de moins d'un an  – retard de plus d'un an

Sigles, acronymes et abréviations

AMS: Area Monitoring System (système de suivi des surfaces)

ATLAS: Agricultural Interoperability and Analysis System (système d'interopérabilité et d'analyse agricoles)

CATS: Clearance of Accounts Audit Trail System (système de piste d'audit relatif à l'apurement des comptes)

CROP-CASMA: Crop Condition and Soil Moisture Analytics (analyse de l'état des cultures et de l'humidité du sol)

FaST: Farm Sustainability Tool for Nutrients (outil de gestion des nutriments pour une agriculture durable)

FSDN: Farm Sustainability Data Network (réseau d'information durable agricole, ou réseau d'information sur la durabilité des exploitations agricoles)

IFM-CAP: Individual Farm Model for the Common Agricultural Policy (modèle agricole individuel pour la politique agricole commune)

IFS: Integrated Farm Statistics (statistiques intégrées sur les exploitations agricoles)

ISAMM: Information System for Agricultural Market Management (système informatique pour la gestion et le contrôle des marchés agricoles)

LUCAS: Land Use/Land Cover Area Frame Survey (enquête aréolaire sur l'utilisation/l'occupation des sols)

MEF4CAP: Monitoring and Evaluation Frameworks for the Common Agricultural Policy (cadres de suivi et d'évaluation de la politique agricole commune)

RICA: réseau d'information comptable agricole

SEN4CAP: projet intitulé «Sentinels for Common Agricultural Policy»

SFC: System for Fund Management (système de gestion des fonds)

SIGC: système intégré de gestion et de contrôle

SIPA: statistiques sur les intrants et les produits agricoles

SIPA: système d'identification des parcelles agricoles

Glossaire

Actif de données: système, application ou base de données informatique détenus par une entité.

Analyse des données: processus de collecte, de modélisation et d'examen des données qui vise à extraire des informations nécessaires à la prise de décision.

Analytique avancée: utilisation de méthodes de haute technologie telles que la modélisation prédictive et l'apprentissage automatique pour analyser les mégadonnées.

Analytique des données: science d'analyse des données utilisant des méthodes de calcul systématiques afin de produire des informations.

Apprentissage profond: technique d'intelligence artificielle qui consiste à former un système logiciel en utilisant des millions d'exemples.

Base de données: ensemble structuré de données conservées électroniquement et disponibles à des fins de consultation et d'extraction.

Données géographiques: données se rapportant à un emplacement ou à une zone géographique spécifique et à ses caractéristiques naturelles ou artificielles.

Données non structurées: informations conservées dans leur format d'origine sans catégorisation ni organisation prédéfinie, ce qui rend leur analyse souvent plus complexe. Il peut s'agir d'informations quantitatives et qualitatives, telles que des images, du texte, des dates, des courriels ou des nombres.

Données structurées: informations quantitatives normalisées qui suivent une structure de données prédéfinie, ce qui facilite leur analyse.

Données: faits, mesures ou observations objectifs et concrets qui doivent être traités pour générer des informations.

Enquête aréolaire sur l'utilisation/l'occupation des sols (LUCAS): enquête régulière et harmonisée réalisée sur place dans tous les États membres de l'UE afin de collecter des informations sur la manière dont les sols sont utilisés et ce qui y est cultivé, comprenant une analyse du sol sous-jacent.

Interopérabilité: capacité d'un système de communiquer et de fonctionner avec d'autres systèmes, notamment en échangeant des données.

Lacune dans les données: indisponibilité de données pourtant requises pour une finalité précise.

Mégadonnées: ensembles de données au volume, à la vélocité et à la variété (les trois V) toujours plus importants. Les mégadonnées sont souvent peu structurées.

Réutilisabilité des données: facilité avec laquelle des données collectées pour une finalité spécifique peuvent être utilisées pour une autre finalité.

Réponses de la Commission

https://www.eca.europa.eu/fr/Pages/DocItem.aspx?did=61415

Calendrier

https://www.eca.europa.eu/fr/Pages/DocItem.aspx?did=61415

Équipe d'audit

Les rapports spéciaux de la Cour présentent les résultats de ses audits relatifs aux politiques et programmes de l'UE ou à des questions de gestion concernant des domaines budgétaires spécifiques. La Cour sélectionne et conçoit ces activités d'audit de manière à maximiser leur impact en tenant compte des risques pour la performance ou la conformité, du niveau des recettes ou des dépenses concernées, des évolutions escomptées ainsi que de l'importance politique et de l'intérêt du public.

L'audit de la performance objet du présent rapport a été réalisé par la Chambre I (Utilisation durable des ressources naturelles), présidée par Joëlle Elvinger, Membre de la Cour. L'audit a été effectué sous la responsabilité de Joëlle Elvinger, Membre de la Cour, assistée de: Liia Laanes, cheffe de mission; Dimitrios Maniopoulos, chef de mission adjoint; Ildikó Preiss, cheffe de cabinet; Paolo Pesce et Charlotta Törneling, attachés de cabinet; Emmanuel Rauch, manager principal; Claudia Albanese, auditrice spécialiste en sciences des données; Marika Meisenzahl, auditrice également chargée de la conception graphique; Michał Szwed, auditeur. L'assistance linguistique a été assurée par Mark Smith.

Notes

¹ Article 39 du traité sur le fonctionnement de l'Union européenne.

² Boîte à outils pour une meilleure réglementation, 2021, p. 20.

³ Höchtl, J., Parycek, P., et Schöllhammer, R., «Big data in the policy cycle: Policy decision making in the digital era», Journal of Organizational Computing and Electronic Commerce, vol. 26, n° 1-2, 2016, p. 147 à 169.

⁴ OCDE: Digital Opportunities for Better Agricultural Policies, Éditions de l'OCDE, 2019, p. 13.

⁵ C(2016) 6626, communication intitulée «Gestion des données, des informations et des connaissances à la Commission européenne».

⁶ COM(2020) 66.

⁷ COM(2020) 767.

⁸ Article 110 du règlement (UE) n° 1306/2013.

⁹ Boîte à outils pour une meilleure réglementation, p. 20.

¹⁰ Exposé des motifs du document COM(2016) 786.

¹¹ Article 68 du règlement (UE) n° 1306/2013.

¹² Articles 67 à 78 du règlement (UE) n° 1306/2013.

¹³ Digitalisation of European reporting, monitoring and audit, service de recherche du Parlement européen, septembre 2021.

¹⁴ NIVA roadmap for IACS transformation, p. 24.

¹⁵ Éléments livrables des projets NIVA et IoF2020, documents relatifs aux projets ATLAS et DEMETER; Digitalisation of European reporting, monitoring and audit, service de recherche du Parlement européen, septembre 2021.

¹⁶ Rapport annuel d'activités de la DG AGRI, annexe 2, p. 25.

¹⁷ Rapport spécial n° 04/2020 – Nouvelles technologies d'imagerie et suivi de la politique agricole commune: des progrès constants dans l'ensemble, quoique plus lents dans le domaine de l'environnement et du climat.

¹⁸ Ibidem, recommandation n° 2.

¹⁹ Règlement n° 79/65/CEE du Conseil.

²⁰ Réseau d'information comptable agricole.

²¹ European Evaluation Helpdesk, Best Use of FADN for the Assessment of RDP Effects on Fostering the Competitiveness in Agriculture, 2021, p. 9.

²² Commission européenne, EU Farm Economics Overview based on 2015 (and 2016) FADN data, 2018, p. 5.

²³ Lignes directrices pour une meilleure réglementation, p. 6 et 26.

²⁴ Boîte à outils pour une meilleure réglementation, p. 572.

²⁵ Article 110 du règlement (UE) n° 1306/2013.

²⁶ Lignes directrices pour une meilleure réglementation, p. 45.

²⁷ En ce qui concerne le développement rural, annexe IV du règlement d'exécution (UE) n° 808/2014.

²⁸ Boîte à outils pour une meilleure réglementation, chapitre VIII – Outil 68.

²⁹ Document SWD(2021) 115, p. 20.

³⁰ Dumangane, M. et al., An Evaluation of the CAP impact: a discrete policy mix analysis, 2021.

³¹ Evaluation support study on ‘viable food production', p. 30 à 32.

³² Annexe II du règlement (UE) nº 1306/2013.

³³ Rapport spécial 13/2020 – Biodiversité des terres agricoles: la contribution de la PAC n'a pas permis d'enrayer le déclin, points 48 à 50.

³⁴ Étude d'évaluation de l'impact de la PAC sur les habitats, les paysages et la biodiversité, Résumé, 2019.

³⁵ Rapport spécial 05/2020 – Utilisation durable des produits phytopharmaceutiques: des progrès limités en matière de mesure et de réduction des risques.

³⁶ Ibidem.

³⁷ Évaluation de l'impact de la PAC sur le développement territorial équilibré des zones rurales.

³⁸ Document SWD(2021) 394.

³⁹ Étude de soutien à l'évaluation de l'impact de la PAC sur le développement territorial équilibré des zones rurales, 2020.

⁴⁰ Étude de soutien à l'évaluation de l'impact de la PAC sur le développement territorial équilibré des zones rurales, 2020.

⁴¹ Document SWD(2021) 394 et étude de soutien à l'évaluation de l'impact de la PAC sur le développement territorial équilibré des zones rurales et leurs conditions socio-économiques; rapport spécial 10/2021 – Intégration de la dimension de genre dans le budget de l'UE: il est temps de joindre l'acte à la parole, point 90.

⁴² Lignes directrices pour une meilleure réglementation, p. 10.

⁴³ Document SWD(2018) 301.

⁴⁴ Avis n° 7/2018, point 2.

⁴⁵ Rapport spécial 10/2021 – Intégration de la dimension de genre dans le budget de l'UE: il est temps de joindre l'acte à la parole, points 89 et 90.

⁴⁶ Rapport spécial n° 10/2018 – Régime de paiement de base en faveur des agriculteurs – le système fonctionne, mais il a un impact limité sur la simplification, le ciblage et la convergence des niveaux d'aide, recommandation n° 3.

⁴⁷ Hill, B., et Dylan Bradley, B., «Comparaison des revenus des agriculteurs dans les États membres de l'Union», 2015. Étude réalisée pour le compte du Parlement européen.

⁴⁸ Ensemble de données sur les autres activités lucratives (ef_oga_main).

⁴⁹ Hansen, H., et Forstner, B., «A differentiated look at the economic situation of German farmers», présentation lors de la 27^e réunion du réseau pour l'analyse au niveau de l'exploitation de l'OCDE, 2021.

⁵⁰ Document SWD(2018) 301, p. 51.

⁵¹ Boîte à outils pour une meilleure réglementation, p. 363.

⁵² Document SWD(2017) 96, Evaluation accompanying the document «Strategy for Agricultural Statistics 2020 and beyond and subsequent potential legislative scenarios».

⁵³ COM(2020) 66.

⁵⁴ C(2021) 7914, Annex to the Commission Implementing Decision on the financing of the Digital Europe Programme and the adoption of the multiannual work programme for 2021‑2022, p. 54.

⁵⁵ Code de conduite de l'UE relatif au partage des données agricoles par accord contractuel.

⁵⁶ COM(2020) 381.

⁵⁷ Feuille de route: Passage à un réseau d'information durable agricole (FSDN).

⁵⁸ Poppe, K., Vrolijk, H., Dolman, M., et Silvis, H., «FLINT – Farm-level Indicators for New Topics in policy evaluation: an introduction», Studies in Agricultural Economics, vol. 118, 2016, p. 116-122.

⁵⁹ Final report summary of FLINT project.

⁶⁰ Feuille de route: Passage à un réseau d'information durable agricole (FSDN).

⁶¹ Document SWD(2018) 301, première partie, p. 51.

⁶² Voir, par exemple, la Stratégie pour les statistiques agricoles à l'horizon 2020 et au-delà, p. 8, 12, 16 et 17.

⁶³ Poppe, K. J., et Vrolijk, H. C. J., How to measure farm income in the era of complex farms, document élaboré en vue de sa présentation lors du 171^e séminaire de l'Association européenne des économistes agricoles, 2019.

⁶⁴ Règlement d'exécution (UE) 2021/2286 de la Commission.

⁶⁵ Punt, T., et Snijkers, G., Exploring precision farming data: a valuable new data source? A first orientation, 2020. Document présenté lors de l'atelier de la Commission économique des Nations unies pour l'Europe de 2019 sur la collecte de données statistiques intitulé «New sources and New technologies».

⁶⁶ Internet of Food and Farm 2020, Policy Recommendations from IoF2020.

⁶⁷ Article 15 du règlement (UE) 2021/2115.

⁶⁸ Agricultural Data Integration Project.

⁶⁹ Hughes, N., et al., The Agricultural Data Integration Project, rapport de recherche ABARES, Canberra, 2020.

⁷⁰ Digital Opportunities for Better Agricultural Policies, OCDE, 2019.

⁷¹ Page web WAGRI.

⁷² Guide d'utilisation de Crop-CASMA.

Contact

COUR DES COMPTES EUROPÉENNE
12, rue Alcide De Gasperi
1615 Luxembourg
LUXEMBOURG

Tél. +352 4398-1
Contact: eca.europa.eu/fr/Pages/ContactForm.aspx
Site internet: eca.europa.eu
Twitter: @EUAuditors

De nombreuses autres informations sur l’Union européenne sont disponibles sur l’internet via le serveur Europa (https://europa.eu).

Luxembourg: Office des publications de l’Union européenne, 2022

PDF	ISBN 978-92-847-8271-0	ISSN 1977-5695	doi:10.2865/586021	QJ-AB-22-014-FR-N
HTML	ISBN 978-92-847-8260-4	ISSN 1977-5695	doi:10.2865/681118	QJ-AB-22-014-FR-Q

DROITS D'AUTEUR

© Union européenne, 2022

La politique de réutilisation de la Cour des comptes européenne est définie dans la décision n° 6-2019 de la Cour des comptes européenne sur la politique d'ouverture des données et la réutilisation des documents.

Sauf indication contraire (par exemple dans une déclaration distincte concernant les droits d'auteur), le contenu des documents de la Cour, qui appartient à l'UE, fait l'objet d'une licence Creative Commons Attribution 4.0 International (CC BY 4.0). Ainsi, en règle générale, vous pouvez en réutiliser le contenu à condition de mentionner la source et d'indiquer les modifications éventuelles que vous avez apportées. Si vous réutilisez du contenu de la Cour des comptes européenne, vous avez l'obligation de ne pas altérer le sens ou le message initial des documents. La Cour des comptes européenne ne répond pas des conséquences de la réutilisation.

Vous êtes tenu(e) d'obtenir une autorisation supplémentaire si un contenu spécifique représente des personnes physiques identifiables, comme par exemple sur des photos des agents de la Cour, ou contient des travaux de tiers.

Lorsqu'une telle autorisation a été obtenue, elle annule et remplace l'autorisation générale susmentionnée et doit clairement indiquer toute restriction d'utilisation.

Pour utiliser ou reproduire des contenus qui n'appartiennent pas à l'UE, il peut être nécessaire de demander l'autorisation directement aux titulaires des droits d'auteur.

Figures 1, 4, 8 et 11: Freepik Company S.L. Tous droits réservés.

Logos de la figure 12: Tous droits réservés.

Les logiciels ou documents couverts par les droits de propriété industrielle tels que les brevets, les marques, les modèles déposés, les logos et les noms, sont exclus de la politique de réutilisation de la Cour des comptes européenne.

La famille de sites internet institutionnels de l'Union européenne relevant du domaine europa.eu fournit des liens vers des sites tiers. Étant donné que la Cour n'a aucun contrôle sur leur contenu, vous êtes invité(e) à prendre connaissance de leurs politiques respectives en matière de droits d'auteur et de protection des données.

Utilisation du logo de la Cour des comptes européenne

Le logo de la Cour des comptes européenne ne peut être utilisé sans l'accord préalable de celle-ci.

COMMENT PRENDRE CONTACT AVEC L'UNION EUROPÉENNE?

En personne
Dans toute l'Union européenne, des centaines de centres d'information Europe Direct sont à votre disposition. Pour connaître l'adresse du centre le plus proche, visitez la page suivante: https://europa.eu/european-union/contact_fr

Par téléphone ou courrier électronique
Europe Direct est un service qui répond à vos questions sur l'Union européenne. Vous pouvez prendre contact avec ce service:

• par téléphone:
• via un numéro gratuit: 00 800 6 7 8 9 10 11 (certains opérateurs peuvent facturer ces appels),
• au numéro de standard suivant: +32 22999696 ou
• par courrier électronique, à partir de la page internet suivante: https://europa.eu/european-union/contact_fr

COMMENT TROUVER DES INFORMATIONS SUR L'UNION EUROPÉENNE?

En ligne
Des informations sur l'Union européenne sont disponibles, dans toutes les langues officielles de l'UE, sur le site internet Europa à l'adresse https://europa.eu/european-union/index_fr

Publications de l'Union européenne
Vous pouvez télécharger ou commander des publications gratuites et payantes à l'adresse https://op.europa.eu/fr/publications. Vous pouvez obtenir plusieurs exemplaires de publications gratuites en contactant Europe Direct ou votre centre d'information local (https://europa.eu/european-union/contact_fr).

Droit de l'Union européenne et documents connexes
Pour accéder aux informations juridiques de l'Union, y compris à l'ensemble du droit de l'UE depuis 1951 dans toutes les versions linguistiques officielles, consultez EUR-Lex à l'adresse suivante: https://eur-lex.europa.eu

Données ouvertes de l'Union européenne
Le portail des données ouvertes de l'Union européenne (https://data.europa.eu/fr) donne accès à des ensembles de données provenant de l'UE. Les données peuvent être téléchargées et réutilisées gratuitement, à des fins commerciales ou non commerciales.