01 / Projet & questions
Comprendre vingt ans de prix alimentaires au Cameroun avant d’essayer de les prévoir.
Le jeu de données du Programme alimentaire mondial contient 66 100 observations valides, de janvier 2005 à février 2025, réparties sur 83 marchés, 55 produits et 9 régions. L’objectif était de comprendre comment les prix évoluent dans le temps, où les écarts sont les plus marqués, quels produits sont les plus instables et si une saisonnalité se dégage.
observations de prix exploitables
janvier 2005 à février 2025
dans 9 régions du Cameroun
La partie prévision vient seulement à la fin. Avant cela, le projet cherche d’abord à expliquer ce que les données historiques montrent réellement.
02 / Préparation
Rendre les dates, prix et catégories comparables avant toute conclusion.
J’ai nettoyé les dates, converti les prix USD en valeurs numériques et vérifié la couverture du jeu de données. L’analyse exploratoire des données, ou EDA, sert ici à repérer les valeurs manquantes, les différences de couverture entre marchés et produits et la dispersion des prix.
Nettoyer
Conserver les observations exploitables et harmoniser les types.
Agréger
Regrouper selon la question : mois, produit, marché ou région.
Comparer
Lire tendances, dispersion, géographie et saisonnalité sans mélanger des niveaux différents.
Cette préparation permet ensuite de passer d’un simple historique de prix à des constats interprétables.
03 / Ce que l’analyse révèle
Les prix ne suivent pas une dynamique unique : produit, unité, lieu et période changent fortement la lecture.
Pour rendre les comparaisons plus solides, les graphiques ci-dessous évitent de comparer directement des prix absolus provenant d’unités différentes. Les trajectoires sont indexées, la volatilité est rapportée à la médiane et la saisonnalité est normalisée par série produit × marché.
L’indexation à 100 au début de 2020 rend les trajectoires comparables malgré des unités différentes. Elle montre surtout que les produits ne réagissent pas de la même manière aux mêmes années.
Sur les produits exprimés en KG et suffisamment observés, l’IQR rapporté à la médiane fait ressortir notamment l’igname, le tilapia salé/séché, le manioc en cossettes et le taro. Cette mesure compare la dispersion relativement au niveau de prix propre à chaque produit.
Après normalisation produit × marché, juillet et août se situent légèrement au-dessus du niveau habituel, tandis qu’octobre et novembre sont plus bas. Cela suggère un cycle saisonnier, sans suffire à attribuer causalement le mouvement aux récoltes ou aux pluies.
04 / Prévision exploratoire
Prophet prolonge les séries, mais l’incertitude est aussi un résultat.
Prophet est un modèle de séries temporelles qui combine tendance et saisonnalité. Dans ce projet, il a été appliqué séparément au maïs, au riz importé et à l’huile.
Tendance faible, incertitude large
La série présente un pic ancien puis une baisse. La prolongation 2025 est plutôt plate, mais l’intervalle d’incertitude reste large : le modèle ne donne donc pas un signal suffisamment solide pour une prévision précise.
Légère hausse possible, mais fragile
Après un pic autour de 2020 puis une baisse, Prophet suggère une remontée modérée. La bande d’incertitude reste toutefois large, ce qui limite la confiance dans cette direction.
La trajectoire la plus régulière des trois
La série montre une progression plus régulière avant de se stabiliser. La prévision obtenue est plus stable que pour le maïs et le riz, tout en restant exploratoire.
Prévoir ne signifie pas savoir
Les intervalles autour de la courbe centrale sont essentiels : ils montrent que certaines séries sont beaucoup moins prévisibles que d’autres.
Ces graphiques sont utiles pour explorer la direction des séries. Une version dédiée au forecasting devrait ensuite travailler explicitement à fréquence mensuelle et mesurer la performance sur une période tenue à l’écart.
05 / Limites
Les résultats décrivent le jeu de données disponible, pas un indice officiel des prix.
- La couverture s’arrête en février 2025 : les analyses portant sur « 2025 » ne représentent donc pas une année complète.
- Les marchés et produits observés ne sont pas identiques dans toutes les régions ; une moyenne régionale brute ne constitue pas un panier de prix comparable au sens d’un indice.
- L’association entre prix alimentaires et CPI dépend fortement de la façon dont les deux séries sont agrégées et ne doit pas être interprétée comme causalité.
- La partie Prophet reste exploratoire : pas de service de prévision, de backtesting systématique ni de suivi de dérive.
06 / Conclusion
Le principal résultat est la diversité des dynamiques, pas une moyenne nationale unique.
Sur vingt ans de relevés, les trajectoires diffèrent fortement selon les produits et les périodes. L’analyse normalisée montre aussi que la volatilité relative varie beaucoup d’un produit à l’autre et qu’un signal saisonnier subsiste après contrôle partiel de la composition produit × marché.
Une analyse de prix devient trompeuse si elle mélange sans précaution produits, unités et marchés. Le projet m’a appris à choisir l’agrégation en fonction de la question, à vérifier si une comparaison est réellement comparable et à présenter l’incertitude comme un résultat, notamment dans la partie Prophet.