The Socio-economic Effects of Gold Extraction in South Kivu: The Case of Banro
Notice bibliographique
Résumé
Au cours des dernières décennies, la République Démocratique du Congo (RDC) a connu un processus de réindustrialisation du secteur minier, dirigé par des entreprises multinationales. En 2011, la mine de Twangiza au Sud-Kivu – gérée par la société canadienne Banro – a été la première mine industrielle à entrer dans la phase de production aurifère en RDC depuis le début du siècle. Le retour des entreprises étrangères en RDC a été facilité par la politique nationale, qui a privilégié la réindustrialisation de l'exploitation minière par le biais d'investissements directs venant de l’étranger, en marginalisant l'exploitation minière artisanale et à petite échelle. À l’approche de l’année 2020, la poursuite de la réindustrialisation des industries extractives induite par les multinationales fait toujours partie intégrante de la planification économique à moyen et à long terme du gouvernement congolais. Le plan stratégique de développement du secteur minier 2017-2021 du Ministère des Mines de la RDC et de la Banque mondiale affirme que la RDC est comptée « parmi les géants miniers actuels au monde ». Selon la vision du gouvernement, le secteur minier de la RDC est en mesure de faire de la RDC un pays émergent à l’horizon 2030 et une puissance mondiale à l’horizon 2060 ». Basé sur quinze mois de travaux de recherche sur le terrain menés en 2016 et 2017, le présent rapport examine de manière empirique la contribution que le secteur aurifère industriel au Sud-Kivu apporte à cette vision gouvernementale. Pour ce faire, une étude de cas détaillée sur les effets socio-économiques de l’arrivé de Banro dans la province a été réalisée. L'argument principal est que la réindustrialisation minière était en fait déjà en cours au Sud-Kivu, indépendamment de la supervision ou du contrôle des sociétés étrangères. Le processus de mécanisation artisanale détenu et dirigé par les locaux qui conduisait cette réindustrialisation avait permis d'accroître la productivité et d'améliorer le niveau de vie grâce à l'augmentation des salaires locaux. En outre, une grande partie de la valeur finale de la production d'or artisanal et semi-mécanisé était conservée et distribuée en RDC entre des différents groupes de travailleurs, de dirigeants et de négociants congolais. Pourtant, l’arrivée de Banro a perturbé ce processus en le remplaçant par une économie minière dirigée à l'étranger, orientée vers l'extérieur du pays et profondément enclavée, qui a reproduit (et parfois accentué) des formes historiquement enracinées de marginalisation, de polarisation et de conflit. S'appuyant sur les conclusions de cette étude, nous nous interrogeons sur la pertinence d'accorder la priorité à une forme d'industrialisation minière fondée sur la prédominance des multinationales. Soutenir les processus de mécanisation du secteur aurifère artisanal gérés localement semblerait offrir au gouvernement congolais une stratégie d'industrialisation minière moins enclavée et plus inclusive que le modèle dominant actuel dirigé par des entreprises multinationales.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».