The Socio-economic Effects of Gold Extraction in South Kivu: The Case of Banro
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".