Cartographie de l’inclusion financière en Afrique - Méthodologie de collecte des données
Le but de cette section est de décrire plus en détail la méthodologie de notre enquête, et de présenter quelques conclusions tirées du processus de constitution de la base de données.
Nous avons d’abord compilé des données issues de plusieurs sources différentes, y compris de réseaux locaux et internationaux, d’autorités de tutelle, d’organismes de recherche, de financeurs et investisseurs, de médias, de fournisseurs de logiciels, etc. Au total, nous avons référencé 64 sources distinctes de données agrégées, ainsi que de nombreux fournisseurs individuels de données, qui représentent plus de 5600 observations distinctes. Dans la plupart des marchés concernés nous avons souvent pu nous appuyer sur des données publiques, ce qui révèle une volonté croissante de transparence en Afrique sub-saharienne.
Les informations locales sont les plus solides : Un ensemble diversifié de sources de données nous permet d’avoir un aperçu large de chaque marché, et de comparer les données issues de fournisseurs différents. Le type de sources, avec le total de clients et d’institutions, est indiqué plus bas (Graphique 1). (Ces totaux ont été calculés avant de supprimer les recoupements et doublons, ce qui nous permet de mieux estimer le niveau d’approfondissement des sources de données brutes.) Les réseaux locaux ont la couverture la plus large en termes de clients, ce qui incite à recommander de réaliser localement les estimations de l’offre. En effet, il est dans l’intérêt même des acteurs locaux de fournir des données à jour et complètes1. Il est donc possible de constituer de meilleures bases de données et de limiter la duplication des données en s’appuyant sur leur travail.
<
ALAFIA au Bénin est un bon exemple du niveau d’approfondissement des sources de données locales. Ce réseau a suivi les données de 37 institutions du secteur, de 1998 jusqu’à aujourd’hui. Alors que le site MIX Market suit les plus grands fournisseurs, si nous comparons les chiffres agrégés du MIX Market et ceux d’ALAFIA, nous constatons que ces chiffres diffèrent à la fois en montants et en tendance sur la durée. Des données plus approfondies sont toujours disponibles via le MIX Market pour les investisseurs ou autres acteurs, mais les chiffres du panorama permettent de mieux comprendre le contexte du pays.
Dans de nombreux cas, des sources différentes offrent des données issues des mêmes fournisseurs. Parfois, des sources de données différentes fournissent des données à différents moments dans le temps ; dans ces cas-là, nous avons retenu l’estimation la plus récente. D’autres fois enfin, des sources différentes couvrent le même fournisseur au même moment dans le temps. Pour choisir notre source de données, nous avons alors dû comparer la couverture de ces sources au niveau du pays. Un type de recoupement plus subtil survient parfois lorsque nous avons agrégé, puis désagrégé des données dont le champ se recoupe. Dans ces cas-là, nous avons utilisé les informations disponibles sur les liens entre les différents acteurs pour éviter de compter deux fois les mêmes entrées, et pour permettre une simple agrégation des données.
Dans ce travail nous n’avons suivi qu’un faible nombre d’indicateurs, utilisant des données fournies directement à la source. Le graphique 3 ci-dessous présente la distribution des points de données brutes. Il confirme le fait que les indicateurs monétaires et les indicateurs sur le crédit sont plus souvent suivis (ou suivis par plus de sources) que les indicateurs sur les clients et les dépôts2. L’emplacement des agences est l’un des indicateurs les moins suivis, ce qui fait de la cartographie géographique détaillée un vrai défi dans la plupart des pays, bien que dans certains cas ce niveau de détail soit possible.
Dans quelle mesure les données disponibles en Afrique sont-elles à jour ? Ayant collecté les données de diverses sources dans une base commune, nous avons sélectionné les données les plus récentes pour chaque fournisseur. Les informations étaient souvent disponibles pour l’année précédente, mais dans certains cas, les données étaient publiées moins fréquemment ou étaient moins facilement accessibles. Le graphique 4 présente la moyenne pondérée de l’ « ancienneté » des données pour chaque marché (calculée comme la moyenne pondérée par le nombre de clients et le nombre de jours d’ancienneté). Sur l’ensemble des marchés, le nombre de jours médian (jusqu’à la date du rapport) est de 620 jours, ce qui montre qu’une donnée « type » date de fin 2009. En bonne logique, le plus jeune pays d’Afrique est celui qui a les données les plus récentes.
Les pays dont les données sont les moins récentes méritent sans doute une attention accrue en termes de collecte et répartition des données. Souvent, le suivi des données est le moins fréquent dans les pays post-conflits, ou dans des pays où l’on ne dispose ni de réseaux locaux forts ni d’autorités de contrôle capables de collecter l’information. Bien sûr, si des données plus récentes existent, quelle qu’en soit la source, nous pouvons l’inclure et mettre à jour les données et la cartographie. (Et inversement, si nous apprenons qu’un fournisseur ou un groupe de fournisseurs n’est plus actif, nous retirons ses données de la liste.)
Quelles informations manquent ? Toutes les sources ne fournissent pas des données sur les mêmes aspects. Les autorités de supervision vont par exemple cibler davantage les données monétaires, plutôt que celles sur les clients ou les comptes bancaires. Les structures centrées sur le crédit offriront plus de chiffres sur ce point, tandis que celles centrées sur l’épargne fourniront de meilleures informations sur les dépôts. Nous avons donc besoin d’une méthode pour estimer les données manquantes, afin de pouvoir agréger et comparer les données issues de ces différentes sources : si une source de données ne suit qu’une information parcellaire, pouvons-nous identifier les lacunes ? Par chance, nous pouvons utiliser les benchmarks (indicateurs de référence) du MIX Market et d’autres sources de données pour définir des estimations réalistes de ces points de données manquants.
Alors que les travaux précédents s’étaient focalisés sur des modèles économétriques calibrés sur de multiples pays, nous avons utilisé des estimations locales groupées par pays, par statut juridique et par date, autant que possible, afin de cibler des chiffres précis, pertinents et comparables. Au final, nous avons suivi six règles pour estimer les valeurs manquantes :
Règle
| Description
| Remarques3
|
a | Si le nombre de clients manque, mais que l’on a soit le nombre d’emprunteurs soit le nombre d’épargnants, estimer le nombre de clients comme étant max (emprunteurs, épargnants) | Cette règle risque de sous-estimer le nombre total de clients, puisqu’elle suppose que le groupe des emprunteurs et celui des épargnants se recoupent entièrement. |
b | Si le nombre de clients est une valeur numérique, que le nombre d’épargnants est inconnu, et que le fournisseur est une mutuelle ou un groupe d’épargne, alors utiliser nombre de clients = nombre d’épargnants. | Nous supposons ici que tous les membres de groupes d’épargne ou de mutuelles doivent ouvrir un compte d’épargne. Si cela n’est pas vrai, alors nous surestimerons le nombre d’épargnants de ces fournisseurs. Nous excluons les banques et autres fournisseurs susceptibles d’offrir des services d’épargne, dans la mesure où l’on ne peut pas supposer que tous leurs clients ont des comptes d’épargne. Cette règle risque donc de sous-estimer globalement la portée des services d’épargne d’autres fournisseurs. |
c | Si l’on a une valeur numérique pour le nombre d’épargnants, mais pas pour le nombre d’emprunteurs, et que le statut juridique est mutuelle/ coopérative, IFNB / ONG ou banque, utiliser les ratios de référence épargnants / emprunteurs pour en déduire le nombre d’emprunteurs. | Pour cette règle, nous associons le ratio de référence nombre d’épargnants / nombre d’emprunteurs par pays, et le statut juridique et l’année. Les données de référence sont disponibles ici (pour le statut juridique) ; pour les groupes d’épargne, les ratios sont issus du site de SAVIX. Il n’est pas évident de savoir si cette règle sous-estime ou surestime la portée de l’offre de crédit. |
d | Si l’on a une valeur numérique pour le nombre d’emprunteurs, mais pas pour l’encours brut de prêts, et que le fournisseur appartient à une catégorie recensée par le MIX, alors utiliser encours moyen de prêt / RNB par habitant, pour le pays et l’année concernés. | Pour cette règle, nous associons l’encours moyen par prêt (issu des données de benchmark MIX) – voici un exemple de rapport sur ce point. Etant donné que les données du MIX concernent principalement des institutions spécialisées en microfinance, il est probable que ces chiffres sous-estiment les volumes de crédit totaux ; en effet, ces institutions accordent des montants par prêt plus faibles. |
e | Si l’on a une valeur numérique pour le nombre d’épargnants, mais pas pour l’encours d’épargne, et que le fournisseur appartient à une catégorie recensée par le MIX, alors utiliser l’encours moyen d’épargne / RNB par habitant, pour le pays et l’année concernés. | Il s’agit ici d’associer les critères et les benchmarks comme décrit plus haut, avec les mêmes risques de biais. |
f | Si l’on a une valeur numérique pour le volume de prêts ou d’épargne, mais pas pour le nombre de prêts ou d’épargnants, utiliser les benchmarks disponibles pour les banques d’épargne, afin d’estimer le nombre de prêts / dépôts. Appliquer de nouveau la règle a) après cet ajustement. | Nous avons défini les benchmarks pour les banques d’épargne à partir des données des membres du WSBI (voir ici). Comme vu plus haut, les encours moyens / RNB par habitant ont été utilisés ici, et convertis en montants en dollars en se référant aux niveaux de RNB par habitant de chaque pays. |
La plupart de ces règles sont susceptibles de sous-estimer la portée et les volumes, ou n’ont pas de biais établi. Cette méthodologie d’estimation est donc sans doute suffisamment prudente pour être étendue dans nos travaux, sans risque de majorer les totaux obtenus au niveau d’un pays ou d’une région. De plus, cette méthodologie simple peut être utilisée par d’autres praticiens pour répliquer et étendre les résultats obtenus.
Rassembler les données : Après avoir rassemblé les données des différentes sources, identifié les points de données les plus récents, estimé les données manquantes et enlevé les doublons et recoupements, nous obtenons une base de données finale « nettoyée », prête à être publiée. Voici le lien permettant d’accéder à ces données brutes. Ce niveau de détail permet de réaliser une analyse exhaustive, et permet à l’utilisateur de fouiller lui-même dans les données détaillées, au-delà de ce qui serait disponible dans un seul rapport. En offrant cette possibilité, nous voulons permettre aux décideurs et praticiens de désagréger les chiffres globaux, jusqu’aux institutions et fournisseurs de services financiers individuels. De plus, cela permet de valider et vérifier les données pour de futures améliorations de la base.
Autres articles :
1: Dans plusieurs cas, les réseaux locaux et les autorités de supervision ont collaboré en apportant des données ou en les diffusant, et le mieux est de mettre en commun ces contributions pour les analyser.
2: Les chiffres de PAR > 30 ont été obtenus pour certains pays, mais parce qu’ils sont rarement disponibles, ils n’ont pas été inclus dans ce graphique ni dans les résultats finaux.
3: Pour toutes ces règles, si l’on ne dispose pas d’un équivalent pour un pays, un statut juridique et une année donnés, nous utilisons celui d’une année proche, lorsque c’est possible. Si ce n’est pas le cas, nous utiliserons le benchmark de la même année pour l’Afrique entière. Tous les indicateurs de montant moyen s’appuient sur des chiffres relatifs d’abord au RNB par habitant, et sont ensuite convertis en dollars sur la base du niveau local de RNB par habitant, pour la même année.
Comments
Post new comment