Cartographie de l’inclusion financière en Afrique - Travaux précédents et nouvelle approche MIX

 Au cours des années passées, de nombreux travaux ont été menés pour tenter d’estimer l’offre en termes d’accès financier global. Comme la méthodologie utilisée pour notre panorama des données en Afrique s’appuie sur ces tentatives, mais s’en écarte également sur certains points, nous allons passer en revue plusieurs aspects de ces travaux. 

Dans une étude de 2004 sur les institutions financières ayant un « double objectif de résultat », le CGAP identifie des « institutions financières alternatives » qui « dans une certaine mesure visent à étendre leurs services financiers vers une clientèle en-dessous du niveau économique des clients traditionnels des banques commerciales ». Dans ce même article, le CGAP remarque que si ces institutions desservent globalement un grand nombre de clients, les informations démographiques sur le niveau de pauvreté de ces clients font défaut, et qu’il n’est donc pas possible de déterminer directement le niveau d’offre de services financiers aux pauvres. Toutefois, élargir le champ d’analyse au-delà des institutions financières « classiques », comme dans cette étude, permet de mieux appréhender la répartition probable des services financiers. Suivant ce modèle, nous avons, au MIX, adopté une approche similaire pour la collecte de données⁽¹⁾.

Dans un article paru en 2005, Patrick Honohan passe en revue les données existantes sur l’accès aux services financiers. Il recommande quatre canaux de collecte de données, notamment la collecte à partir des « fournisseurs de services financiers (soit directement, ou, peut-être même mieux, par l’intermédiaire des autorités de contrôle nationales) » pour les données sur l’offre, en gardant une perspective large pour inclure « les banques commerciales formelles, les banques postales ou de développement agricole nationales, les mutuelles coopératives et d’autres structures qui ne se considèrent pas comme des institutions de microfinance spécialisées ». Les données sur ces fournisseurs de services financiers peuvent provenir d’enquêtes indépendantes, des autorités de contrôle ou d’agences de statistiques nationales, et des fournisseurs eux-mêmes (qui disposent de l’information la plus détaillée sur les produits et les coûts). Il constate néanmoins les limites de cette méthode, dans la mesure où les principales institutions financières et « les structures de supervision telles que les banques centrales s’intéressent généralement assez peu à la collecte » d’informations sur les clients, et risquent de se concentrer avant tout sur les agrégats monétaires.   

En 2010, une étude de l’Alliance pour l’Inclusion Financière (AIF), intitulée « Mesurer l’inclusion financière pour les organismes régulateurs » a enquêté sur les méthodes existantes de mesure de l’accès financier, remarquant qu’une première étape devrait être de « réaliser un inventaire des travaux de collecte de données réalisés », et commentant ensuite l’utilisation des données par les acteurs du secteur. Les enquêtes réalisées impliquent des coûts et des compromis, et toute nouvelle initiative se doit donc de les prendre en compte. Du côté de l’offre, plus que de la demande, ces travaux « sont peut-être la manière la plus simple et la moins onéreuse de collecter des données sur l’accès financier », mais restent tributaires des autorités de régulation et de la banque centrale qui collectent ces données. Comme nous le verrons par la suite, en Afrique sub-saharienne, cette condition n’est pas remplie pour de nombreux marchés et fournisseurs de services.

Très récemment, le CGAP and le FMI ont lancé des études sur l’accès financier incluant des bases de données en ligne accessibles aux praticiens, et ciblant un petit nombre d’indicateurs comparables. Ces bases de données ont dans les deux cas une portée globale et couvrent plusieurs années, tout en étant centrées avant tout sur les institutions financières réglementées, et sans segmentation particulière des institutions à « double objectif de résultat ». (Les données du FMI ciblent spécifiquement les institutions réglementées, alors que le CGAP intègre des données sur quelques institutions non réglementées, incluant des institutions de microfinance et des coopératives.) Nous comparerons plus en détail les bases de données respectives du CGAP, du FMI et de MIX dans la suite de cet article.

Ce travail cible les produits et services destinés spécifiquement aux pauvres, ou du moins susceptibles d’être utilisés par ces derniers. Néanmoins, l’ensemble des études et sources de données décrites ci-dessus permet de définir les directives suivantes:

• Cibler un éventail large de fournisseurs de services financiers, y compris non réglementés ou informels.

• Consolider les données issues des sources nationales et internationales, des enquêtes indépendantes, ou encore des fournisseurs directement, dans le but d’obtenir le plus possible de données et de minimiser les cas de doublons.

• Relever un petit nombre d’indicateurs faciles à comparer. 

• Développer des méthodes pour limiter l’incidence des données manquantes - en particulier, pour de nombreuses sources, le manque d’information sur les clients.

• Créer une base de données détaillée, qui autant que possible permette à l’utilisateur d’accéder à des données plus approfondies sur les produits, les coûts et autres variables, et qui facilite la vérification et la mise à jour des données. 

De plus, il faut insister ici sur le processus de construction et d’utilisation de cette base de données, autant que sur les résultats. Les services financiers ne cessent d’évoluer, et les praticiens et décideurs politiques ont besoin d’accéder à des informations à jour et interactives. C’est pourquoi nous proposons des données détaillées qui vont au-delà des chiffres globaux, et permettent aux utilisateurs d’analyser les sources et d’identifier les lacunes existantes. Mettre en place un processus viable de mesure de l’accès financier pour les pauvres suppose de renforcer les efforts de collecte des données locales, et il nous faut reconnaître ici l’impact des efforts réalisés dans chaque pays d’Afrique sub-saharienne. 

Comparaison des enquêtes menées en Afrique sur l’accès financier

Puisqu’il existe de nombreuses sources d’information sur l’accès financier dans le monde, nous avons là l’opportunité de comparer ces sources et ce qu’elles nous disent de l’Afrique sub-saharienne. Nous nous concentrerons ici sur les bases de données du FMI et du CGAP, en les comparant aux données issues du MIX Market (ciblées sur les institutions de microfinance spécialisées (IMF)) et à celles de notre étude de panorama. Bien que ces sources mesurent des éléments un peu différents, la comparaison en sera toujours instructive.

Commençons par une comparaison des données concernant un seul pays, l’Ile Maurice. Le secteur de la microfinance y est petit, mais n’est pas standard, c’est donc un cas d’école pour comprendre ces différentes approches. Prendre en compte des cas atypiques comme celui-ci est important, si nous voulons utiliser les données pour une comparaison statistique et économétrique entre pays. Le tableau 1 présente les indicateurs clés pour l’Ile Maurice issus des enquêtes du FMI, du CGAP et de MIX. (Le MIX Market ne dispose pas de données sur des IMF mauriciennes.)

Source des données FMI : http://fas.imf.org/ for 2010; source des données CGAP : http://www.cgap.org/p/site/c/template.rc/1.11.142569/.

Nous constatons que les enquêtes du FMI et du CGAP ne couvrent que les banques commerciales, et que ces échantillons sont disjoints de celui de l’enquête du MIX, qui ne couvre que le secteur coopératif de l’Ile Maurice. Alors que les bases de données du FMI et du CGAP concernent en principe les mêmes échantillons, les valeurs relevées par les deux enquêtes ne correspondent pas.

De plus, nous pouvons remarquer que dans les deux cas, les chiffres pour les indicateurs de crédit et de dépôt sont très élevés – d’après les données du FMI, un adulte de l’Ile Maurice aurait en moyenne 2,2 prêts en cours ! Bien qu’il ne soit pas facile de retrouver les données des sources d’origine, il semble probable que ce chiffre de couverture élevé soit dû au secteur bancaire offshore très développé à l’Ile Maurice. La base de données du MIX exclut spécifiquement ce genre d’activité, qui ne cible pas les populations à bas revenu. A la place, nous avons inclus des données publiques disponibles sur le secteur des coopératives, grâce à WOCCU, qui ne sont pas présentes dans les autres enquêtes. (Les données et sources de l’enquête du MIX sont disponibles directement dans ce document.) 

En tenant compte de ces différences – l’inclusion des fournisseurs commerciaux de services financiers dans les bases FMI et CGAP, et leur exclusion de l’enquête MIX – il reste possible de réaliser quelques comparaisons simples en termes de couverture et d’indicateurs clés. Les trois graphiques suivants présentent le nombre de fournisseurs et les indicateurs sur les prêts et dépôts pour 1000 adultes relevés pour chaque enquête. Nous incluons ici aussi les données issues du site MIX Market site pour 2009, qui concernent principalement les institutions de microfinance spécialisées, à titre de référence supplémentaire⁽²⁾.

Fig. 1: Nombre de fournisseurs, par enquête

Fig. 2: Prêts pour 1000 adultes, par enquête

Fig. 3: Dépôts pour 1000 adultes, par enquête

  Nous pouvons voir que la couverture la plus large est celle de l’enquête de panorama du MIX, avec 45 pays en Afrique sub-saharienne. L’étude du FMI a une couverture particulièrement limitée en Afrique, avec cinq pays pris en compte seulement pour les données de crédit (y compris l’Ile Maurice et les Comores). L’enquête CGAP a une couverture plus large, mais avec des lacunes en Afrique centrale et dans certaines zones d’Afrique de l’Est. Comme on pouvait s’y attendre, les données panorama du MIX fournissent des estimations plus basses dans les pays où le secteur bancaire commercial est le plus développé, notamment en Afrique australe – Afrique du Sud, Botswana et Namibie.   

Il est possible aussi de vérifier les corrélations existantes entre ces différentes études – lorsque les résultats sont fortement corrélés, cela confirme que les méthodologies utilisées débouchent sur des conclusions comparables. Malheureusement, au moins en Afrique sub-saharienne, les corrélations entre enquêtes sont faibles dans la plupart des cas. Le tableau ci-dessous présente les matrices de corrélation pour trois indicateurs clés : nombre de fournisseurs, prêts pour 1000 adultes et dépôts pour 1000 adultes(³⁾.

Sans grande surprise, on note que les données de l’étude MIX panorama sont fortement corrélées avec celles du MIX Market, puisque ces dernières sont justement inclues dans l’étude de panorama. Par ailleurs, les corrélations les plus élevées avec le FMI portent sur les données de crédit, bien que ce soit dans ce domaine que l’échantillon de pays de l’enquête FMI soit le plus réduit (5 pays), incluant le cas atypique de l’Ile Maurice. Les enquêtes MIX et CGAP montrent une corrélation modérément élevée sur les données de dépôts, ce qui est probablement lié à la présence des coopératives, des IMF et des institutions publiques dans les deux enquêtes. Globalement, même si des progrès majeurs ont été réalisés ces dernières années pour rendre ces bases de données publiquement accessibles, il est clair que beaucoup reste à faire pour définir une méthodologie plus solide à partir de ces enquêtes, dans le but de bien appréhender l’accès financier de l’ensemble de la population des pays en développement.

Autres articles :

• Vue d’ensemble 
• Méthodologie de collecte des données
• Analyse des résultats et prochaines étapes

1 : Un point important de la revue de 2004 est que dans la plupart des cas, les banques d’épargne avaient dû être exclues des résultats, en raison du manque d’informations sur leur portée (nombre de clients ou de comptes). Bien que cette lacune persiste, nous avons estimé la portée à partir de benchmarks (données de référence)  disponibles, comme nous le verrons plus loin.  

2 : Nous avons exclu les données monétaires, dans la mesure où nous estimons que les données du MIX présentent des différences significatives  sur ce plan par rapport aux autres enquêtes, en raison de l’inclusion des grandes banques commerciales dans ces dernières.  

 3 : Les corrélations peuvent être non significatives pour les comparaisons entre échantillons de faible taille. Nous n’indiquons pas dans ce tableau les résultats des tests de signification.