Accès à la ressource

U�IVERSITE MO�TESQUIEU – BORDEAUX IV

ECOLE DOCTORALE de SCIE�CES ECO�OMIQUES, GESTIO� ET DEMOGRAPHIE (E.D. 42)

DOCTORAT ès SCIE�CES ECO�OMIQUES

Faly Hery RAKOTOMA�A�A

SECTEUR I�FORMEL URBAI�,

MARCHE DU TRAVAIL ET PAUVRETE

Essais d’analyse sur le cas de Madagascar

Thèse co-dirigée par M. Jean Pierre LACHAUD, Professeur Titulaire,

et M. François ROUBAUD, Directeur de Recherche

Soutenue le 13 décembre 2011

Jury :

M. Mickael GRIMM

Professor of Development Economics, Erasmus University Rotterdam,

rapporteur,

M. Jean-Pierre LACHAUD

Professeur, Université Montesquieu - Bordeaux IV,

directeur de thèse,

M. Michel LELART

Directeur de recherche émérite au CNRS, Laboratoire d'économie d'Orléans,

rapporteur,

M. Mireille RAZAFI�DRAKOTO

Directeure de Recherche IRD, UMR DIAL (IRD, Université Paris Dauphine),

M. François ROUBAUD

Directeur de Recherche IRD, UMR DIAL (IRD, Université Paris Dauphine),

co-directeur de thèse

Remerciements

Ma profonde gratitude et mes vifs remerciements vont à mon Directeur de

thèse Monsieur le Professeur JeanJeanJeanJean----Pierre LACHAUDPierre LACHAUDPierre LACHAUDPierre LACHAUD pour ses conseils avisés

pendant ces années de formations et d’études. Vous m’avez fait preuve de

votre dévouement et de votre grande disponibilité malgré vos obligations

personnelles. Vous avez su m’orienter et m’apporter la confiance nécessaire à

la réalisation de ce projet.

Mes vifs remerciements vont également à mon Co-Directeur de thèse

Monsieur François ROUBAUDFrançois ROUBAUDFrançois ROUBAUDFrançois ROUBAUD, Directeur de Recherche à l’IRD pour son

soutien et ses encouragements inépuisables durant toutes ces années de

collaboration depuis le Projet MADIO jusqu’à maintenant. Je vous adresse

ma profonde gratitude pour vos précieuses remarques et votre optimisme qui

m’a motivé dans l’élaboration de cette thèse.

Mes remerciements s’adressent à Monsieur Michel LELARTMichel LELARTMichel LELARTMichel LELART, Directeur de

recherche émérite au CNRS et à Monsieur M. Mickael GRIMMMickael GRIMMMickael GRIMMMickael GRIMM, Professor of

Development Economics, Erasmus University Rotterdam, pour m’avoir fait

l’honneur d’être rapporteurs de ce travail.

Ma reconnaissance à Madame Mireille RAMireille RAMireille RAMireille RAZAFINDRAKOTOZAFINDRAKOTOZAFINDRAKOTOZAFINDRAKOTO, Directeure de

Recherche à l’IRD, qui a bien voulu accepter de siéger au jury de cette thèse.

A DieuA DieuA DieuA Dieu, , , ,

par ta Grâce, je suis ce que je suis

A ma familleA ma familleA ma familleA ma famille,,,,

Ny Fitiavana no tsy levona mandrakizay

TABLE DES MATIERES

INTRODUCTION GENERALE ................................................................................................................ 1

Chapitre 1. Méthodologie d’appréhension statistique du secteur informel urbain ............... 32

I. L’ENQUETE 1-2-3 SUR LE SECTEUR INFORMEL ET LA SATISFACTION DES BESOINS DES MENAGES A ANTANANARIVO : LA

CONSOLIDATION D’UNE METHODE ............................................................................................................................ 33

Introduction ................................................................................................................................................. 33

I.1. L’ENQUETE 1-2-3 A MADAGASCAR : LA CONSOLIDATION D’UNE METHODE ............................................................. 34

I.1.1. Les principes de base de l’enquête 1-2-3 ....................................................................................... 34

I.1.2. Une méthodologie bien rodée ....................................................................................................... 37

I.1.3. Articulation de la phase 1 et des phases 2 - 3 ............................................................................... 39

I.2. LA PHASE 2 : LE SECTEUR INFORMEL ................................................................................................................ 40

I.2.1. Historiques des enquêtes sur le secteur informel à Madagascar .................................................. 40

I.2.2. Définition du secteur informel ....................................................................................................... 43

I.2.3. Un questionnaire complet ............................................................................................................. 44

I.2.4. Echantillonnage ............................................................................................................................. 45

I.2.5. Evaluation de la collecte, traitement des données et organisation .............................................. 46

I.2.5.1. Taux de non-réponses ......................................................................................................................... 46

I.2.5.2. Qualité des entretiens ......................................................................................................................... 47

I.2.5.3. Traitement des données : la question des prix .................................................................................... 49

I.2.5.4. Le dispositif d’enquête et les coûts ..................................................................................................... 50

I.3. LA PHASE 3 : LA CONSOMMATION ET LE PARTAGE FORMEL/INFORMEL .................................................................... 53

I.3.1. Bref historique des enquêtes consommation auprès des ménages à Madagascar ...................... 53

I.3.2. Objectifs et innovations de la phase 3 ........................................................................................... 54

I.3.3. Utilisations et utilisateurs de la phase 3 ........................................................................................ 55

I.3.4. Méthodologie ................................................................................................................................ 55

I.3.4.1. Plan de sondage .................................................................................................................................. 55

I.3.4.2. Questionnaires .................................................................................................................................... 57

I.3.4.3. La collecte ............................................................................................................................................ 58

I.3.4.4. Evaluation de la collecte ...................................................................................................................... 58

I.3.5. Traitement des données ................................................................................................................ 59

I.3.6. Déroulement des opérations et coûts............................................................................................ 61

I.4. QUELQUES RESULTATS-CLES : LA DYNAMIQUE DU SECTEUR INFORMEL ET DE LA CONSOMMATION ENTRE 1995 ET 2010 .. 62

I.4.1. Dynamique du secteur informel entre 1995-2010 ......................................................................... 62

I.4.2. Dynamique de la consommation des ménages entre 1995-2010 ................................................. 70

Conclusion .................................................................................................................................................... 75

II. ELABORATION DES DEFLATEURS DES AGREGATS ECONOMIQUES DANS LE SECTEUR INFORMEL : CAS DE L’ANTANANARIVO

1995-2010 ........................................................................................................................................................ 77

Introduction ................................................................................................................................................. 77

II.1. LIMITES DES INDICES DES PRIX A LA CONSOMMATION ET L’INDICE DES PRIX A LA PRODUCTION POUR LE PARTAGE

VOLUME/PRIX DANS LE SECTEUR INFORMEL ................................................................................................................ 79

II.1.1. Les limites de l’utilisation de l’Indice des Prix à la Consommation ........................................................... 79

II.1.1.1. Importance de la Production du Secteur informel non destinée à la consommation des ménages ..

....................................................................................................................................................... 80

II.1.1.2. Importance de la Production du Secteur formel destinée à la consommation des ménages ........ 81

II.1.2. Les limites de l’utilisation de l’Indice des Prix à la Production dans le secteur formel ............................. 83

II.1.2.1. Déconnexion entre le secteur informel et le secteur formel au niveau de l’approvisionnement .. 83

II.1.2.2. Mode de formation des prix........................................................................................................... 84

II.1.2.3. Poids des impôts et taxes sur la production................................................................................... 85

II.1.2.4. Concurrence dans le secteur informel ........................................................................................... 86

II.2. Méthodologie adoptée pour l’élaboration des déflateurs des agrégats économiques du secteur

informel ....................................................................................................................................................... 86

II.2.1. Détermination des prix à collecter et des déflateurs ................................................................................ 87

II.2.2. Délimitation du champ de couverture des déflateurs et échantillonnage des unités de production....... 88

II.2.3. Détermination des prix à collecter et des déflateurs ................................................................................ 89

II.2.3.1. Echantillonnage des unités de production et des produits ................................................................. 90

II.2.3.2. Spécifications des produits .................................................................................................................. 91

II.2.3.3. Détermination du prix unitaire ............................................................................................................ 91

II.2.3.4. Les pondérations ................................................................................................................................. 92

II.2.3.5. Le mode de calcul ................................................................................................................................ 93

II.3. Principaux résultats ....................................................................................................................... 94

II.3.1. Ecarts des déflateurs et les biais induits ................................................................................................... 94

II.3.2. Déflateurs du secteur informel entre 1998-2001 ..................................................................................... 97

II.3.3. Déflateurs du secteur informel entre 2001-2010 ..................................................................................... 99

Chapitre 2. Les spécificités du secteur informel à Antananarivo .......................................... 101

I. LES CARACTERISTIQUES DU SECTEUR INFORMEL A ANTANANARIVO ....................................................................... 102

Introduction ............................................................................................................................................... 102

I.1. Importance du secteur informel dans le système économique national .......................................... 105

I.1.1. Dynamique des unités de production informelles .................................................................................. 106

I.1.1.1. Multiplication des unités de production informelles ........................................................................ 106

I.1.1.2. Durée de vie des unités de production informelle ............................................................................ 109

I.1.2. Dynamique des emplois dans le secteur informel .................................................................................. 109

I.1.2.1. Création d’emplois dans le secteur informel ..................................................................................... 109

I.1.2.2. Stabilité des emplois.......................................................................................................................... 110

I.1.2.3. Rémunération des emplois ................................................................................................................ 111

I.1.2.4. Mobilisation des réseaux de solidarité .............................................................................................. 115

I.1.2.5. Motif d’implantation dans le secteur informel .................................................................................. 116

I.1.2.6. Perspectives sur l’avenir des activités informelles ............................................................................ 117

I.1.3. Dynamique de la production dans le secteur informel ........................................................................... 118

I.1.3.1. Evolution des agrégats macro-économiques..................................................................................... 118

I.1.3.2. Evolution des performances économiques des UPI .......................................................................... 122

I.1.4. Gisement fiscal dans le secteur informel ................................................................................................ 123

I.1.4.1. Contribution fiscale du secteur informel ........................................................................................... 123

I.1.4.2. Potentialité fiscale du secteur informel ............................................................................................. 125

I.2. Les besoins en microcrédit dans le secteur informel ........................................................................ 126

I.2.1. Les principales faiblesses du secteur informel ........................................................................................ 127

I.2.1.1. Sous-emploi ....................................................................................................................................... 127

I.2.1.2. Précarité des emplois féminins ......................................................................................................... 129

I.2.2. Capacité d’accumulation dans le secteur informel ................................................................................. 130

I.2.2.1. Accumulation de capital physique ..................................................................................................... 130

I.2.2.2. Taux d’investissement ....................................................................................................................... 135

I.2.2.3. Accumulation de capital humain ....................................................................................................... 136

I.2.2.4. Evolution des performances économiques ....................................................................................... 137

I.2.3. Obstacles au développement des activités informelles .......................................................................... 138

I.2.3.1. Contrainte de débouchés .................................................................................................................. 140

I.2.3.2. Accès au crédit .................................................................................................................................. 143

I.2.4. Les aides souhaitées ............................................................................................................................... 147

I.2.5. Les besoins en microcrédit ..................................................................................................................... 148

I.2.5.1. Importance des besoins en microcrédit ............................................................................................ 149

I.2.5.2. Caractéristiques des demandeurs potentiels de microcrédits .......................................................... 152

I.2.5.3. Volume des besoins en microcrédits ................................................................................................. 153

I.2.5.4. Nature des besoins en microcrédits .................................................................................................. 155

I.2.5.5. Satisfaction des besoins en microcrédits ........................................................................................... 158

Conclusion .................................................................................................................................................. 163

II. LA VOLONTE DE FAIRE ENREGISTRER SON ENTREPRISE INFORMELLE A MADAGASCAR : QUELLES IMPLICATIONS SUR LES

STRATEGIES DE L’ADMINISTRATION PUBLIQUE ?......................................................................................................... 167

Introduction ............................................................................................................................................... 167

II.1. Revue de littérature ..................................................................................................................... 170

II.2. Le modèle .................................................................................................................................... 173

II.2.1. Les hypothèses de travail........................................................................................................................ 173

II.2.2. Le modèle ............................................................................................................................................... 175

II.2.3. Estimation du modèle ............................................................................................................................. 177

II.2.3.1. Bases de données utilisées ................................................................................................................ 177

II.2.3.2. Informalité et non enregistrement .................................................................................................... 178

II.2.3.3. Choix des variables du modèle .......................................................................................................... 179

II.2.3.4. Quelques statistiques descriptives .................................................................................................... 184

II.2.3.5. Résultats des estimations .................................................................................................................. 188

Conclusion .................................................................................................................................................. 195

III. EFFICACITE TECHNIQUE DES UNITES DE PRODUCTION INFORMELLES : UNE APPROCHE PAR LA METHODE DE STOCHASTIC

FRONTIER ANALYSIS (SFA)- ETUDE DE CAS SUR ANTANANARIVO .................................................................................. 198

Introduction ............................................................................................................................................... 198

III.1. Concepts et méthodologie ........................................................................................................... 200

III.1.1. Concept de l’efficacité d’une unité de production ................................................................................. 200

III.1.2. Méthodes de mesure de l’efficacité ....................................................................................................... 203

III.1.3. La méthode d’estimation des fonctions de production .......................................................................... 204

III.2. Méthodologie .............................................................................................................................. 204

III.2.1. Les différentes étapes de l’analyse ......................................................................................................... 204

III.2.2. Les modèles ............................................................................................................................................ 205

III.2.3. Les principaux avantages de la méthodologie ........................................................................................ 206

III.3. Bases de données et variables utilisées ....................................................................................... 207

III.3.1. Les bases de données ............................................................................................................................. 207

III.3.2. Les variables utilisées ............................................................................................................................. 207

III.4. Estimation du degré d’efficacité .................................................................................................. 210

III.4.1. Quelques statistiques descriptives ......................................................................................................... 210

III.4.2. Descriptions des relations entre les facteurs de production et la valeur ajoutée .................................. 211

III.4.3. Estimations des fonctions de production par la méthode de régressions quantiles .............................. 216

III.4.4. Description du degré d’efficacité des unités de production ................................................................... 220

III.5. Déterminants de l’efficacité des unités de production informelles ............................................. 222

Conclusion .................................................................................................................................................. 226

Chapitre 3. Le secteur informel et le marché du travail à Antananarivo ............................... 229

I. LES DETERMINANTS DU DESIR ET DE L’EXERCICE EFFECTIF DE TRAVAIL INDEPENDANT ? QUELS ENSEIGNEMENTS A TIRER POUR

LA MICROFINANCE ? : CAS DE L’AGGLOMERATION D’ANTANANARIVO A TRAVERS DES DONNEES DE PANEL ............................. 230

Introduction ............................................................................................................................................... 230

I.1. Base de données............................................................................................................................... 234

I.1.1. Caractéristiques moyennes des individus «restants » et « sortants » du panel 2000-2001 ................... 236

I.1.2. Déterminants de l’attrition ..................................................................................................................... 237

I.1.3. Efficacité de la correction de l’attrition par le remplacement des ménages non répondants ................ 238

I.2. Les déterminants du désir et de l’exercice effectif d’un travail indépendant ................................... 240

I.2.1. Revue de littérature ................................................................................................................................ 240

I.2.2. Statistiques descriptives sur le choix du statut de travailleur indépendant ........................................... 242

I.2.3. Stratégie d’estimation ............................................................................................................................ 247

I.2.4. Les déterminants du désir d’un travail indépendant .............................................................................. 253

I.2.5. Les déterminants de l’exercice effectif d’un travail indépendant .......................................................... 257

Conclusion .................................................................................................................................................. 262

II. GENDER DISPARITIES IN THE MALAGASY LABOUR MARKET ................................................................................ 264

Introduction ............................................................................................................................................... 264

II.1. Characteristics of Malagasy labour market ................................................................................ 268

II.2. Data, definitions and methods .................................................................................................... 270

II.2.1. Data and definitions ............................................................................................................................... 270

II.2.2. Methods ................................................................................................................................................. 272

II.3. Results ......................................................................................................................................... 279

II.3.1. Employment status ................................................................................................................................. 279

II.3.1.1. Labour allocation across sectors .................................................................................................. 279

II.3.1.2. The determinants of labour allocation across sectors ................................................................. 284

II.3.2. Decomposing the gender earnings gap .................................................................................................. 294

II.3.2.1. Gender earnings gaps in Madagascar ................................................................................................ 294

II.3.2.2. Earnings determination ..................................................................................................................... 296

II.3.2.3. Gender earnings gaps decomposition ............................................................................................... 306

Summary .................................................................................................................................................... 314

Chapitre 4. Secteur informel, pauvreté et bien-être................................................................. 318

I. CONTRIBUTION DU SECTEUR INFORMEL DANS LA LUTTE CONTRE LA PAUVRETE : CAS D’ANTANANARIVO ...................... 319

Introduction ............................................................................................................................................... 319

I.1. Contribution du secteur informel sur l’emploi et les revenus au niveau ménage ............................ 321

I.1.1. Approches et Indicateurs ........................................................................................................................ 321

I.1.2. Résultats ................................................................................................................................................. 323

I.1.2.1. Contribution du secteur informel sur l’emploi au niveau ménage ............................................... 324

I.1.2.2. Contribution du secteur informel aux revenus au niveau ménage .............................................. 326

I.2. Secteur Informel et incidence de la pauvreté ................................................................................... 327

I.2.1. Un bref aperçu de la relation entre activités informelles et pauvreté.................................................... 328

I.2.2. Approches et indicateurs ........................................................................................................................ 329

I.2.3. Résultats ................................................................................................................................................. 330

I.2.3.1. Contribution effective du secteur informel sur la pauvreté ......................................................... 331

I.2.3.2. Simulations d’impact de la rémunération du travail informel sur la pauvreté ............................ 333

Conclusion .................................................................................................................................................. 335

II. LES TRAVAILLEURS DU SECTEUR INFORMEL SONT-ILS LES PLUS HEUREUX ? : LE CAS DE L’AGGLOMERATION D’ANTANANARIVO

.............................................................................................................................................................. 337

Introduction ............................................................................................................................................... 337

II.1. Revue de la littérature ................................................................................................................. 341

II.2. Caractéristiques particulières du secteur informel à Antananarivo en 2004 .............................. 345

II.2.1. Différence de rémunération entre secteur formel et secteur informel.................................................. 346

II.2.2. Relations entre Emploi informel et réseaux de solidarité et/ou capital social ....................................... 347

II.2.3. Motifs d’implantation dans le secteur informel ..................................................................................... 348

II.2.4. Niveau d’ancrage dans le métier des opérateurs du secteur informel ................................................... 349

II.2.5. Prépondérance du sous-emploi dans le secteur informel ...................................................................... 350

II.3. Description du bonheur individuel des offreurs de travail ........................................................... 351

II.3.1. Approche subjective du bonheur............................................................................................................ 351

II.3.2. Les variables d’analyse ........................................................................................................................... 352

II.3.3. Etude descriptive du bonheur individuel des travailleurs ....................................................................... 354

II.4. Modèle et estimations de l’influence sur le bonheur individuel de d’exercice d’une activité dans le

secteur informel ......................................................................................................................................... 357

II.4.1. Le modèle ............................................................................................................................................... 357

II.4.2. Les résultats du modèle .......................................................................................................................... 359

Conclusion .................................................................................................................................................. 364

CONCLUSION GENERALE ............................................................................................................... 366

BIBLIOGRAPHIE .......................................................................................................................................... 372

INDEX DES TABLEAUX

Tableau 1 : Variations des Composantes de l’IDH de 2001 à 2008 ......................................................................... 7

Tableau 2 : Evolution de la structure des emplois par secteur institutionnel 2001-2010 (effectifs en milliers) .... 9

Tableau 3 : Chiffre d’affaires déclaré et reconstitué grâce à la phase 2 en 1995 à 2010 ..................................... 43

Tableau 4 : Taux de sondage par strate pour la phase 2 dans la base de sondage de la phase 1 ........................ 46

Tableau 5 : Taux de non-réponses et motifs, dans l’échantillon de la phase 2 : 1995 à 2010 .............................. 47

Tableau 6 : Qualité des informations collectées lors de la deuxième phase de l’enquête 1-2-3 .......................... 49

Tableau 7 : Evolution des prix du secteur informel et de l’IPC entre 1995 – 2010 (en %) .................................... 50

Tableau 8 : Les équipes de collecte de la phase 2 ................................................................................................. 52

Tableau 9 : Coûts des opérations de la deuxième phase de l’enquête 1-2-3 ....................................................... 53

Tableau 10 : Taux et motifs des remplacements dans la phase 3 ......................................................................... 59

Tableau 11 : Les équipes de collecte de la phase 3 ............................................................................................... 61

Tableau 12 : Evolution des principaux agrégats du secteur informel 2001-2010 ................................................. 63

Tableau 13 : Evolution des conditions d’activités du secteur informel 1995-2010 .............................................. 65

Tableau 14 : Evolution de l’origine des matières premières et de la destination des ventes 1995-2010 ............ 67

Tableau 15 : La démission de l’Etat vis à vis du secteur informel ......................................................................... 69

Tableau 16 : Evolution de la consommation des ménages 1995-2010 ................................................................. 71

Tableau 17 : Evolution de la consommation de quelques produits ...................................................................... 72

Tableau 18 : Evolution de la consommation adressée au secteur informel ......................................................... 73

Tableau 19 : Destination du chiffre d’affaires du secteur informel (en % du chiffre d'affaires) ........................... 80

Tableau 20 : Répartition des principaux lieux d’achat par type de produits ........................................................ 81

Tableau 21 : Origine des matières premières consommées par le secteur informel ........................................... 84

Tableau 22 : Mode de fixation des prix dans le secteur informel (en % des UPI) ................................................. 85

Tableau 23 : Variation des prix du secteur informel, de l’IPC et du déflateur du PIB entre 1995–2010 .............. 95

Tableau 24 : Evolution des prix de la production du secteur informel selon la catégorie de produit entre 1995 –

2010 (en %) .................................................................................................................................................. 97

Tableau 25 : Déflateurs des agrégats du secteur informel entre 1998 et 2001 (base 1998) ............................... 98

Tableau 26 : Déflateurs des agrégats du secteur informel entre 2001 et 2010 (base 2001) .............................. 100

Tableau 27 : Evolution du nombre d’UPI selon la branche d’activité entre 1995 et 2004 ................................. 108

Tableau 28 : Revenus d’activité selon le statut dans l’emploi en 2004 ............................................................. 115

Tableau 29 : Organisation du travail dans le secteur informel en 2004 ............................................................. 116

Tableau 30 : Perspectives d'avenir des chefs d'unités de production informelles en 2004 (en %) .................... 118

Tableau 31 : Chiffre d’affaires, production et valeur ajoutée du secteur informel ........................................... 120

Tableau 32 : Quelques indicateurs moyens du niveau d’activité des UPI en 2004 ............................................. 122

Tableau 33 : Revenu horaire moyen par branche et statut dans l’emploi selon le sexe en 2004 ...................... 130

Tableau 34 : Principales difficultés rencontrées par le secteur informel en 2004 .............................................. 138

Tableau 35 : Destination du chiffre d’affaires du secteur informel en 2004 ...................................................... 142

Tableau 36 : La montée de la concurrence 1995-2004 ....................................................................................... 143

Tableau 37 : Mode de financement du capital du secteur informel en 2004 ..................................................... 144

Tableau 38 : Mode de financement des achats de matières premières en 2004 ............................................... 145

Tableau 39 : Emprunt dans le secteur informel 2004 ......................................................................................... 146

Tableau 40 : Aides souhaitées par les chefs d'unités de production informelles en 2004 ................................. 148

Tableau 41 : Importance des besoins en microcrédit en 2004 ........................................................................... 149

Tableau 42 : Importance des besoins en crédit bancaire en 2004 ...................................................................... 151

Tableau 43 : Quelques indicateurs d’activité des UPI demandeurs potentiels de crédit en 2004 ..................... 153

Tableau 44 : Utilisation potentielle d'un crédit par les unités de production informelles en 2004.................... 157

Tableau 45 : Prestations des IMF à Madagascar au 31 décembre 2003 ............................................................. 161

Tableau 46 : La volonté de se faire enregistrer dans le secteur informel ........................................................... 185

Tableau 47 : Caractéristiques socio-économiques des UPI selon la volonté du chef de se faire enregistrer ..... 187

Tableau 48 : Déterminants de la volonté d’enregistrement des opérateurs économiques ............................... 193

Tableau 49 : Statistiques descriptives sur les caractéristiques et performances économiques des unités de

production informelles à Antananarivo en 2004 et 2001.......................................................................... 212

Tableau 50 : Estimations par régressions quantiles de la fonction de production en 2004 ............................... 218

Tableau 51 : Estimations par régressions quantiles de la fonction de production en 2001 ............................... 218

Tableau 52 : Description du degré d’efficacité des unités de production informelles en 2004 ......................... 222

Tableau 53 : Régression linéaire simple du degré d’efficacité des unités de production informelles ................ 225

Tableau 54 : Structure de la base de données de panel ..................................................................................... 235

Tableau 55 : Comparaison des caractéristiques des individus « sortants » et « restants » du panel 2000-2001238

Tableau 56 : Comparaison des caractéristiques des vagues d’échantillons entre deux années successives ..... 239

Tableau 57 : Proportion des individus désirant le statut de travailleur indépendant entre 2000-2004............. 244

Tableau 58 : Caractéristiques des individus désirant le statut de travailleur indépendant comparées à ceux ne le

désirant pas ............................................................................................................................................... 245

Tableau 59 : Proportion de ceux ne changeant pas d’idée les années suivantes parmi ceux désirant le statut

d’indépendance pour l’année de référence .............................................................................................. 246

Tableau 60 : Déterminants du désir d’un travail indépendant ........................................................................... 256

Tableau 61 : Déterminants de l’exercice d’un travail indépendant ................................................................... 261

Tableau 62 : Contribution du secteur informel sur l’emploi au niveau « ménage » ........................................... 326

Tableau 63 : Contribution du secteur informel sur le revenu au niveau « ménages » ....................................... 327

Tableau 64 : Secteur Informel et incidence de pauvreté .................................................................................... 332

Tableau 65 : Simulations d’impact sur la pauvreté des chocs positifs sur la rémunération du travail dans le

secteur informel ........................................................................................................................................ 335

Tableau 66 : Revenus d’activité selon le statut dans l’emploi en 2004 ............................................................. 346

Tableau 67 : Organisation du travail dans le secteur informel en 2004 ............................................................. 348

Tableau 68 : Ancrage dans le secteur d’activité en 2006 .................................................................................... 349

Tableau 69 : Perspectives d'avenir des chefs d'unités de production informelles en 2004 ............................... 350

Tableau 70 : Evolution du sous-emploi selon le secteur institutionnel 2001-2006 ............................................ 351

Tableau 71 : Niveau de bonheur des offreurs de travail en 2006 ....................................................................... 356

Tableau 72 : Variables indépendantes introduites dans le modèle .................................................................... 359

Tableau 73 : Déterminants du bonheur individuel ............................................................................................. 363

INDEX DES GRAPHIQUES

Graphique 1 : Evolutions du PIB réel/tête - du ratio de pauvreté et de l’inflation 1984-2010 ............................... 6

Graphique 2 : Déroulement des opérations de l’enquête 1-2-3 ........................................................................... 38

Graphique 3 : Evolution de l’indice des prix de la production du Secteur Informel, de l’IPC et du déflateur du PIB

entre 1995 et 2010 (base 100 en 1995) ...................................................................................................... 95

Graphique 4 : Valeurs estimées de la valeur ajoutée selon le déflateur (base 100 en 1995) ............................... 97

Graphique 5 : Evolution du nombre d’UPI selon la branche d’activité entre 1995 et 2004 ............................... 108

Graphique 6 : Evolution de la valeur ajoutée entre 1995 et 2004 ...................................................................... 121

Graphique 7 : Evolution du capital selon l’âge de l’UPI et selon le type de capital en 2004 .............................. 132

Graphique 8 : Evolution de la durée d’acquisition de capital en fonction de l’âge de l’UPI ............................... 134

Graphique 9 : Relations entre le nombre d’heures travaillées (log) et la valeur ajoutée (log) ........................... 214

Graphique 10 : Relations entre la valeur du capital physique (log) et la valeur ajoutée (log) ............................ 215

Graphique 11 : Variabilité des coefficients de la fonction de production en 2004 et 2001 ............................... 219

Graphique 12 : Distribution du degré d’inefficacité des unités de production en 2004 et 2001 ....................... 220

LISTE DES ABBREVIATIONS

ADéFI : Action pour le Développement et Financement des Microentreprises

AECA : Association d’Epargne et Crédit Agricole

AIM : Association des Institutions de Microfinance

APEM : Association Professionnelle des Entrepreneurs à Madagascar

Ariary : Unité monétaire de Madagascar

BDE : Banque des Données de l’Etat

BTP : Batiment et Travaux Publics

CA : Chiffre d’Affaires

CEM : Caisse d’Epargne de Madagascar

CNaPS : Caisse Nationale de Prévoyance Sociale

CECAM : Caisse d’Epargne et de Crédits Agricoles Mutuelles

DIAL : Développement Institution et Mondialisation

DSA : Dimension Sociale de l’Ajustement

EAM : Entreprendre à Madagascar

EBC : Enquête Budget-Consommation

EBE : Excédent Brut D’exploutation

ECM : Enquête Consommation des Ménages

ELA : Enquête sur les Lieux d’Achat

ENA : Entreprises Non – Agricoles

EPIC : Etablissement Public à Caractère Industriel et Commercial

EPM : Enquête Périodique auprès des Ménages

FMG : Franc malgache

I : Investissement

IMF : Institution de Microfinance

INSTAT : Institut National de la Statistique

IPC : Indice des Prix à la Consommation

IPP : Indice des Prix à la Production

IRD : Institut de Recherche pour le Développement

K : Capital

MADIO : Madagascar-DIAL-INSTAT-ORSTOM

MCO : Moindre Carré Ordinaire

MDG : Millenium Dévelopment Goal

Mds : Milliards

OIT : Office International du Travail

OLS : Ordinary Least Square

ONG : Organisme Non-Gouvernemental

OTIV : Ombona Tahiry Ifampisamborana Vola

PED : Pays en Développement

PIB : Produit Intérieur Brut

PME : Petites et Moyennes Entreprises

PNUD : Programme des Nations Unies pour le Développement

PPN : Produits de Première Nécessité

PSDR : Programme Sectoriel pour le développement Rural

SA : Société Anonyme

SI : Secteur Informel

SIPEM : Société d’Investissement pour la Promotion des Entreprises à Madagascar

TIAVO : Tahiry Iombonana Ampisamborana Vola

TVA : Taxe sur la Valeur Ajoutée

u. c. : unité de consommation

UEMOA : Union Economique et Monétaire Ouest-Africain

UPI : Unité de production informelle

VA : Valeur ajoutée

1

INTRODUCTION GENERALE

Cette thèse aborde la contribution du secteur informel à la dynamique du

marché du travail et la lutte contre la pauvreté à Madagascar. La persistance, voire

l’aggravation de la pauvreté et l’engouement pour l’idée selon laquelle le travail

décent et la promotion des activités génératrices de revenus sont des remèdes

incontournables suscitent des questions sur leur utilité et leur efficacité réelle. Est-il

possible de « réduire la pauvreté, en assurant le plein emploi et le développement du

secteur informel » ? Par ailleurs, l’insuffisance quantitative et qualitative des études

et des recherches sur le secteur informel, le marché du travail et la pauvreté et leurs

interrelations constituent un handicap majeur dans l’élaboration et dans la mise en

œuvre des différentes politiques de développement. Notre étude tente de combler

cette lacune en se focalisant sur le cas d’Antananarivo, capitale de Madagascar, au

cours de la période 1995 – 2010.

i. Le contexte macroéconomique

Sur le plan macro économique, l’évolution de l’économie malgache est très

instable qui se traduit par des croissances non soutenues et qui conduit à une

dégradation des conditions de vie de la population. Le Graphique 1 illustre l’évolution

de la situation. Le niveau du PIB réel par habitant a chuté à partir de 1971 jusqu’en

1996. A partir de 1997, il a crû timidement jusqu’en 2001 où la crise de 2002 a

provoqué une nouvelle chute. A partir de 2003, le PIB par habitant s'est redressé,

mais son niveau de 2008 est loin d’être comparable à celui de 1971. La tendance

s’est brusquement inversée à nouveau en 2009 due à une nouvelle crise socio-

politique qui n’est toujours pas résolue en 2011 et affecte de plein fouet l’économie

malgache au cours de ces trois dernières années.

Cette situation est attribuable à de mauvaises performances macro-

économiques, notamment à la faiblesse du niveau de croissance économique

2

comparé à celui de la croissance démographique et à la variabilité à travers le temps

de cette croissance. Un taux de croissance annuel moyen de 0,1% seulement a été

enregistré durant la période de l’économie planifiée de 1970 à 1984. Après la mise

en œuvre des politiques d’ajustement structurel et des reformes structurelles entre

1985-1990, la situation macroéconomique a connu une légère amélioration avec un

taux de croissance moyen de l’ordre de 2,1% par an. Entre 1997 et 2001, le taux de

croissance annuel du PIB était toujours supérieurs au taux d’accroissement de la

population (2,8% par an) et est passé de 3,7% en 1997 à plus de 6,0% en 2001. Ce

n’est qu'après la crise de 2002 que le pays a amorcé un véritable décollage

économique avec un taux de croissance annuel moyen du PIB de 6,3% jusqu’en

2008. Malheureusement, ces élans ont été interrompus par des crises sociopolitiques

à répétition, comme ce fut le cas au cours des années 1991, 2002 et 2009 où le taux

de croissance était respectivement de -6,3%, -12,7% et -4,1%. In fine, entre 1984 et

2009, le PIB a cru annuellement seulement avec un taux de 2,1% ; un taux

largement insuffisant pour avoir une influence positive sur les conditions de vie de la

population et la pauvreté.

Les piètres performances économiques sont le résultat, entre autres, de

politiques peu judicieuses dans les années 70 et 80 et d’un environnement

macroéconomique international défavorable. Dans les années 70, le gouvernement a

tenté de contrôler les prix du riz afin de protéger les consommateurs urbains. Ses

efforts n’étant pas suffisamment récompensés, les petits exploitants agricoles ont

cessé de fournir les marchés en riz, ce qui s'est traduit par une baisse de la

production et la nécessité de recourir aux importations pour nourrir la population. Le

gouvernement a aussi cherché à accélérer l'industrialisation du pays en mettant

l'accent sur les activités de substitution aux importations et en empruntant sur les

marchés de capitaux pour financer des entreprises publiques. Ces entreprises n'ont

pas donné les résultats escomptés et le gouvernement s'est vite retrouvé dans

l'impossibilité de payer sa dette. En raison de la pénurie de ressources, il n'a plus été

en mesure de faire face aux besoins essentiels tels que l'entretien des routes ou le

développement de l’éducation.

3

Les faibles performances de l'économie malgache peuvent aussi être

observées à travers des taux d’investissement très réduits, qui se situent, en général,

entre 10% et 15% du PIB jusqu’en 2007. De plus, le niveau de l’épargne intérieure

est tellement faible (moins de 13% du PIB), qu’elle ne peut pas couvrir

l’investissement. A partir de 1996, l’Etat a recours à l’épargne extérieure pour le

financement de l’investissement. Le déficit extérieur a été aussi accentué par les

crises notamment de 2002. Toutefois, à partir de 2003, on assiste à un relèvement

assez significatif du taux d’investissement pour atteindre près de 35% du PIB en

2008 et 29% du PIB en 2009, même si cet investissement se fait toujours en grande

partie sur financement extérieur suite aux grands projets miniers (extraction des

ilménites, du cobalt et exploration pétrolière).

Si la faiblesse du taux de croissance économique sur longue période a

empêché le niveau de vie de la population de se relever, le niveau élevé de l’inflation

y a aussi contribué en agissant directement sur le pouvoir d’achat. En effet,

l’économie malgache a connu des taux d’inflation relativement élevés au cours du

temps (Graphique 1). Entre 1969 et 2007, le taux d’inflation moyen des prix à la

consommation a été de 13,3%. Ce niveau élevé de l’inflation résulte de

l’accroissement de la masse monétaire qui, par exemple, se situe autour de 15%

entre 1995 et 2006 selon les statistiques de la Banque Centrale de Madagascar et

du niveau du déficit public en termes de pourcentage du PIB qui se situe en

moyenne entre 6% et 13%.Toutefois, force est de constater que quoique l’inflation

soit élevée, elle évolue en tendance à la baisse au fil des années. Ce qui prouve

dans une certaine mesure l’efficacité des mesures mises en œuvre jusqu’ici pour

maîtriser l’inflation. En effet, l’inflation a atteint un niveau moyen très élevé de 15,4%

si l’on considère la période 1980-2007. Par contre, elle a été de 13,8% si considère

cette fois la période 1990-2007 et enfin sur la période 2000-2007, l’inflation moyenne

a été "seulement" de 10,5%.

4

ii. Les conditions de vie et la pauvreté

Sur le plan micro-économique, aucune amélioration significative n’est

constatée comme le Graphique 1 le résume. Entre 1984 et 2003, le PIB réel par

habitant a baissé de 35 500 Ariary1 à 29 400 Ariary, puis a augmenté jusqu’à 33 700

Ariary en 2008. Dans les années 60, Madagascar figurait parmi les pays africains les

plus riches, avec une élite instruite, des institutions et une infrastructure relativement

développées et un revenu par habitant au-dessus de la moyenne des pays en

développement (PED). À l’époque, le revenu par habitant à Madagascar était

comparable à celui de l’Indonésie et proche de celui de la Thaïlande. Quarante ans

plus tard, le revenu par habitant de Madagascar correspond à un tiers de celui de

l’Indonésie et environ à un dixième de celui de la Thaïlande.

Avec une croissance économique inférieure à l’accroissement de la population

entre 1970 à 1997, la population malgache s'est enfoncée dans la misère. La

pauvreté s’est aggravée progressivement et a touché plus de 70% de la population

malgache en 1993 et 73% en 1997.

Globalement, la reprise de la croissance économique soutenue dans la

période de 1997 à 2001 n’a pas eu des effets positifs significatifs sur les conditions

de vie des ménages. Près de 70% de la population vivaient toujours en dessous du

seuil de pauvreté. Le nombre absolu de pauvres a fortement augmenté en passant

de 8,6 millions en 1993 à 10,4 millions en 1999. Par contre, l’embellie s’est fait sentir

chez les ménages urbains. Après une hausse rapide de 13 points de pourcentage

entre 1993 et 1997, le ratio de pauvreté urbain a chuté brusquement de 11 points de

pourcentage pour atteindre 52,1% en 1999. Au cours de cette période, un nombre

important d'emplois a été créé, grâce essentiellement aux investissements dans les

activités orientées vers l'exportation (industries dans les zones franches et

production de crevettes). Cependant, cette croissance n'a eu que peu d'impact dans

1 Unité monétaire à Madagascar. En 2011, 1 Euro = 2 980 Ariary et 1 $US = 2 100 Ariary

5

les zones rurales. Le revenu par habitant s’est amélioré dans les villes, mais pas

dans les campagnes. Grâce à un taux d’urbanisation encore relativement bas (seul

un Malgache sur quatre vit en milieu urbain), ces fluctuations, aussi importantes

soient-elles, n’ont pas eu d’impact significatif sur la pauvreté générale dans le pays.

En revanche, la pauvreté rurale est restée très élevée tout au long de la décennie et

a même crû légèrement pendant la période de reprise économique globale.

La crise de 2002 a provoqué une chute vertigineuse du PIB réel et une forte

aggravation de la pauvreté dans tout le pays. Les effets néfastes de la crise politique

ont fait grimper le ratio de pauvreté de onze points en un an : de 70% en 2001 à 81%

en 2002. Cette crise a frappé en particulier les ménages pauvres, notamment les

exploitants agricoles, les nouveaux chômeurs licenciés du secteur formel et les

groupes extrêmement pauvres dans les zones urbaines.

De 2003 à 2008, l’économie a connu un essor particulier. Après une baisse de

13% du PIB réel en 2002, la croissance a atteint 9,8% en 2003, 5,3% en 2004, 4,6%

en 2005 avant de s'élever même de 7,1% en 2008. Ces évolutions ont eu des

répercussions positives sur les conditions de vie de la population. Le ratio de

pauvreté a fortement baissé jusqu’à 69% en 2005. L’amélioration de la situation est

observée notamment dans les zones urbaines. A la suite de la dépréciation de la

monnaie locale entre 2003 et 2004, le pouvoir d’achat des ménages a été miné par

une hausse de l’inflation surtout en 2004 et 2005. Mais, à partir de 2006, on assiste à

une atténuation de l’inflation, celle-ci reculant à 8,9% en 2008. En conséquence, la

croissance s’est traduite par une amélioration du revenu réel par habitant.

Au cours de l’année 2009, le pays a à nouveau sombré dans une nouvelle

crise sociopolitique et cela a cassé brutalement la dynamique de la croissance

économique. Bien que moins forte que celle de 2002, la situation de crise dure

depuis plus de deux ans. Elle s’est soldée par un taux de croissance du PIB réel de -

4,1% en 2009 et +0,5% en 2010 (INSTAT, 2011), marquant un coup d'arrêt à la

tendance à la hausse de la croissance économique de la période 2003-2008. La

6

crise a aussi entraîné la hausse de la pauvreté aussi bien en milieu urbain qu’en

milieu rural. En 2010, le taux de pauvreté atteint 76,5% au niveau national. Le taux

de pauvreté en milieu urbain est monté à 54% en 2010 contre 52% en 2005. Pour le

milieu rural, l’incidence de la pauvreté est de 82% en 2010 contre 74% en 2005

(Rakotomanana et alii, 2011).

Si l'on adopte l’approche subjective des niveaux de vie, plus 47 % de la

population déclarent vivre en difficulté en 2010. Comparé à l’année 2005, cette

proportion est restée pratiquement stable : 47,7% en 2005. En milieu rural, près de la

moitié (49%) des Malagasy se classe parmi les ménages en difficulté financière ;

alors qu’en milieu urbain, la perception subjective du niveau de vie est un peu

meilleure avec une proportion de 39% ménages se déclarant les plus démunis. Si on

analyse la pauvreté avec une approche dynamique, la situation est plus alarmante.

En effet, en 2010, plus de 81,2% des Malgaches sont vulnérables à la pauvreté,

c’est-à-dire qu'ils ont une probabilité de 50% ou plus de vivre en dessous de ce seuil

de pauvreté l’année suivante. Si l’on étend l'horizon temporel de l’analyse, 92% de la

population risquent de tomber en dessous du seuil de pauvreté au moins pour une

année au cours des deux années successives, en supposant des caractéristiques

socio-économiques individuelles et communautaires constantes. La faiblesse du

Graphique 1 : Evolutions du PIB réel/tête - du ratio de pauvreté et de l’inflation 1984-2010

Sources : INSTAT/Comptes nationaux, Enquête périodique auprès des ménages.

7

niveau de consommation, plutôt que ses fluctuations, constitue la principale cause de

cette vulnérabilité.

Selon le Tableau 1, l’évolution d’Indice de développement humain (IDH) à

Madagascar fournit une image plus contrastée que ce que montre les indicateurs

purement économiques ou monétaires (PNUD, 2010). Après une stagnation de

l’indicateur entre 1993-1996 au niveau de 0,380, une nette amélioration a été

ressentie en 1997 due à la croissance du PIB et du taux de scolarisation : l’IDH a

atteint 0,454. Cette tendance à la hausse de l’IDH s'est poursuivie pour se situer au

niveau de 0,484 en 2001. L’effet de la crise de 2002 a agit négativement, surtout sur

le revenu, et a fait reculer légèrement l’IDH à 0,479. La situation s’est redressée

rapidement entre 2002 et 2007, et l’IDH a cru en moyenne 1,2% par an. En 2005,

avec un IDH de 0,533, Madagascar se situant au 143ème rang mondial et était classé

parmi les pays à développement humain moyen. En 2008, avec les améliorations de

toutes ses composantes (PIB, taux de scolarisation, espérance de vie), l’IDH atteint

son niveau maximum de 0,571. La non-disponibilité du niveau de l’indice pour les

années après 2009 n’a pas permis d’évaluer l’impact de la crise sur le

développement humain à Madagascar.

Tableau 1 : Variations des Composantes de l’IDH de 2001 à 2008

Composantes de l'IDH 2002 2003 2004 2005 2006 2007 2008

Taux de croissance

annuel moyen (02-07)

Taux de croissance

(07/08)

Espérance de vie 53,4 53,8 54,2 54,7 55,2 55,7 56,2 0,4% 0,9%

Taux de scolarisation 48,3 56,3 64,7 67,0 69,9 71,7 74,0 3,4% 3,2%

Taux d'alphabétisation 68,7 73,1 73,1 59,6 74,1 74,4 74,8 0,7% 0,6%

Revenu en $.ppa 810,3 863,1 823,5 435,0 951,7 1 225,8 1 450,7 3,5% 18,3%

Indicateur d'espérance de vie 0,473 0,480 0,487 0,515 0,503 0,512 0,520 0,7% 1,6%

Indicateur d'éducation. 0,619 0,675 0,703 0,621 0,727 0,735 0,745 1,4% 1,4%

indicateur de revenu 0,349 0,360 0,352 0,245 0,376 0,418 0,446 1,5% 6,7%

IDH 0,479 0,505 0,514 0,460 0,535 0,555 0,571 1,2% 2,8%

Source : INSTAT

8

iii. Dynamique du marché du travail et poids du secteur informel urbain

Entre 2003 et 2008, même si le PIB a augmenté en termes réels de 5,6 % en

moyenne par an, soit une croissance exceptionnelle pour Madagascar, cette

croissance ne s’est traduite que par une très faible progression moyenne des

revenus du travail dans la capitale malgache. Entre les premiers trimestres 2004 et

2006, le pouvoir d’achat des travailleurs n’a en effet augmenté que de 1% par an

(Rakotomanana, Roubaud et Wachsberger, 2010).

La crise politique amorcée à la fin de l’année 2008 a stoppé le cycle de

croissance économique et entrainé une nette dégradation du marché du travail dans

la capitale malgache. Depuis 2009, avec des taux de croissance négatifs du PIB,

l’emploi a continué à se développer à un rythme proche de celui de la population

potentiellement active (10 ans et plus). Le taux d’activité des 10 ans et plus est ainsi

resté sensiblement le même que les années précédentes (60,4 % en 2010).

Néanmoins, la crise s’est immédiatement faite sentir sur le marché de travail, surtout

en milieu urbain, par les signes de tensions sur le marché du travail suivants : une

augmentation du chômage et du sous-emploi. Le taux de chômage, pourtant

structurellement faible à Antananarivo, est passé de 5,2 % au premier trimestre 2006

(niveau stable par rapport à 2004) à 6,8 % au premier trimestre 2010, ce qui

correspond à une augmentation de près de 20 000 chômeurs. Cet accroissement

important du nombre de chômeurs tient à un double phénomène. Il traduit d’une part

la difficulté plus grande des jeunes diplômés à s’insérer sur le marché du travail. Les

primo-demandeurs (chômeurs cherchant un premier emploi) sont en effet passés

d’environ 10 000 en 2006 à près de 20 000 en 2010. Il est aussi la conséquence

d’une augmentation des licenciements opérés par le secteur privé formel.

On distingue aussi deux autres facettes du sous-emploi, qui sont le sous-

emploi lié à la durée du travail et les situations d’emplois inadéquats. La première est

définie comme l’ensemble des personnes travaillant moins de 35 heures pas

semaine à leur corps défendant : 12,1 % des actifs sont dans ce cas en 2010, une

9

proportion inférieure de un point à celle de 2006. La seconde caractérise les emplois

à temps plein dont la rémunération horaire est inférieure au salaire minimum en

vigueur. Mesurée par rapport au SMIG horaire de 2001 en Ariary constants, la

proportion d’emplois inadéquats passe de 47,3 % en 2006 à 51,5 % en 2010, soit

une dégradation de plus de 4 points.

Selon le Tableau 2, l’augmentation de l’emploi, en dépit de la crise, est

essentiellement à mettre à l’actif du secteur informel, dont l’effectif a enregistré 116

000 emplois supplémentaires entre 2006 et 2010 seulement dans la capitale

malgache. Il représente ainsi 65,1 % des emplois en 2010, un poids encore jamais

atteint auparavant. Même lors de la crise sévère de 2002, l’informel ne représentait

que 59,8 % des emplois malgré les fermetures généralisées d’entreprises. Comparé

à 2001, le secteur informel a vu sa part augmenter de 12 points de pourcentage,

recolonisant ainsi des pans entiers du marché du travail.

En 2010, Antananarivo compte 354 600 unités de production informelles (UPI)

dans les branches marchandes non agricoles, employant 526 400 personnes. De

plus, par rapport à la situation de 2001, le nombre d’UPI ainsi que les emplois

qu’elles créent montrent un secteur en prolifération continue. Le taux de croissance

Tableau 2 : Evolution de la structure des emplois par secteur institutionnel 2001-2010 (effectifs en

milliers)

Secteur institutionnel 2001 2002 2004 2006 2010

Effectif % Effectif % Effectif % Effectif % Effectif %

Administration publique 44, 1 8,2 45,4 8,4 49,9 8,3 48,5 7,6 49,8 6,7

Entreprises publiques 13,5 2,5 15,1 2,8 13,2 2,2 8,0 1,2 8,2 1,1

Entreprises privées formelles 187,4 34,7 143,7 26,7 181,3 30,0 200,0 31,5 191,9 25,7

- dont zone franche 54,8 10,1 21,6 4,0 54,2 9,0 51,2 8,1 35,6 4,8

Entreprises informelles 287,3 53,1 321,7 59,8 353,2 58,4 368,7 58,0 485,5 65,1

Entreprises associatives 7,9 1,5 11,8 2,3 6,8 1,1 10,8 1,7 10,8 1,4

Total 540,2 100 537,7 100 604,4 100 636 100 746,3 100

Source : INSTAT/DIAL, Enquêtes 1-2-3, phase 1 « Emploi », 2001-2010, calculs de l’auteur

10

annuel moyen entre 2001 et 2010 est de 6,2% pour le nombre d’UPI et de 7,0% pour

le nombre d’emplois. Ces chiffres marquent une fois de plus l'importance

économique des activités informelles pour la population surtout en milieu urbain. La

multiplication des créations d'UPI au cours des dernières années traduit la montée

en puissance du secteur informel comme mode d'insertion privilégié de la main-

d’œuvre en période de crise.

En ce qui concerne la production, le poids du secteur informel est loin d’être

négligeable avec 17% dans le PIB total en 2001, cette proportion dépassant 25% si

l’on ne considère que le PIB marchand (Projet MADIO, 2001). Par ailleurs,

l’ensemble des principaux agrégats économiques met en lumière une croissance

soutenue de ce secteur à Antananarivo au cours des dix dernières années, alors que

l’ensemble de l’économie a connu plusieurs phénomènes conjoncturels négatifs, en

particulier les deux crises de 2002 et 2009. Le secteur informel marchand non

agricole de la capitale a produit pour 2 611 milliards d’Ariary de biens et services et a

créé 1 422 milliards d’Ariary de valeur ajoutée au cours de l’exercice 2010. Le taux

de croissance annuel moyen en volume au cours de cette période est de 7,1% aussi

bien pour la production que pour la valeur ajoutée.

Le secteur informel reste donc bien associé à un mode d'insertion sociale et

économique encore valorisé aujourd’hui dans la capitale. En effet, malgré les

difficultés auxquelles ils font faces quotidiennement, les producteurs informels restent

largement optimistes quant à l’avenir des leurs activités. En 2010, 63% des chefs

d'UPI affirment qu'il existe un avenir pour leur établissement et 38% souhaitent

même voir leurs enfants leur succéder, s'ils le désiraient.

iv. Problématiques concernant le rôle du secteur informel sur la pauvreté

Dans le cadre des politiques de réduction de la pauvreté élaborées et mises

en œuvre à Madagascar, et dans la plupart des PED d’ailleurs, la promotion des

activités du secteur informel et du travail décent figure toujours parmi les axes

11

stratégiques, car ils sont souvent supposés avoir une influence positive en faveur des

pauvres. Cependant, plusieurs questions relatives à l’importance et au rôle du

secteur informel dans le système économique national et dans la lutte contre la

pauvreté restent d’actualité et sont loin d’être tranchées. De plus, il serait trop risqué

de généraliser des théories concernant un secteur tellement complexe et hétérogène

que le secteur informel.

Quels intérêts sociaux ou économiques justifient l’appui au secteur informel

dans le cadre de la lutte contre la pauvreté? Est-ce que l’exercice d’une activité

informelle peut réellement agir positivement sur la pauvreté d’un individu ?

Deux grandes tendances de pensée s’affrontent quant au rôle du secteur

informel dans le développement : d’un côté celles qui considèrent que ce secteur

possède le potentiel pour contribuer au développement économique et social, et de

l’autre côté, celles qui ne voient en ce secteur que le stigmate de situations de

pauvreté et de vulnérabilité.

Au cours des années 70 et 80, les tenants de la thèse du dualisme, courant

dominant de la pensée économique, ont considéré le secteur traditionnel comme une

simple réserve de main-d’œuvre pour le secteur moderne et que le passage dans le

secteur traditionnel n’est que temporaire (Harris, Todaro, 1970 ; Kahn, 1980). Il n’est

que le refuge de certains groupes d’individus, qui ont des difficultés pour s’insérer sur

le segment fermé du marché du travail formel, du fait de rigidités du salaire dans ce

secteur. Le secteur informel est considéré comme un secteur à faible productivité,

fonctionnant avec des techniques de production rudimentaires, produisant des

produits de mauvaise qualité, ne contribuant que très faiblement à la création de

richesse et à l’approvisionnement des ressources collectives. De ce point de vue, on

recommande des politiques de développement axées sur l’amélioration des

performances du seul secteur moderne pour augmenter sa capacité d’absorption de

travail, accompagnées de mesures visant la formalisation « forcée » des activités

économiques non enregistrées. Les autorités politiques ne voyant pas trop d’intérêt

12

quant au rôle potentiel des activités informelles dans la lutte contre la pauvreté,

décident d’abandonner la promotion de ces types d’activités au profit du secteur

formel et de mener des politiques répressives envers les petits opérateurs informels.

Malgré les politiques d’industrialisation à outrance et l'interventionnisme

étatique sur l’économie, les activités du secteur traditionnel non agricole n’ont pas

disparu. Au contraire, elles ont proliféré non seulement dans les pays du tiers monde

mais aussi dans les pays émergents. Depuis, de nouveaux courants de pensées ont

surgi. Ils ont remis en cause la thèse traditionnelle et ont provoqué un revirement

important de la perception du secteur informel (Yamada, 1996).

Avec l’apparition du terme « secteur informel » dans le rapport de mission de

l’OIT en 1972 (Swaminathan, 1991) ayant considéré ce secteur comme une

composante à part entière du système économique national, de nombreux

gouvernement et bailleurs de fond internationaux ont insisté sur l’importance de ces

activités dans la réduction de la pauvreté. Les négliger serait socialement coûteux

dans les PED. Elles offrent des opportunités aux ménages pour gravir des échelons

plus confortables en termes de niveau de vie. Plusieurs arguments sont évoqués. Ils

portent le plus souvent sur la forte contribution de ce secteur à l’absorption de l’offre

de travail, à la production intérieure brute et à la réduction des inégalités. De plus,

dans certains cas, l’installation dans le secteur informel est un choix poussé par des

motifs volontaires pris indépendamment de la situation dans le secteur formel. La

promotion des activités informelles figure ainsi parmi les axes stratégiques des

politiques de développement élaborées et mises en œuvre au cours des dernières

années.

Le courant néo-libéral (De Soto, 1994) est le premier à trouver dans le secteur

informel un dynamisme propre avec des possibilités de création d’emplois et de

croissance. Les opérateurs du secteur informel sont considérés comme des victimes

de l’interventionnisme excessif de l’Etat, qui ont voulu y échapper pour développer

leurs activités. Selon ce point de vue, l’économie de ce secteur possède des atouts

13

nécessaires pour son décollage, comme la capacité entrepreneurial des opérateurs

et les structures de fonctionnement. L’Etat doit adopter une politique de laisser-faire

vis-à-vis des unités de production de ce secteur en les libérant de toutes les

régulations auxquelles elles sont assujetties. Le rôle de l’Etat est de leur fournir les

infrastructures indispensables, ainsi que la promotion des structures d’appui aussi

bien sur le plan technique que financier.

Le courant réformiste (Sheturaman, 1976 ; Tokman, 1992) qui s’articule autour

des travaux de l’Organisation International du Travail (OIT) accorde aussi un rôle

important au secteur informel dans le développement d’un pays. Cependant, son

point de vue s’oppose au courant néo-libéral quant à l’origine du secteur informel et

au rôle de l’Etat pour la promotion ces activités. La prolifération des activités du

secteur informel est due essentiellement aux contreperformances enregistrées par le

secteur formel face à la crise ou aux politiques d’ajustement structurel qui, du coup,

ne peut plus absorber le surplus de main-d’œuvre sur le marché du travail. Le

secteur informel est caractérisé par la faible productivité du travail, le manque de

capital humain et physique, la faible capacité entrepreneuriale des opérateurs. Ces

handicaps ne peuvent pas se résoudre uniquement par une politique de laisser-faire.

L’Etat, au lieu de se désengager de ce secteur, doit y intervenir beaucoup plus en

mettant en œuvre des actions qui visent à améliorer la compétitivité de ces unités de

production et à leur accorder plus de ressources.

A la différence de ces différents courants de pensées, l’approche marxiste met

l’accent sur la forte dépendance entre le secteur formel et le secteur informel. La

dépendance entre les grandes entreprises et les unités de production informelles

peuvent prendre plusieurs formes : approvisionnement en intrants à bas prix,

contrats de sous-traitance, externalisation des activités. Ainsi, l’apparition des « petty

commodity producers » (Moser, 1978) résulte des stratégies des grandes entreprises

capitalistes de diminuer leur coût de production en utilisant des intrants à faible coût

de main-d’œuvre. Les opérateurs du secteur informel constituent comme de

l’« armée de réserve de l’industrie ». Les surplus qui devraient revenir aux petits

producteurs sont accaparés par les grandes firmes. Les opérateurs informels

14

achètent à des prix élevés aux grandes firmes leurs intrants et vendent à bas prix

leur production. Les marxistes ne voient pas des possibilités de croissance dans les

activités du secteur informel qui n’arrivent pas à accumuler du capital et à accroître

leur productivité. L’Etat peut intervenir pour protéger les petits opérateurs informels

par l’application stricte de la législation du travail et de la sécurité sociale.

Ce secteur possède-t-il réellement des potentialités de développement et un

dynamisme propre à long terme ? Si oui, quels sont les principaux facteurs de

développement (ou de blocage) de ce secteur ?

Jusqu’à la fin des années 80, la plupart des économistes insistaient sur la

dynamique bloquée des microentreprises et mettaient en avant les thèses du

missing-middle (Page et Steel, 1986). Mais, la persistance du secteur informel dans

l’économie des PED et l’hétérogénéité des trajectoires des activités qui le composent

ont amené certains économistes à rejeter ces thèses (Naudet et Marniesse, 1997).

Depuis, des théories et des études empiriques tentent d’expliquer la dynamique de

ces types d’unités de production (Régnier P., 2000 ; Mazumdar et Sarkar, 2009).

Compte tenu de ces caractéristiques et contraintes, il est vite apparu que la

théorie néoclassique relative à la croissance des firmes n’est pas applicable telle

quelle au secteur informel. La résolution par maximisation du profit, avec l’hypothèse

du marché de concurrence pure et parfaite, débouchent sur une homogénéité des

firmes en termes de taille, de performance et de croissance : phénomènes ne

correspondant pas à la réalité en général.

Ayant remis en cause ces hypothèses, les tenants du courant néo-classiques

ont mis en relief l’importance de la formation technique et des expériences

professionnelles dans la dynamique des unités de production. Ils ont trouvé que la

taille optimale des firmes évolue en fonction des chocs exogènes du progrès

technique. Leur réflexion était basée sur les nouvelles conceptions de la croissance

des firmes telles que l’existence d’économie d’échelle ou de rendements non

15

décroissants (Marshall, 1890), l’existence de la taille optimale des firmes ou de

rendements décroissants (Pigou, 1920; Robinson, 1933 ; Kimura, 2010).

Les néo-institutionnalistes ont proposé l’internalisation des activités en mettant

en place une nouvelle organisation interne afin, d’une part, de minimiser les coûts

des transactions liés au nombre et la complexité des contrats et les risques, et

d’autre part de faciliter l’adaptation aux changements éventuels sur le marché

(Coase, 1937). Selon eux, en supposant un rendement décroissant de l’organisation,

la taille optimale d’une unité de production existe et est fonction du niveau

d’intégration optimum obtenu en égalisant le coût marginal d’internalisation d’une

transaction supplémentaire (coûts de la nouvelle organisation) et le coût de

transaction sur le marché.

Ces contributions néoclassiques et néo-institutionnalistes ont pu, certes,

fournir des éléments de réponses pour expliquer l’hétérogénéité de croissance dans

le secteur informel en termes de taille des unités de production informelles.

Cependant, elles n’incluent pas dans leurs hypothèses la contrainte des débouchés

qui est très forte dans le secteur informel (Rakotomanana, 2004b). A cela s’ajoute le

fait de toujours ne retenir que la maximisation du profit comme comportement naturel

des opérateurs qui ne correspond pas à la « rationalité » de la majorité des

opérateurs du secteur informel. La capitalisation du progrès technique y est très

limitée et la nature des produits en grande partie consommés directement par les

ménages rend l’internalisation d’une faible utilité. Au contraire, les entrepreneurs

informels ont tendance à créer de nouvelles activités secondaires plutôt qu’à

développer davantage l’activité principale surtout pour minimiser les risques de faillite

(croissance extensive).

D’autres études théoriques et empiriques ont émergé pour tenter d’analyser

les différences de performances et de trajectoires des entreprises informelles.

Malheureusement, la plupart d’entre elles ont été menées dans les pays développés.

Les quelques tentatives dans les PED butent sur le manque crucial d’informations

16

statistiques dû aux problèmes méthodologiques liés aux caractéristiques spécifiques

du secteur informel. Néanmoins, toutes ces études apportent des enseignements

intéressants et constituent des avancées non négligeables. On peut les regrouper en

deux grandes catégories : celles qui expliquent la croissance d’une unité de

production par les facteurs internes et celles qui s’orientent plutôt sur les facteurs

externes.

Dans la première catégorie, les partisans des théories de décision ont avancé

la variabilité des attitudes et le mode de prise de décision des chefs d’unité de

production comme cause principale de l’hétérogénéité des trajectoires des

entreprises informelles. Abandonnant le comportement de maximisation de profit des

modèles néoclassiques, ces théories postulent que les entrepreneurs ont une

fonction particulière et leurs caractères jouent un rôle prépondérant dans la

trajectoire des entreprises. Ils ne se contentent plus de calculer, ils doivent aussi

juger, décider et imposer leurs décisions (Marniesse, 1999). Certaines d’entre elles

mettent l’accent sur « la capacité ou talent entrepreneurial » du dirigeant de l’unité de

production telles que les capacités d’organisation et de contrôle des travailleurs

(Leibenstein, 1968), la vigilance (aptitude à ressentir, à anticiper et à deviner)

(Kirzner, 1997), la capacité à innover (nouvelle méthode de production ou

d’organisation, nouveau marché, nouveau fournisseur) (Schumpeter, 1961) et

l’ambition de « domination » (Penrose, 1959). Certaines théories prônent que

l’hétérogénéité des performances des unités de production résulte de la « rationalité

limitée » des entrepreneurs (Simon, 1972), en ce sens qu’étant limité par son

aptitude à rassembler et à traiter les informations du marché et ayant un niveau

d’aspiration minimum, chaque opérateur est obligé de fixer un niveau minimum de

satisfaction à atteindre.

La deuxième catégorie d’études regroupe celles qui ont pour objet d’expliquer

l’hétérogénéité des trajectoires des unités de production en insistant sur l’influence

des facteurs externes sur les performances économiques des activités (Scherer,

1980). Ces facteurs sont rassemblés dans trois grands groupes. Premièrement,

l’environnement socio-économique des entreprises qui englobe tout ce qui est lié au

17

développement socio-économique du pays tels que les infrastructures de transport et

de communication, le système de financement, le système d’éducation et de

formation, le système de santé, les habitudes et la discipline au travail, les relations

sociales, le système et la circulation d’information. Deuxièmement, les

caractéristiques de l’offre incluent la nature et la qualité des produits, l’existence ou

non des barrières à l’entrée, le niveau élevé ou non des coûts d’installation ou des

coûts fixes dans le secteur, le niveau de substitution avec l’offre de produits formels,

le poids des importations et la possibilité ou non d’économies d’échelle. Enfin, les

caractéristiques de la demande comprennent les normes et habitudes de

consommation, le pouvoir d’achat et la répartition des richesses, le degré de stabilité

ou la saisonnalité de la demande, l’élasticité de la demande par rapport aux prix et

aux revenus, la possibilité de sous-traitance, le niveau d’intégration dans le circuit

formel et l’accès à la demande extérieure.

Outre tous ces facteurs, les unités de production informelles dans les pays en

développement possèdent-elles des spécificités constituant des atouts à leur

développement et dont les grandes entreprises ne peuvent pas bénéficier.

Le capital social constitue un atout très important dans la prospection des

clients pour les unités de production informelles. Les relations sociales encore

relativement fortes dans les PED créent des liens de fidélité entre un producteur et

ses consommateurs et qui réduisent les coûts de publicité de lancement, d’entretien

ou de promotion des produits. La proximité et les habitudes de consommation de la

population offrent un avantage aux activités à petite échelle et de proximité comme

celles du secteur informel. Le problème de stockage des produits et la fréquence des

rentrées d’argent obligeant les consommateurs à faire des achats quotidiennement

et à petite échelle réduisent le prix relatif et le coût de gestion de stocks des marchés

de proximité. De plus, le coût relativement élevé et l’insuffisance des infrastructures

de transport limitent l’accès des consommateurs aux grands magasins.

18

L’autre avantage comparatif des établissements informels est la faiblesse des

coûts de main-d’œuvre. La mobilisation importante de la main-d’œuvre familiale

diminue de façon considérable la masse salariale supportée par l’unité de production

(Rakotomanana, 2004b). La confiance mutuelle entre les dirigeants et les employés

réduit les problèmes d’aléa moral et facilite ainsi la supervision et le contrôle. La

parfaite connaissance des comportements des employés avant leur recrutement et la

non-utilité des contrats écrits limitent les coûts de transaction liés aux asymétries

d’information (Fafchamps, 1994). Le respect naturel de l’autorité des dirigeants

augmente la productivité et l’efficacité des travailleurs à moindre coût sans avoir

besoin de recourir à la pratique du salaire d’efficience indispensable dans les

grandes entreprises.

La flexibilité des structures de production dans les UPI leur permet de mieux

supporter les fluctuations de la demande. Les charges sont facilement adaptées au

niveau de la demande : flexibilité de la rémunération des employés dont la plupart

est non-salariée, le changement de fournisseur est facilité par l’absence de contrat

écrit de longue durée entre les deux parties. La faible intensité capitalistique des

techniques de production des établissements informels leur donne une plus grande

flexibilité, à faible coût et dans une période relativement courte, face aux

changements de nature, de structure ou de niveau de la demande. La simplicité des

techniques de production diminue leur dépendance vis-à-vis de l’extérieur et atténue

les effets directs des chocs dus aux conjonctures économiques et sociales

défavorables (augmentation des prix de l’énergie, revendications syndicales,

manifestations et grèves, etc.).

Les unités de productions informelles présentent d’autres caractéristiques

particulières. La logique de solidarité dans la production y remplace la logique de

maximisation du profit dominante chez les opérateurs formels. La mobilisation de la

main-d’œuvre familiale et l’entraide sociale y est très importante (Rakotomanana,

2004b). Généralement, l’exercice des activités a un objectif de survie ou d’obtention

de revenu minimum pour les dépenses quotidiennes du ménage. En moyenne, le

niveau de production et les performances économiques sont relativement faibles.

19

Mais ce résultat cache une forte hétérogénéité dans le secteur informel et les

inégalités en termes de performances et de revenus sont relativement fortes.

Certains opérateurs sont dans un dénuement total, tandis que d'autres enregistrent

une rentabilité largement supérieure à ce que leurs homologues du secteur formel

peuvent atteindre.

Malgré ses potentialités de développement, quels sont les obstacles qui

limitent le développement et l’efficacité économique du secteur informel ?

Pour développer leurs activités, les opérateurs du secteur informel font face à

plusieurs contraintes. Elles affectent surtout le côté de la demande : étroitesse du

marché et instabilité de la demande. Cela est dû à plusieurs facteurs. D’un côté, la

pauvreté limite le pouvoir d’achat des consommateurs. De l’autre, les contraintes de

survie, la facilité de création des établissements et la faiblesse du coût d’installation

induisent une entrée massive de nouvelles unités de production sur le marché. La

nature très homogène de la demande réduisant la gamme des produits et le manque

d’innovation rendent la concurrence très rude. L’intégration des entreprises du

secteur informel dans le système économique national est très faible. L’insertion des

produits des établissements informels dans les réseaux des grandes entreprises et la

pratique de la sous-traitance restent rares, sauf pour des cas exceptionnels.

Du côté de l’offre, l’importance des solidarités dans l’environnement social des

opérateurs informels les amène à privilégier plutôt la diffusion horizontale de

l’accumulation et la croissance extensive et à minimiser l’intensification des activités

de l’unité de production. Les unités de production non contraintes par la demande

pâtissent surtout d'un manque de fond de roulement et de problèmes

d’approvisionnement en matières premières. Elles sont obligées de réduire au

minimum les charges. Pour celles appartenant à la frange supérieure du secteur,

elles se plaignent surtout de la difficulté d’accès aux techniques et aux machines

plus performantes, de la mauvaise qualité de la main-d’œuvre, de l’insuffisance des

20

infrastructures et de l’inadaptation des cadres réglementaires régissant les activités

indépendantes.

Les unités de production informelles se situent en dehors du système de

financement formel (Rakotomanana, 2004b). L’exclusion des activités informelles

des crédits bancaires classiques est due à plusieurs raisons. Du côté de l’offre de

crédit, considérant les gros épargnants comme population cible, les institutions

financières classiques ne s’intéressent pas aux activités informelles. Elles sont

jugées a priori de faible rentabilité et trop vulnérables. De plus, l’évaluation du risque

accorde des pondérations relativement importantes à la qualité technique du dossier

de projet et aux compétences techniques des dirigeants. Tout cela fait que le risque

lié à l’incertitude est très élevé à l’égard des banques classiques. Le coût de

traitement des dossiers est assez élevé à cause de coûts fixes très importants

(structures relativement lourdes, gestion centralisée, procédure très complexe). En

conséquence, le coût unitaire de transaction est tellement élevé que les crédits à

faible montant ne sont pas rentables pour les banques classiques. Du côté de la

demande, l’éloignement géographique (concentration des banques classiques dans

les grandes villes), l’éloignement culturel (marketing social, niveau d’instruction

requis), la complexité des procédures (documents de projet, constitution des dossiers

administratifs), la valeur économique des gages exigés par les banques augmentent

le coût de transaction pour les petits entrepreneurs constituant un obstacle presque

insurmontable compte tenu de leur contrainte financière.

Dans une moindre mesure, d’autres problèmes pèsent sur les opérateurs de

l’informel. La fluctuation du rythme d’activité est relativement importante. Elle est

dictée par l’évolution des revenus et les événements sociaux (fêtes, fin d’année et fin

de mois, liés notamment au paiement des salariés du secteur formel). En général, la

production est composée essentiellement de biens et de services inférieurs destinés

à la consommation finale des ménages et dont le niveau de demande évolue

négativement avec le niveau de revenus des clients. Les propriétaires ne tiennent

pas de comptabilité écrite ayant un caractère formel et ne distinguent pas les

comptes de l’entreprise de ceux de leur propre ménage. La formation des prix est

21

dominée par le marchandage. Tout cela complique la gestion des affaires et les

prévisions des activités même à court et moyen termes.

v. Les objectifs de la thèse et la méthode de recherche

Le principal objectif de cette thèse est d’apporter, à travers divers essais et

analyses empiriques, des éléments de réponse à ces questions sur le secteur

informel, et notamment d'étudier son rôle sur le marché du travail et la pauvreté en

prenant le cas de Madagascar comme exemple.

Plus spécifiquement, cette thèse se propose de contribuer à une meilleure

connaissance du secteur informel et de sa dynamique à Madagascar :

caractéristiques socio-démographiques des opérateurs, facteurs de production,

conditions d’activité, performances économiques, insertion dans le système

économique national. En particulier, il s'agit d’apprécier la validité des différentes

écoles pensées économiques relatives aux relations entre secteurs informel et formel

pour le cas de Madagascar : le secteur informel suit-il une dynamique propre

indépendamment du secteur formel tel que les néo-libérales (de Soto,1994), les ILO

reformistes (Sheturaman, 1976 ; Tokman, 1992) et les structuralistes (Portes , 1997

; Roberts, 1991) l'ont avancé, ou bien est-ce qu’il n’est qu’un simple résidu de

l’économie dépendant de l’évolution des performances des activités formelles

comme l'avancent les partisans des thèses dualistes (Lewis, 1954 ; Harris et Todaro,

1970) ? La réponse à cette question est fondamentale pour l’élaboration des

politiques économiques en général et les politiques de développement du secteur

informel en particulier. Par ailleurs, elle permet de tester la validité des faits stylisés

concernant ce secteur pour le cas de Madagascar : instabilité des activités, mauvaise

qualité du travail, technique de production rudimentaire, etc. Concernant

particulièrement le cas d’Antananarivo, l’installation dans le secteur informel est une

situation revendiquée plutôt qu’une situation subie par les individus qui n’ont pas

réussi à trouver des emplois salariés dans le secteur formel. Ainsi, en 2010, 28 %

des chefs d'unités de production considèrent le secteur informel comme un mode

22

privilégié d'insertion sur le marché de travail, plus de 22 % invoquent la possibilité

d'obtenir un meilleur revenu que le salaire auquel ils pourraient prétendre et 30 %

refusent le statut de travailleur dépendant et mettent en avant le désir d'être leur

propre patron. Par contre, moins de 11 % des chefs d'UPI ont choisi ce secteur parce

qu'ils n'ont pas trouvé d'emplois salariés dans le secteur moderne. L’insertion des

activités du secteur informel dans le système économique national est très faible. En

termes de provenance des consommations intermédiaires, le principal fournisseur

des UPI est de loin le secteur informel lui-même avec plus de 54% des cas, dont

48% sont des commerces informels. Moins de 15% des UPI s’approvisionnent en

intrants dans le secteur formel. En aval, seuls 3% des UPI ont vendu des produits

dans le circuit du secteur formel. En termes de financement, l’accès au crédit formel

est très faible.

L’identification des faiblesses et des obstacles au développement du secteur

informel fait aussi l’objet d'analyses dans le cadre de cette thèse. Cela devrait

permettre de mieux orienter les actions en faveur des activités de ce secteur et de

les rendre plus efficaces. Parmi les handicaps majeurs des activités informelles, on

peut citer, en premier lieu, leur faible degré d’efficacité. Le degré d’efficacité moyen

des unités de productions informelles à Antananarivo est seulement de l’ordre de

33% en 2004, une situation qui s’est dégradée par rapport en 2001. La situation est

beaucoup plus grave pour les activités commerciales. Un deuxième handicap dans le

secteur informel est la discrimination à l’égard des femmes en termes de

rémunération du travail. Les résultats des analyses empiriques montrent qu’elle est

beaucoup plus importante chez les travailleurs indépendants que chez les salariés.

Enfin, cette thèse vise aussi à analyser le rôle tenu par le secteur informel

dans le développement de Madagascar aussi bien sur le plan économique que sur le

plan social, en mettant surtout l’accent sur l’impact de l’exercice d’une activité

informelle sur la pauvreté. Les relations entre le fait de diriger une unité de

production informelle et la situation du ménage par rapport à la pauvreté peuvent se

transmettre par divers canaux. En effet, d’un côté, la possession d’une unité de

production informelle contribue à la création d’emplois pour les membres du ménage

23

propriétaire et augmente son revenu disponible. De l’autre côté, les caractéristiques

des activités informelles favorisent la création des réseaux sociaux et améliorent le

capital social du ménage. Par ailleurs, l’ambiance de travail dans les petites

entreprises de type familial peut influencer positivement sur la perception subjective

du niveau de vie.

Outre le fait qu’elle fait partie des rares études dans ce domaine concernant

Madagascar, l’originalité de cette thèse est que les différentes analyses présentées

sont basées sur la mobilisation d’une base de données issue d’une série d’enquêtes

mixtes en trois phases dénommées enquêtes 1-2-3. En effet, selon les

recommandations des organismes et groupes de réflexion internationaux (Afristat,

CEA, Groupe de Dehli, DIAL-IRD, etc.), validées par différents ateliers de travail

(Bamako 1997 et 2008 pour l'Afrique, Hanoï 2010, etc.) et les expériences de

collecte réalisées dans de nombreux pays (Mexique, Pérou, Cameroun, Madagascar,

UEMOA, Vietnam, etc.), ce type d’enquête est la meilleure approche pour

appréhender le secteur informel et l’emploi informel dans son ensemble

(Razafindrakoto, Roubaud et Torelli, 2009 ; Nordman, Roubaud, 2010).

La première phase (enquête-emploi) de l’enquête 1-2-3 est réalisée chaque

année dans la capitale, avec une extension aux sept grands centres urbains du pays

en 2000 et 2001. La deuxième phase (enquête secteur informel) et la troisième

phase (enquête consommation et lieux d’achat) sont réalisées à cinq reprises (1995,

1998, 2001, 2004 et 2010). Les bases de données issues de cette série d’enquêtes

sont parfaitement comparables d’une année à l’autre et d’un standard de qualité des

données exceptionnel en Afrique sub-saharienne. Les concepts utilisés dans

l’enquête sont conformes aux recommandations du BIT et le questionnaire est

inchangé entre deux versions successives, ce qui assure une qualité maximale sur

les comparaisons intertemporelles et internationales des données.

24

vi. Le plan de travail

Cette thèse est composée de quatre chapitres :

Le premier chapitre de la thèse est consacré aux méthodes d’appréhension du

secteur informel en milieu urbain. La première section présente la description

technique de l’enquête 1-2-3 sur l’emploi et le secteur informel réalisée à

Antananarivo, qui a fourni la précieuse base de données sur laquelle se base toutes

les analyses. On y insiste sur son originalité méthodologique, ses spécificités et ses

avantages par rapport aux autres enquêtes traitant du secteur informel. Sont

exposés dans cette partie les principes de base de l’enquête mixte et les articulations

des trois phases, ainsi que les aspects conceptuels telles la définition de l’activité

économique et celle du secteur informel retenues pour le cas de Madagascar à partir

des recommandations des Conférences Internationales des Statisticiens du Travail

(Bureau International du Travail). Les questionnaires et les nomenclatures utilisées

sont décortiqués pour montrer la richesse de la base de données. La qualité des

données est appréciée en présentant quelques principaux résultats de l’enquête :

cohérence externe et interne des résultats, taux de non-réponse, méthode de

traitement des données, etc.

On expose dans la deuxième section aussi l’élaboration des déflateurs du

secteur informel. Trois déflateurs sont construits : déflateur de la production,

déflateur des consommations intermédiaires et déflateur de la valeur ajoutée. C’est la

première fois qu’une telle tentative est réalisée, alors qu’elle présente une

importance capitale pour l’analyse du secteur informel. En effet, le partage

valeur/volume des agrégats économiques dans ce secteur s’effectue souvent à l’aide

des indices de prix comme l’indice des prix à la consommation ou l'indice des prix à

la production dans le secteur formel. Cela nécessite des hypothèses relativement

fortes, qui, généralement, ne reflètent pas les paramètres déterminants l’évolution

des prix dans le secteur informel : formation des prix fondée principalement sur le

marchandage, demande provenant en grande partie des ménages, faible degré

25

d’intégration avec le secteur formel et le reste du monde, fréquence

d’approvisionnement et non accès aux grosses commandes, gestion de stock

pratiquement inexistant, structure des coûts essentiellement composés des matières

premières, faible paiement d’impôts ou d’amortissement du capital, etc. Dans le

Tableau 23 et le Graphique 3, si l’IPC et le déflateur du PIB n’ont augmenté que

respectivement 422% et 300% entre 1995 et 2010, les indices des prix dans le

secteur informel ont quintuplé au cours de cette période : +509,3% pour la production

et 491,8% pour la valeur ajoutée. Entre 1998 et 2001, les prix dans le secteur

informel ont augmenté plus rapidement que les prix à la consommation en général

(IPC). Ce dernier n’a crû que de 33,8%, alors que, dans le même temps, les prix du

secteur informel augmentaient de plus de 40%. Puis entre 2001 et 2010, l’écart a

diminué. Si l’IPC n’a crû que de 145,8%, le prix de la production du secteur informel

n’augmentait que de 143,0%. Mais la situation se présente différemment par type

d’activité. En général, les activités informelles ont connu une réduction de leurs

bénéfices unitaires, puisque les prix des matières premières ont augmenté de près

de 157% au cours de la même période. Ce phénomène marque les contraintes

subies au niveau de l’écoulement des produits et le faible pouvoir d’achat des clients.

Le deuxième chapitre analyse les spécificités du secteur informel à

Antananarivo. Elle comprend trois sections.

La première section présente les principaux faits stylisés et les

caractéristiques de ce secteur. On y met l’accent sur deux dimensions spécifiques.

Premièrement, nous étudions l’importance de ce secteur dans la vie économique et

sociale au niveau global : sa capacité d’absorption de l’offre de travail, son poids et

ses performances économiques, son potentiel fiscal. Le second objectif spécifique

consiste à identifier les faiblesses et les obstacles au développement des activités du

secteur informel, en général, et en particulier, d’évaluer les besoins en microcrédits

des unités de production informelles à Antananarivo. Sur la base des opinions des

chefs d’UPI et des agrégats quantifiés, il s’agit d’identifier les unités de production

informelles demandeuses potentielles d’appuis financiers et l’évaluation de leurs

besoins de financement compte tenues de leurs performances économiques (sous-

26

emploi, faible capacité d’accumulation), des problèmes dont les dirigeants se

plaignent, et des aides qu’ils souhaitent obtenir. Ainsi, les besoins en microcrédits

dépendent essentiellement du type d’activité. Le nombre de demandeurs de crédit et

son utilisation sont fonctions de l’extension ou de l’intensification de la production.

Les besoins varient suivant le niveau de saturation et la structure de la demande

adressée à la branche d’activité. Globalement, malgré l’essor enregistré par la

microfinance depuis la fin des années 90, les prestations des Institutions de Micro-

Finance (IMF) restent largement insuffisantes et les opérateurs économiques se

montrent peu satisfaits : méconnaissance et éloignement physique, insuffisance du

volume global des crédits octroyés, inadaptation des services offerts.

La deuxième section se propose de combler le manque d’études approfondies

sur les facteurs poussant les entrepreneurs à opérer dans l’économie informelle. Il

permet d’identifier les effets nets, individuels ou structurels, qui influent sur la

propension des opérateurs d’établissements informels à enregistrer leur activité

auprès de l’administration à Antananarivo. L’analyse est basée sur un modèle de

comportement de type logistique. L’originalité des résultats obtenus provient en

premier lieu du choix de la variable d’intérêt : la volonté d’un opérateur d’enregistrer

ou non son activité a été retenue au lieu du statut effectif actuel (enregistrement ou

non). De plus, les facteurs explicatifs introduits ne se résument pas aux seuls

déterminants standards comme la « visibilité » de l’unité de production et le sexe de

l’opérateur, mais incluent des éléments liés à l’efficacité perçue de l’administration.

L’étude montre que l’affiliation aux registres administratifs fait partie intégrante des

stratégies adoptées pour faire face à des problèmes spécifiques tels que l’accès au

crédit et l’obtention d'un local approprié. Ce résultat conduit à suggérer aux

institutions de microfinance de développer leurs campagnes de sensibilisation auprès

des opérateurs du secteur informel en tenant compte de l’enregistrement

administratif dans les conditions d’éligibilité à leurs offres de crédit. Le modèle révèle

également que l’efficacité perçue de l’administration et la qualité de l’information

reçue ont une influence positive sur les intentions d’enregistrement. L’accès aux

services publics de base et le fait d’avoir suivi une formation professionnelle formelle

augmentent la propension de l’opérateur à vouloir nouer davantage un contact avec

l’administration. Les contraintes économiques comme les faibles performances

27

économiques de l’unité productive réduisent fortement la probabilité qu’un opérateur

régularise sa situation vis-à-vis des registres administratifs.

La troisième section appréhende l’efficacité technique des unités de

production informelles à Antananarivo. C’est une première en la matière concernant

le cas de Madagascar. Mon objectif est d’apprécier les disparités entre les unités de

productions informelles et de localiser les maillons faibles du secteur informel en

termes d’efficacité pour mieux cibler les interventions et les appuis. Dans un premier

temps, l’analyse porte sur l’évaluation du niveau de l’efficacité technique selon les

différentes catégories d’activités. Dans un deuxième temps, l’analyse débouche sur

l’identification des déterminants de l’efficacité technique des unités de production.

Cela permet de dégager les principaux leviers qui pourraient être mobilisés pour

améliorer les performances des activités informelles et, en particulier, le rôle que

pourrait jouer le microcrédit. La méthode de Stochastic Frontier Analysis (SFA) est

retenue. Cette technique essaie de contourner les problèmes de sensibilités liés à la

conjoncture et aux valeurs extrêmes ou aberrantes observés pour les autres

méthodes utilisées pour l’évaluation de l’efficacité comme le Data Envelopment

Analysis (DEA) et l’approche régressions quantiles. En ce qui concerne

l’identification des fonctions de production et les facteurs de production, pour tenir

compte des fortes disparités des unités de production en termes de performances,

on retient la méthode de régressions quantiles. En ce qui concerne les modèles, la

variable indiquant le degré d’efficacité par unité de production constitue la variable

d’intérêt des modèles de régression. Quant aux variables explicatives, elles concerne

la branche d’activité, les caractéristiques de l’unité de production (les contraintes et

problèmes subis par les UPI selon les déclarations des chefs d’unité de production,

le ratio capital/nombre d’heures travaillées, l’enregistrement administratif et

l’existence de salariés au sein d’une unité de production, l'âge de l’unité de

production et le type de formation professionnelle suivi par le dirigeant), les

caractéristiques du dirigeant (sexe, âge, accès au média, perception subjective de

l’administration). Le degré d’efficacité des unités de production informelles est très

faible et se situe en moyenne de l’ordre de 47% en 2004, en forte baisse par rapport

au chiffre de 55% de 2001 due essentiellement à la crise 2002. Les contraintes

d’offre, en particulier les problèmes liés à l’accès au crédit agissent, négativement

28

sur l’efficacité notamment dans les activités du « service ». En d’autres termes,

bénéficier un crédit fait augmenter le degré d’efficacité des UPI. Ce résultat vient

renforcer le rôle potentiel de la microfinance dans le développement des activités du

secteur informel.

Le troisième chapitre de la thèse comporte deux sections portant sur les liens

entre le secteur informel et le marché du travail.

La première section se propose d’identifier, d’une part les facteurs qui

orientent le désir d’un actif à opérer et rester volontairement dans le secteur informel,

et, d’autre part les facteurs qui favorisent l’installation effective dans une activité

indépendante. Du point de vue de l’efficacité et de l’équité, cela permet de mieux

cibler les catégories de personnes sur lesquelles les appuis doivent être concentrés

en priorité. On y insiste surtout sur le rôle du financement et, donc du microcrédit.

L’innovation apportée par cette étude repose sur le choix des perspectives d’emploi

déclarées comme variable dépendante, au lieu de l’occupation effective d’un individu

du statut de travailleur indépendant à un moment donné retenue dans la plupart des

études traitant ce sujet. Cela permet de tenir compte de l’existence des diverses

contraintes sur le marché du travail dans les PED qui ne permettent pas aux offreurs

de travail de réaliser leurs « rêves », contrairement à l’hypothèse de « libre entrée »

dans le secteur informel. Cette étude se distingue par l’utilisation dans la

modélisation de données de panel étendues sur quatre points issues d’une même

approche, des mêmes concepts et d’un même questionnaire. C’est la meilleure façon

de traiter l’aspect dynamique et la mobilité professionnelle des individus à court et

moyen termes, en améliorant la qualité des estimateurs. Les résultats montrent les

spécificités des activités indépendantes à Madagascar et remettent en cause les

idées reçues sur le secteur informel. Tout d’abord, l’entrée dans le secteur informel

n’est pas « libre ». L’appui financier extérieur constitue un facteur principal dans

l’installation effective dans le statut de travailleur indépendant, surtout chez les

femmes. Ensuite, ce type d’activités ne constitue pas le refuge exclusif des mal-lotis.

La pauvreté matérielle ou monétaire n’est pas une caractéristique des individus qui

désirent exercer une activité indépendante.

29

La deuxième section porte sur la discrimination à l’égard des femmes dans le

secteur informel. Pour apprécier ce phénomène, nous avons utilisé trois approches

différentes. La première consiste à identifier, à l’aide d’un modèle logit multinomial,

les déterminants de l’allocation de travail selon les secteurs institutionnels (secteur

public, salarié du secteur privé, salarié du secteur informel, travailleur indépendant

hors agriculture, travailleur indépendant de l’agriculture), et à en déduire la

discrimination à l’entrée selon le « genre ». La deuxième approche est une analyse

comparative entre homme et femme des gains moyens d’activité obtenus à partir des

estimations de fonction de gain de type Mincer. Puis, nous avons mobilisé les

méthodes de décomposition de type Oaxaca-Blinder et Neumark pour expliquer les

écarts de gains horaires observées entre hommes et femmes. L’objet de ces

méthodes consiste à contrôler, dans un échantillon de travailleurs masculins et

féminins, les caractéristiques individuelles pouvant influer sur l’écart de rémunération

(éducation, formation, expérience professionnelle, origine sociale, capital social,

secteur d’activité, etc.) afin d’isoler la part des écarts « inexpliqués » par ces facteurs

observables (rendement des facteurs), qui inclut les phénomènes de discrimination

de genre en termes de rémunération. Le principe de base est d’estimer les revenus

perçus par les femmes si la même méthode de détermination de rémunération des

hommes est appliquée à leurs cas (revenus contrefactuels). Pour l’estimation des

gains individuels, aussi bien pour les salariés que les indépendants, des modèles de

gain à la Mincer sont retenu. L’étude est centrée sur l’analyse des écarts des gains

horaires pour contourner les problèmes liés au sous-emploi lié à la durée du travail

qui est très variable non seulement entre les hommes et les femmes, mais aussi

entre les différents secteurs d’activité et entre les différentes catégories de

professions. Les résultats de l’analyse montrent que c’est chez les travailleurs

indépendants du secteur informel non agricole que l’écart de gains entre hommes et

femmes est le plus élevé. De plus, si les caractéristiques individuelles du travailleur,

telles que le niveau du capital humain, sont moins déterminantes, l’écart de gains est

expliqué en grande partie par les caractéristiques de l’unité de production,

notamment le nombre d’employés et la valeur du capital physique. Cette source de

discrimination, qui est souvent ignoré dans la littérature, conforte l’importance du

microcrédit pour financer l’accès au capital physique des femmes opérateurs dans le

secteur informel.

30

Dans le quatrième chapitre de la thèse, on cherche à analyser le rôle

économique et social du secteur informel, particulièrement dans la lutte contre la

pauvreté et l’amélioration du bien-être de la population. Deux sections composent ce

chapitre.

La première section est une étude descriptive qui étudie l’importance des

activités informelles dans la réduction de la pauvreté pour le cas de l’agglomération

d’Antananarivo. Mesurer l’influence des emplois informels sur la pauvreté suppose

que l’unité d’analyse soit le ménage. On estime l'apport direct des activités

informelles dans la réduction de l’incidence de la pauvreté, ainsi que la contribution

des activités informelles dans les revenus des ménages et dans la création

d’emplois. Parallèlement, cette section met en relief le degré de dépendance des

ménages vis-à-vis des activités du secteur informel en termes de nombre d’emplois

créés et de revenus générés. Les résultats des analyses montrent que les activités

informelles contribuent fortement aux conditions de vie des ménages dans la capitale

malgache. Respectivement plus de 36% et 39% des ménages de la capitale

malgache dépendent uniquement des emplois et des revenus générés par le secteur

informel. La contribution directe des ces activités à la réduction de la pauvreté est

beaucoup plus forte que celles du secteur formel. L’exercice de ces activités

informelles a permis à plus de 23% des ménages de sortir de la pauvreté et une

augmentation uniforme de 10% de la rémunération du travail dans ce secteur

réduirait de plus de 3 points l’incidence de la pauvreté.

Dans la deuxième section, on tente d’apporter une contribution au débat sur

l’influence sur le bonheur individuel de l’exercice d’une activité dans le secteur

informel. Traditionnellement associé à la philosophie, à la psychologie ou aux

sciences humaines, la notion de « bonheur » devient de plus en plus un centre

d’intérêt des économistes du développement, notamment des partisans de

l’approche subjective de la pauvreté (Easterling, 2001; Frey, Graham, 2005). D’un

côté, la précarité des conditions de travail et le taux élevé de sous-emploi dans le

secteur informel laissent penser que, par rapport aux travailleurs du secteur formel,

ceux du secteur informel sont moins heureux. D’un autre côté, contrairement au

31

fameux « paradoxe d’Easterling » montrant que la hausse du revenu n’apporte pas

finalement le bonheur compte tenu des effets négatifs sur l’utilité (Easterling, 2003),

l’importance de la préférence des travailleurs du secteur informel à l’égard de leur

situation actuelle dans la capitale malgache semble prédire que leur statut d’emploi

leur procure plus de satisfaction, comparativement aux autres activités. Les résultats

de l’étude remettent en cause le fait stylisé avancé par l'essentiel de la littérature

dans ce domaine quant à l’influence négative sur le bonheur individuel de l’exercice

d’une activité dans le secteur informel. Les informations descriptives montrent que,

malgré les difficultés rencontrées par les travailleurs informels, notamment le sous-

emploi, l’installation dans ce secteur n’est pas subie mais largement volontaire, les

travailleurs ayant un fort ancrage et un optimisme solide quant à l’avenir de leurs

activités. Les résultats économétriques confirment que l’exercice d’un travail dans le

secteur informel ne diminue pas systématiquement le niveau de bonheur individuel.

Si l’accès au secteur public fournit une forte satisfaction aux travailleurs, les

situations entre le secteur privé formel et le secteur informel ne diffèrent pas de façon

significative. Par contre, le passage de la situation d’inactivité vers le secteur informel

s’accompagne d’une dégradation du niveau de bonheur individuel, en particulier

chez les femmes.

32

Chapitre 1. Méthodologie d’appréhension

statistique du secteur informel urbain

Partant du constat qu'il ne peut y avoir d'analyse économique sérieuse sans

un système d'informations statistiques performant, ce chapitre se propose de décrire

les spécificités et les avantages des méthodologies adoptées pour élaborer les

principales bases de données et obtenir les informations statistiques, sur lesquelles,

les analyses présentées dans cette thèse sont basées. La première section est

consacrée à la description technique de l’enquête 1-2-3 menée à Antananarivo pour

depuis 1995 pour appréhender le secteur informel urbain. La deuxième section

retrace la méthodologie pour l’élaboration des déflateurs du secteur informel, dans le

but d’effectuer le partage volume/prix des évolutions des agrégats économiques du

secteur informel.

33

I. L’enquête 1-2-3 sur le secteur informel et la satisfaction

des besoins des ménages à Antananarivo : la

consolidation d’une méthode

Introduction

Depuis trois décennies, le secteur informel fait l’objet d’interrogations

constantes aussi bien de la part de la communauté scientifique (économistes,

sociologues, anthropologues, etc.) que des institutions chargées de la mise en place

des politiques économiques dans les pays en développement (PED). Ces

interrogations se justifient à la fois par le poids du secteur informel au sein des

économies les moins avancées, et par le manque de connaissances quantitatives

solides des comportements à l’origine de son dynamisme. De plus, quelles que

soient les hypothèses retenues concernant le taux et le mode de croissance dans les

PED, le secteur informel continuera à croître au cours des prochaines décennies.

Evidemment, cet intérêt croissant pour le secteur informel n’a pas

manqué d’interpeller le statisticien d’enquêtes. Celui-ci s’est vu sommer de relever un

défi d’autant plus ardu que, d’une part, le concept même de secteur informel restait

flou et que d’autre part, la nature spécifique des activités informelles semblait les

rendre “ insaisissables ”. Pourtant, après des années de tâtonnement un début de

clarification s’est fait jour sur les deux fronts (définitions, modes de mesure).

L’enquête 1-2-3, conçue pour répondre au mieux à ce double défi, fait aujourd’hui

partie de la boite à outil du statisticien pour traiter de la question du secteur informel.

Son expérimentation réussie, d’abord au Cameroun, puis à Madagascar, lui a même

valu de faire l’objet d’une recommandation internationale (Afristat, 1997 ; CEA,

2007).

34

Outre le fait qu’elle constitue une des rares réalisations abouties de

l’enquête 1-2-3 dans un PED, l’expérience malgache est aussi celle qui a poussé le

plus loin la mise en œuvre de ce type d’enquêtes, à partir de laquelle il est désormais

possible d’envisager sa généralisation. En particulier, il s’agit du seul cas où deux

opérations successives, à trois ans d’intervalle, ont pu être menées avec succès

(1995, 1998, 2001, 2004, 2010). Des questions nouvelles ont dû être abordées,

parmi lesquelles le traitement de la dynamique inter-temporelle et le partage volume-

prix. Elles sont traitées dans d’autres articles de cette série d’études. La présentation

de ce cas revêt un intérêt d’autant plus important que des enquêtes 1-2-3 ont été

effectuées dans plusieurs PED, notamment en Afrique de l’Ouest, au cours la

dernière décennie.

Nous ne présenterons pas en détail la méthodologie générale, mais

centrerons nos analyses sur les principaux points qui différencient les expériences

camerounaise et malgache. La première partie sera consacrée à un rapide survol

des principes fondateurs de l’enquête 1-2-3, ainsi qu’aux solutions retenues à

Madagascar dans la perspective d’une intégration pérenne au système statistique

national. Les deux parties suivantes aborderont plus spécifiquement les innovations

des phases 2 et 3. Enfin, quelques résultats originaux seront sélectionnés dans la

dernière partie pour illustrer l’apport analytique des enquêtes 1-2-3. Le suivi de

l’évolution temporelle du secteur informel à Antananarivo constituera le fil conducteur

de l’ensemble du chapitre.

I.1. L’enquête 1-2-3 à Madagascar : la consolidation

d’une méthode

I.1.1. Les principes de base de l’enquête 1-2-3

Historiquement, l’enquête 1-2-3 a été développée par F. Roubaud au début

des années 90 (Roubaud, 1989). Elle a ensuite été testée sur le terrain et

progressivement affinée en collaboration avec des équipes d’économistes et de

35

statisticiens camerounais et malgaches, ainsi que des chercheurs de DIAL. Ayant

pour ambition la mesure quantitative de l’activité du secteur informel, elle cherche à

répondre à deux préoccupations essentielles :

- satisfaire aux critères standards de représentativité statistique du secteur

informel ;

- décrire de manière exhaustive le mode d’insertion du secteur informel dans le

tissu économique, aussi bien en amont (l’offre) qu’en aval (la demande).

Le premier point a trouvé solution au milieu des années 80, à travers

l’élaboration des enquêtes en deux phases (ou enquêtes mixtes

ménages/établissements). En effet, l’approche classique qui avait la faveur des

statisticiens du secteur informel jusque là, et qui consistait à réaliser une enquête

auprès des établissements, à partir d’un échantillon extrait d’un recensement

exhaustif, ne permettait pas d’atteindre la représentativité statistique de l’ensemble

du secteur informel (Roubaud, Séruzier, 1991). D’où l’idée de tirer l’échantillon

d’unités de production informelles non plus d’un recensement préalable mais d’une

enquête filtre sur les activités économiques des ménages (Roubaud, 1994b). C’est

dans le cadre d’un programme commun de l’Institut de la Statistique mexicain,

INEGI, et de l’ORSTOM que cette méthode a été expérimentée pour la première fois.

Son succès lui a valu de nombreuses applications ultérieures. Elle s’est généralisée

en Amérique Latine, et a été testée sur d’autres continents. Aujourd’hui, le Mexique

reste le premier pays du monde en matière d’enquêtes mixtes sur le secteur informel

et les micro-établissements, puisque après une phase de rodage, l’enquête s’est

standardisée, et l’INEGI produit depuis 1990 une enquête mixte nationale tous les

deux ans, qui s’inscrit de plein pied dans le système d’information statistique

mexicain.

Cependant, si cette méthode donne satisfaction du point de vue de la

représentativité, elle présente des lacunes sur le plan analytique. Ainsi, avec la

généralisation des ajustements structurels, l’élaboration de chiffres globaux sur

l’emploi, la production, etc., que permettaient d’obtenir les enquêtes en général,

36

passait au second plan. La statistique se devait de répondre plus directement aux

questions de politique économique, et dans le cas d’espèce, aux interrogations sur la

réaction du secteur informel face au processus de réforme. A titre d’exemple, il ne

s’agissait plus seulement de savoir si les actifs du secteur informel gagnaient plus ou

moins que leurs homologues du secteur formel, mais surtout d’évaluer l’impact de

mesures particulières (comme la baisse des salaires ou le licenciement d’une partie

des fonctionnaires) sur le niveau de vie de la population, en particulier celle qui

exerce dans le secteur informel.

Dans ces conditions, la perspective macro-économique devenait primordiale :

c’est l’ensemble du circuit économique au cœur duquel gravite le secteur informel

qu’il convenait d’appréhender proprement. L’enquête en deux phases pouvait être

amendée pour saisir les liens amonts de la production informelle, moyennant des

questions additionnelles sur l’origine des consommations intermédiaires, du capital,

de l’investissement et du financement. En revanche, la demande demeurait un point

aveugle de l’enquête : qui consomme les produits informels ? Pour reprendre

l’exemple précédent, les licenciés de l’administration vont-ils créer leurs propres

emplois, notamment dans le secteur informel, et générer une dynamique de

croissance, comme cela est souvent avancé, ou au contraire, le secteur informel va-

t-il entrer en récession du fait de la baisse de la demande qui lui est adressée ? Pour

répondre à ces questions, il est nécessaire de connaître, non seulement le type de

clients du secteur informel, en fonction des grandes catégories de la comptabilité

nationale (entreprises, administration, ménages, etc.), mais aussi et plus précisément

les catégories de ménages qui s’y approvisionnent (en fonction de leur richesse, de

leurs sources de revenus, etc.).

L’enquête 1-2-3 correspond donc à l’extension du principe des enquêtes

mixtes sur le secteur informel pour mieux comprendre le rôle du secteur informel

dans une économie donnée. Elle est constituée d’un dispositif de trois enquêtes

emboîtées, touchant des populations statistiques différentes : individus, unités de

production, ménages. La première phase de cette enquête est une enquête sur

l'emploi, le chômage et les conditions d'activités des ménages (phase 1 : enquête

37

emploi). La seconde phase consiste à réaliser une enquête spécifique auprès des

chefs des unités de production informelles sur leurs conditions d’activité, leurs

performances économiques, le mode d’insertion dans le tissu productif et leurs

perspectives (phase 2 : enquête sur le secteur informel). Enfin, la troisième phase,

est une enquête sur la consommation des ménages. Elle vise à estimer le niveau de

vie des ménages, à mesurer le poids des secteurs formel et informel dans leurs

consommations, et à analyser les déterminants du choix des différents lieux d’achat

(phase 3 : enquête sur la consommation et les lieux d’achat).

I.1.2. Une méthodologie bien rodée

Forts de l’expérience camerounaise, et après des réalisations successives

entre 1995 et 2010, l’enquête 1-2-3 est aujourd’hui suffisamment rodée pour

envisager sa généralisation. Les concepts utilisés dans les trois phases respectent

les définitions internationales en matière d’emploi, de secteur informel ou de

consommation. Les questionnaires comme les méthodes de sondage sont

standardisées, renforçant la pertinence des comparaisons temporelles. Certaines

modifications ont été apportées au fil du temps afin d’améliorer des procédures de

mesure et de collecte (taille d’échantillon, organisation). Mais elles sont suffisamment

marginales pour ne pas affecter le dispositif d’ensemble, et par voie de conséquence

la comparabilité des données. Le déroulement des opérations est décrit dans le

Graphique 2. La gestion des opérations est maîtrisée et intégralement prise en

charge par les cadres malgaches. De plus, et ce n’est pas un moindre avantage, les

coûts sont extrêmement modiques. L’ensemble des trois phases, y compris

publication des résultats, revient à moins de 70 000 euros, pour 3 000 ménages

(phase 1), 1 000 Unités de Production Informelles (UPI phase 2), 400-600 ménages

(phase 3). Si on ajoute à ces caractéristiques, la pertinence de l’approche et la

qualité des données, on est droit d’envisager avec optimisme la pérennisation de

l’enquête par le système statistique malgache, sans intervention technique

extérieure. Le respect et la rapidité des délais d’exécution sont un bon indicateur

synthétique de l’efficacité de la procédure.

38

Graphique 2 : Déroulement des opérations de l’enquête 1-2-3

MOIS

PREPARATION OPERATION

DE COLLECTE

SAISIE ET APUREMENT

PUBLICATION DES RESULTATS

Janv

Fév

Mars

Avril

Mai

Juin

Juil

Août

Sept

Oct

Nov

Source : Auteur

Opérations de

dénombrement

- Préparation des

questionnaires

Tirage de l'échantillon Saisie de la base de

sondage de la

phase 1

Collecte de la phase 1 :

Elaboration du

plan de sondage

Saisie des données

(phase1);

Saisie base de

sondage

(Phases 2 et 3)

Apurement des

données

(Phase 1)

Tirage des UPI

(phase 2)

Préparation des

questionnaires-

Formation du

personnel des

phases 2 et 3

Traitement des données

(Phase 1)

Collecte de la

phase 2 :

Enquête

Secteur

informel

(1000 UPI)

Collecte de la

phase 3 :

Enquête

Consommation

(560 ménages)

Saisie des

données

(phases 2 et 3)

Apurement des

données

(phases 2 et 3)

Traitement des données

(phases 2 et 3)

Publications des

premiers résultats

(phases 2 et 3)

39

I.1.3. Articulation de la phase 1 et des phases 2 - 3

La rapidité de réalisation des opérations ne correspond pas seulement à

l’impératif général de production de résultats actualisés, valable pour toute enquête,

c’est aussi une contrainte spécifique de la méthode des enquêtes en plusieurs

phases. En effet, l’une des conditions de réussite de l’enquête 1-2-3 est que le délai

qui sépare les opérations de collecte de la première phase et les deux autres phases

de l’enquête soit le plus court possible. C’est surtout important pour la phase 2,

compte tenu de la “ volatilité ” des activités informelles : démographie (taux de

création et de survie), mobilités spatiales et intersectorielle. Des procédures

spéciales ont été mises en place pour minimiser les risques de déperdition.

En 1995, après vérification et contrôle manuel des questionnaires, les

superviseurs ont relevé dans un document à part la liste des individus dirigeant une

UPI, ainsi que le type d’activité, la branche d’activité, le statut dans l’emploi

(travailleur à son propre compte ou patron), son adresse à domicile, le nom et

l’adresse du lieu d’exercice de l’activité. Ils ont enregistré dans un autre document,

pour tous les ménages enquêtés le sexe, l’âge, la situation dans l’emploi, le secteur

institutionnel et le montant du revenu d’activité principale du chef de ménage. Ces

deux documents ont été saisis rapidement sur un tableur au fur et à mesure de leur

livraison par les superviseurs sans attendre la fin des opérations de collecte sur

terrain. Ils ont servi de documents de base pour le tirage des échantillons pour

l’enquête auprès des UPI à la deuxième phase de l’enquête et pour l’enquête sur la

consommation des ménages à la troisième phase de l’enquête 1-2-3. Avec cette

technique, la deuxième phase et la troisième phase de l’enquête ont pu débuter 4

semaines après la fin de l’opération de collecte de la première phase.

Depuis 1998, cette pratique a été abandonnée dans le souci d’alléger les

tâches des superviseurs et de minimiser les sources d’erreurs : relevés manuels des

dirigeants d’unités de production informelles, erreurs de transcriptions des

informations du questionnaire vers les documents de base, erreurs de saisie des

40

données sur le tableur. On a opté pour le renforcement et l’accélération de la saisie

des données de la première phase et l’informatisation du tirage des échantillons des

deuxième et troisième phases. Dès la deuxième semaine de collecte de la phase 1,

les superviseurs d’enquête ont été tenus de livrer des questionnaires validés et

codifiés qui ont été envoyés directement à la saisie. Les données obtenues par

vague de questionnaires ont subi les tests informatiques de contrôle de cohérence et

les corrections des données ont été effectuées dans la foulée. Les fichiers complets

provisoires ont été obtenus dès la deuxième semaine suivant la fin de la collecte de

la première phase, permettant d’opérer directement le tirage des échantillons deux

phases suivantes. Ainsi, les phases 2 et 3 ont pu démarrer trois semaines après la

fin de la collecte de la première phase, correspondant pour chaque UPI et/ou

ménage à une plage de 3 à 7 semaines après le passage de la phase 1.

Cette stratégie a aussi permis de profiter des opérations de collecte des

phases 2 et 3 pour procéder aux derniers retours terrain et corrections de la phase 1

afin d’obtenir la version définitive des fichiers de l’enquête-emploi. On notera que

dans le cas malgache, la collecte des phases 2 et 3 ont été menées simultanément,

et non de façon séquentielle comme au Cameroun, où dans certains cas plus de 6

mois s’étaient écoulés entre les phases 1 et 3, engendrant une augmentation du taux

de déperdition.

I.2. La phase 2 : Le secteur informel

I.2.1. Historiques des enquêtes sur le secteur

informel à Madagascar

A Madagascar et jusqu’en 1995, les opérations statistiques qui ont tenté

d’appréhender le secteur informel sont rares, partielles et hétérogènes :

41

• 1968 : enquête auprès des établissements effectuée par l’INSRE (Institut National

de la Statistique et de la Recherche Economique) qui n’a pas couvert les activités

de transport, commerce et hôtellerie.

• 1978 : enquête auprès des établissements effectuée par le Ministère du Plan avec

l’appui du PNUD, portant sur les activités localisées (avec établissement) de

transformation et de réparation.

• 1993 : enquête auprès des ménages effectuée par la BDE (Banque des données

de l’Etat) dans le cadre du programme DSA financé par la Banque Mondiale. Il

s’agit d’une enquête lourde multi-thèmes comportant un volet sur les entreprises

individuelles non agricoles.

• 1997 : nouvelle enquête auprès des ménages effectuée par l’INSTAT et financée

par la Banque Mondiale. Bien que s’inscrivant dans la continuité de celle 1993, il

s’agit cette fois d’une enquête “ prioritaire ” (1).

Chacune de ces opérations avait ses objectifs propres et variables, guidés par

l’intérêt spécifique des bailleurs de fonds à l’origine des projets. L’absence

d’harmonisation des définitions et concepts, des méthodologies et des champs

couverts, rend impossible la comparaison des données. Finalement, la tentative

d’étude de l’évolution sur longue période du secteur informel à Madagascar s’est

soldée par un échec, faute d’avoir pu trouver un dénominateur commun entre les

diverses enquêtes (Rakotomanana, 1997).

L’enquête permanente auprès des ménages réalisée en 1993 (EPM93) est la

seule enquête qui aborde la mesure du secteur informel d’un point de vue assez

proche de l’enquête 1-2-3. Pour chaque ménage, un module spécifique collecte des

informations sur les entreprises non agricoles (ENA) dirigées par un des membres du

ménage. Le questionnaire offre la possibilité d’identifier jusqu’à 3 ENA. On peut isoler

les UPI soit à travers le critère de taille, soit en se basant sur le non enregistrement

1 ) La composante enquête auprès des ménages du programme DSA a élaboré un système original fondé sur l’articulation de

deux types d’instruments : les “ enquêtes intégrales ” (échantillon restreint, questionnaire lourd) et les “ enquêtes prioritaires ”

(large échantillon, questionnaire allégé).

42

de l’ENA. Si l’EPM93 présente l’avantage d’une couverture géographique nationale,

alors que l’enquête 1-2-3 ne couvre que la capitale, elle a aussi de nombreux

inconvénients. Le questionnaire est beaucoup moins détaillé. La comptabilité est

incomplète et de permet pas de dégager la valeur ajoutée, les consommations

intermédiaires, l’impôt, la masse salariale et l’EBE. Par ailleurs, il n’est pas possible

de connaître précisément ni le type de biens ou services fournis, ni l’origine des

inputs et la destination des outputs (formel/informel), et surtout, la formulation des

questions est mal adaptée au mode d’activité des informels. Mais son plus gros

défaut réside dans la faible qualité des informations fournies. Ceci résulte du fait que

l’EPM93 est une enquête lourde (plus de 110 pages de questionnaires), multi-

objectifs, qui n’a pas été conçue pour traiter spécifiquement du secteur informel.

Finalement, les incohérences de l’EPM93 sur ce secteur ont conduit à remettre en

question les résultats obtenus sur ce thème (sous-estimation du nombre d’ENA total,

surestimation massive dans la province de Tamatave, biais dans les estimations

monétaire).

Enfin, l’EPM97 qui est censé assurer le suivi de l’EPM93 ne satisfait pas non

plus aux critères d’une bonne enquête sur le secteur informel. Portant toujours sur

les ENA, le questionnaire a été tellement simplifié que les deux seules questions qui

abordent les résultats économiques des entreprises sont formulées comme suit :

“ Quel était le chiffre d’affaires (resp. revenu net) au cours des 12 derniers mois ? ”.

Non seulement, une telle procédure ne permet pas de reconstituer les compte de

production et répartition, mais il est impossible pour un entrepreneur informel, qui ne

tient pas de comptabilité de répondre sérieusement à de telles questions. Dans ces

conditions, la phase 2 de l’enquête 1-2-3 apparaît comme la seule source

d’information représentative et fiable sur le secteur informel à Madagascar.

Grâce aux informations collectées dans la phase 2, on peut comparer le

montant du chiffre d’affaires (CA) mensuel déclaré en réponse à la question directe

(« Quel a été votre chiffre d’affaires au cours du mois dernier ? ») et celui obtenu en

reconstituant la comptabilité de l’UPI, qui par définition n’en possède pas. La sous-

estimation de la mesure par la question directe est massive. Le Tableau 3 montre

43

qu’elle dépassait toujours 27% entre 1995 et 2010 pour le CA moyen. De plus, le

biais n’est pas uniforme, mais varie d’une UPI à l’autre. Le coefficient de corrélation

entre les deux estimations est très variable d’une année à une autre : 82% en 1995

et 68% en 2010. Il ne faut pas exclure qu’un certain nombre d’enquêteurs aient

reporté le résultat obtenu une fois la comptabilité établie.

I.2.2. Définition du secteur informel

La définition opérationnelle pour identifier une UPI respecte les

recommandations internationales en la matière. Deux critères ont été retenus : le

non-enregistrement administratif et l’inexistence d’une comptabilité écrite formelle.

Le premier critère, plutôt technique, permet de réintégrer proprement le

secteur informel au sein de la comptabilité nationale, qui constitue le cadre privilégié

de l'analyse macro-économique. Parmi les divers registres administratifs en vigueur

à Madagascar, nous avons choisi le numéro statistique (n°STAT), dans la mesure où

toute activité de production est légalement assujettie à la détention d'un tel registre et

l’enquête annuelle sur l’industrie l’utilise comme unité de base pour élaborer la base

de sondage. C'est aussi lui qui est requis pour remplir un certain nombre

d'obligations institutionnelles et qui conditionne l'accès à certaines prestations

(fiscalité, sécurité sociale, etc.).

Tableau 3 : Chiffre d’affaires déclaré et reconstitué grâce à la phase 2 en 1995 à 2010

1995 1998 2004 2010

Niveau d’instruction du chef d’UPI Diff. Correl. Diff. Correl. Diff. Correl. Diff. Correl.

Primaire

Secondaire

Universitaire

+32%

+37%

+12%

0,87

0,76

0,99

+29%

+28%

+22%

0,95

0,99

0,93

+18%

+32%

+16%

0,98

0,89

0,90

+50%

+42%

+4%

0,90

0,93

0,71

Selon le statut du chef d’UPI

Patron

Travailleur à son propre compte

+53%

+27%

0,75

0,88

+40%

+21%

0,75

0,99

+24%

+26%

0,85

0,95

+13%

+45%

0,81

0,65

Total +32% 0,82 +27% 0,98 +27% 0,90 +34% 0,68

Sources: INSTAT/DIAL,Enquêtes 1-2-3, phase 2, 1995, 1998, 2001, 2004, 2010, calculs de l’auteur.

44

Le deuxième critère, plutôt économique, vise à ne pas exclure du champ

d'investigation des unités de production qui pour des raisons totalement contingentes

disposeraient d'un numéro STAT, sans pour autant pouvoir être assimilées à des

unités formelles du point de vue de leur mode d'organisation et de production, dont la

tenue d'une comptabilité est un bon indicateur.

Finalement, en définissant comme unité de production l’unité élémentaire,

mobilisant des facteurs de production (travail, capital) pour générer une production et

une valeur ajoutée au sens de la comptabilité nationale, le secteur informel est

l’ensemble des unités de production dépourvues de numéro STAT et/ou de

comptabilité écrite officielle. Ces éléments seront appelées “ Unités de Production

Informelles ” (UPI)

I.2.3. Un questionnaire complet

Le questionnaire s’inspire largement de celui du Cameroun, adapté au

contexte malgache. Il compte 10 pages et comporte 7 modules :

- le module caractéristiques de l’établissement décrit les conditions d'activités des

UPI (branche, local, historique de l'UPI, etc.) et les raisons du non-

enregistrement ;

- le module main-d'œuvre donne les caractéristiques individuelles de l’ensemble de

ceux qui exercent dans l’UPI (variables socio-démographiques qualification,

rémunération, etc.) ;

- le module production liste l’ensemble des biens et services fournis par l’UPI, leur

valeur et leur destination en distinguant 7 modalités (public, formel/informel,

commercial ou non, etc.) ;

- le module dépenses en charges énumère chaque type de dépenses pour une

période variable, laissée au choix du chef d’entreprise, en estime le montant et

l’origine ;

- le module concurrence, clients et fournisseurs identifie les caractéristiques de ces

trois types de partenaires et pour les concurrents, établit le différentiel de prix, et

la raison de ces écarts ;

45

- le module équipement, investissement et crédit : fournit la valeur, mode et date

d’acquisition, origine, financement des deux premiers, et pour les crédits, détaille

les conditions (institution, échéance, taux, usage) ;

- le module problèmes et perspectives identifie les principaux problèmes

rencontrés, et les perspectives à venir, sous différents scénarii (accroissement de

la demande, obtention d’un crédit).

A l’instar de l’enquête-emploi, un certain nombre de modules qualitatifs,

variables suivant les années, a été incorporé au questionnaire pour répondre à des

thématiques particulières, liés essentiellement aux nouvelles mesures de politique

économique (flottement du Franc malgache en 1995 ; fiscalisation du secteur

informel, assainissement des marchés de la capitale, impact des programmes de

micro-crédit en 1998, structures d’appui aux microentreprises et microfinance en

2001, 2004 et 2010 ).

I.2.4. Echantillonnage

Les unités statistiques retenues pour la phase 2 sont un échantillon de

l’ensemble des UPI de l'agglomération d'Antananarivo repérées dans la phase 1.

Compte tenu de la spécificité de l'agriculture urbaine, qui demanderait un type de

questionnaire totalement différent, les UPI agricoles ont été exclues du champ de

l'enquête. La base de sondage dérivée de la phase 1 a permis d’identifier 1 603 UPI

non agricoles en 1995, 1 924 en 1998, 2 009 en 2001 et 2 599 en 2010. Rappelons

que les UPI sont repérées lorsqu’un membre de la population active dirige un

établissement (i.e. qu’il est “ patron ” ou “ à son propre compte ”) aussi bien dans son

emploi principal que dans son emploi secondaire. La non-prise en compte de

l’activité secondaire dans la plupart des enquêtes sur le secteur informel conduit à

des biais systématiques, et partant, à la non-représentativité des échantillons. En

effet, 11% (resp.15%) des UPI repérées dans la phase 1 correspondaient à des

emplois secondaires de leur chef en 1995 (resp. 1998). Cette proportion augmente et

atteignait 19% en 2010.

46

L’échantillonnage est décrit dans le Tableau 4. Pour tirer l’échantillon d’UPI

(fixé a priori à 1 000, pour des raisons de coût), on a adopté un plan de sondage

stratifié à probabilités inégales. 20 strates ont ainsi été créées suivant la branche (10

modalités) et le statut du chef (2 modalités). Les probabilités de tirage sont

déterminées a priori, en fonction de deux critères : la qualité des estimateurs (qui

conduit à surpondérer les strates les moins nombreuses), et le potentiel de

croissance des différents types d’UPI. Ces deux critères sont fortement corrélés, les

UPI les plus performantes œuvrant sur des créneaux porteurs sont aussi les moins

nombreuses. Cette stratégie conduit à réduire la probabilité d’inclusion des “ micro ”

UPI, notamment commerciales.

I.2.5. Evaluation de la collecte, traitement des

données et organisation

I.2.5.1. Taux de non-réponses

La bonne adéquation entre l’échantillon théorique et l’échantillon effectivement

exploitable est un critère important pour évaluer la réussite d’une enquête. Il l’est

d’autant plus important lorsqu’on met en œuvre une enquête en plusieurs phases, où

les risques de pertes entre phases sont importants. Les résultats sur ce point sont

plutôt satisfaisants, tels qu’ils sont résumés dans le Tableau 5. En premier lieu, et

grâce à la réduction des délais entre la 1ère et la 2ème phase, les taux de

déperdition (déménagement ou disparition du chef d’UPI, changement ou cessation

Tableau 4 : Taux de sondage par strate pour la phase 2 dans la base de sondage de la phase 1

Statut du chef de l’UPI Patron Travailleur pour compte propre

Branche 1995 1998 2001 2010 1995 1998 2001 2010

Confection 1 1 1 1 0,8 0,5 0,3 0,2

Autres industries 1 1 1 1 1 1 0,5 0,5

BTP 1 1 1 1 1 1 0,5 0,5

Commerce de gros 1 1 1 1 1 1 1 1

Commerce produits primaires 1 1 1 1 0,5 0,3 0,3 0,2

Autres commerces 1 1 1 1 1 0,3 0,3 0,2

Transport 1 1 1 1 1 1 1 1

Réparation 1 1 1 1 1 1 1 1

Restauration, hôtellerie 1 1 1 1 1 1 1 1

Autres services 1 1 1 1 0,5 0,3 0,3 0,2

Sources: INSTAT/DIAL, Enquêtes 1-2-3, phase 1, 1995, 1998, 2001, 2004, 2010, calculs de l’auteur.

47

d’activité entre les phases 1 et 2) ont été limités et diminuent au fil du temps : 8,4%

en 1995 et 2,8% en 2010. En second lieu, le taux de refus est extrêmement faible :

1% et 1,7%, ce qui suggère que contrairement à une idée reçue, les entreprises

informelles ne cherchent pas délibérément à échapper au contrôle de l’Etat. Enfin, le

Tableau 5 confirme la qualité des informations saisies dans la phase 1 puisque les

erreurs de collecte à ce niveau (mauvaise identification des emplois) ne touchent que

1,1% (resp. 2,5%) de l’échantillon.

Les remplacements d’UPI ont été effectués au sein de chaque strate afin de

préserver au mieux la structure initiale de l’échantillon. Cependant, dans le cas où la

strate est déjà saturée (tirage systématique), aucun remplacement n’a été effectué,

même si on aurait pu mobiliser les informations sur les travailleurs dépendants des

strates en question pour tenter de retrouver les UPI correspondantes. Ce choix a

conduit à une baisse de la taille de l’échantillon effectif, variable suivant les strates.

Les taux de remplacement sont donnés dans le Tableau 5.

I.2.5.2. Qualité des entretiens

Selon les appréciations des enquêteurs résumées dans le Tableau 6, la

qualité des informations recueillies a connu une amélioration sensible entre 1995 et

Tableau 5 : Taux de non-réponses et motifs, dans l’échantillon de la phase 2 : 1995 à 2010

1995 1998 2001 2010

Echantillon initial 1 108 UPI 1 149 UPI 1014 1 137

Echantillon effectif 1 018 UPI 1 049 UPI 924 1105

Non-réponses et remplacement 116 UPI 147 UPI 140 UPI 303 UPI

Motifs de non-réponses :

- Déménagement ou disparition du chef

- Changement ou cessation d’activité

- Erreurs de collecte de la phase 1

- Refus de répondre

100%

42,8%

37,2%

10,5%

9,5%

100%

18,8%

48,2%

19,6%

13,4%

100%

23,8%

50,7%

13,6%

12,8%

100%

30,0%

12,2%

1,3%

9,9%

Taux de déperdition 8,4% 8,6% 8,8% 2,8%

Taux de remplacement 8,8% 9,5% 5,4% 24,2%

Notes : (1) Taux de déperdition = (Nombre de non-réponses dues au déménagement/disparition du chef ou au

changement/cessation d’activité / Taille de l’échantillon initial) * 100. (2) Taux de remplacement = (Nombre de non-

réponses ayant pu être remplacées/Taille de l’échantillon effectif) *100.

Sources: INSTAT/DIAL, Enquêtes 1-2-3, phase 2, 1995, 1998, 2001, 2010 calculs de l’auteur.

48

1998. En effet, en 1995, 49% des informations étaient jugées de très bonne qualité.

Cette proportion a atteint respectivement 56% en 1998, 52% en 2001 et 51% en

2010. Le niveau de scolarité du chef et le volume d’activité de l’UPI influent

beaucoup sur la qualité des informations telle qu’elle est perçue par l’enquêteur.

Mais la relation devient de moins en moins significative entre 1998 et 2010. En 1995,

la qualité des informations était croissante avec le “ niveau ” de l’UPI (taille, niveau

scolaire du chef), alors qu’elle est décroissante en 1998 et pratiquement constante

en 2001 et 2010. Ce phénomène semble confirmer que ce sont les individus les plus

aisés qui sont les plus réticents à répondre aux enquêtes répétées.

La durée de l’interview est non seulement un indicateur du déroulement de

l’enquête, mais aussi de sa viabilité. Des durées trop longues risquent de se traduire

par une lassitude des enquêtés, avec un effet direct sur la qualité des réponses.

Dans l’ensemble, la durée moyenne de la phase 2 est restée constante entre 1995 et

2001 : 1 heure 9 minutes en 1995 et 1 heure 11 minutes en 1998 et 2001, tandis que

la durée médiane a légèrement augmentée (1h00 et 1h05 resp.). En 2010, la durée

moyenne de l’interview est passée à plus de 1 heure 27 minutes. Malgré sa relative

complexité, qui s’explique par le fait que la phase 2 cherche à reconstituer la

comptabilité d’établissements qui n’en tiennent pas, le questionnaire peut être rempli

dans des délais raisonnables. Le fait que la durée de l’interview ait tendance à croître

avec le volume de la production dans les différentes versions de l’enquête est plutôt

bon signe : plus l’entreprise n’est grosse et plus le volume d’informations à traiter est

important. En revanche, le sens de la corrélation entre durée et qualité des données

varie d’une année à une autre. En 1995, la baisse de la qualité des informations s’est

traduite par un allongement de la durée, que l’on peut expliquer par la difficulté de

l’enquêté dans la compréhension du questionnaire. En 1998, 2001 et 2010 au

contraire, la durée est une fonction croissante de la qualité. Les enquêteurs ont peut-

être été tentés de raccourcir l’entretien pour échapper aux difficultés rencontrées.

49

I.2.5.3. Traitement des données : la question des prix

Dans l’ensemble, le traitement des données n’appelle pas de commentaires

particuliers, à l’exception d’un point particulier : la question des prix. En effet, pour

réaliser le partage volume/prix, il est nécessaire de disposer des différents prix de

production du secteur informel. Au Mexique par exemple, qui est le pays du monde le

plus avancé en matière d’enquêtes mixtes sur le secteur informel, toutes les données

sont présentées en valeur, sans que les volumes ne soient estimés.

Pour calculer l’évolution réelle des différents agrégats économiques du

secteur informel, il est nécessaire d’élaborer des indices de prix qui reflètent

précisément les structures d’approvisionnement et de production de ce secteur. Or à

Madagascar, il n’existe à l’heure actuelle qu’un seul indice des prix : celui de la

consommation des ménages (IPC). Ce dernier n’est clairement pas pertinent pour

mesurer la dynamique des prix dans le secteur informel : la production informelle

n’est pas entièrement destinée à la consommation, tous les biens de consommation

ne sont pas mis sur le marché par le secteur informel, etc.

En utilisant toute la richesse de la phase 2 de l’enquête 1-2-3, et en mobilisant

de façon appropriée l’IPC, 4 indices de prix ont ainsi été construits : prix de vente,

prix de production, prix de valeur ajoutée et prix des consommations intermédiaires.

Les détails sur la méthodologie sont présentés dans la section suivante. Le calcul a

été réalisé pour chacune des 9 branches distinguées dans les résultats. Les indices

ont ensuite été agrégés au niveau des 3 secteurs (transformation, commerce,

service), et enfin pour l’ensemble du secteur informel. Sans détailler la méthodologie

adoptée, des indices élémentaires ont été calculés par produits, les niveaux de prix

Tableau 6 : Qualité des informations collectées lors de la deuxième phase de l’enquête 1-2-3

Qualité de l’interview : 1995 1998 2001 2010

- Très bonne 49% 56% 51% 51%

- Moyenne 46% 40% 43% 46%

- Mauvaise 5% 4% 5% 2%

Durée moyenne de l’interview 1h09 1h11 1h09 1h32

Durée médiane de l’interview 1h00 1h05 1h00 1h25

Sources: INSTAT-DIAL/Enquêtes 1-2-3, phase 2, 1995, 1998, 2001, 2010, calculs de l’auteur.

50

étant donnés soit par la sélection des produits informels dans l’IPC, soit en utilisant

les valeurs unitaires collectées dans la phase 2, soit enfin, pour un nombre limité de

produits en effectuant des enquêtes complémentaires. Ensuite, ces différents indices

élémentaires ont été pondérés à partir des structures observées dans la phase 2

1995 (base 1995), en tenant compte à la fois du poids des produits au sein de

chaque branche, mais aussi de leur origine/destination sectorielle

(formelle/informelle). Ainsi, le prix d’un produit utilisé comme consommation

intermédiaire varie suivant qu’il a été acheté dans un supermarché ou auprès d’un

petit commerce informel. Le prix de la valeur ajoutée, non observable sur le marché,

a été déduit à partir des prix de production et des consommations intermédiaires.

Le Tableau 7 montre clairement tout l’intérêt de cette démarche.

L’approximation des prix dans le secteur informel par l’IPC conduit à des biais

importants. Ce dernier n’a crû que de 509,3% entre 1995-2010, alors que dans le

même temps les prix de production du secteur informel augmentaient de 509,3%.

Appliquer l’IPC au secteur informel aurait conduit à une surestimation des volumes

de production de plus de 80%. A notre connaissance, c’est la première fois que ce

type d’estimation est mené dans le cas du secteur informel.

I.2.5.4. Le dispositif d’enquête et les coûts

La structure de l’équipe de collecte est résumée dans le Tableau 8. Elle est

composée de superviseurs et d’enquêteurs. Un superviseur dirige une équipe avec 4

enquêteurs et ces derniers travaillent par binôme pour minimiser les erreurs

éventuelles et de raccourcir le temps de l’interview. Les enquêteurs travaillent par

binôme compte tenue de la complexité des calculs. Le rythme de travail exigé à

chaque binôme est fixé à 2 unités de production par jour (soit 4 questionnaires par

jour pour chaque groupe de 2 binômes). Des réunions hebdomadaires sont

Tableau 7 : Evolution des prix du secteur informel et de l’IPC entre 1995 – 2010 (en %)

Prix 1995 - 1998 1998 – 2001 2001- 2010 1995 - 2010

Prix de la Production dans le Secteur Informel 79,1 40,0 143,0 509,3

IPC 64,8 33,8 136,8 422,1

Sources : INSTAT/DIAL, Enquêtes 1-2-3, phase 2, 1995, 1998, 2001, 2010, IPC, calculs l’auteur.

51

organisées entre les superviseurs pour suivre l'état d'avancement des travaux,

résoudre ensemble les problèmes rencontrés par chaque groupe en vue

d'harmoniser les solutions à prendre. Les superviseurs effectuent des contre-

enquêtes sur 2 unités de production prises au hasard pour chaque binôme afin

d'assurer la vraisemblance des renseignements contenus dans les questionnaires.

Les superviseurs vérifient manuellement les incohérences des données collectées.

Les questionnaires dûment remplis passent ensuite à l’étape de codification par les

superviseurs. Ils sont enfin rendus au responsable pour être saisis.

La saisie et l’apurement des données sont assurés par des agents de

l’INSTAT. L’équipe comprend un informaticien responsable de l’élaboration du

masque de saisie, 2 superviseurs de saisie, 5 moniteurs de saisie et 15 opérateurs

de saisie. La formulation et la programmation des tests de cohérence sont assurées

par le responsable de l’enquête. Le masque de saisie a été confectionné pour

permettre la double saisie et de minimiser les erreurs de saisie. Les données saisies

sont ensuite soumises à des contrôles de cohérence informatiques (valeurs

aberrantes ou manquantes, incohérences inter et intra-modules) puis corrigées le

cas échéant par les superviseurs et les enquêteurs, qui fournissent les précisions

nécessaires ou retournent sur le terrain si cela est nécessaire. Cette boucle

d’opérations itérative est activée jusqu’à ce que les tests de contrôle informatiques

ne détectent plus d’incohérences de données.

Dernière étape : le traitement statistique de l’enquête et la publication des

résultats. Rappelons qu’une des caractéristiques des enquêtes MADIO/INSTAT est

d’intégrer systématiquement la publication des principaux résultats dans le cycle de

l’enquête. Ce dernier s’achève par la présentation publique, l’édition et la diffusion

d’un document appelé “ Premiers résultats ”. A la différence des publications

traditionnelles, volumineuses et qui se bornent souvent à l’accumulation de tableaux

statistiques, bruts ou brièvement commentés, les “ Premiers résultats ” se présentent

sous la forme d’une brochure d’une cinquantaine de pages, sur un support soigné et

de qualité, où le texte l’emporte sur les tableaux. Ils balaient ainsi l’ensemble des

principaux résultats de l’enquête, avec une forte composante analytique. Cette vue

52

synthétique, qui utilise différents instruments de la statistique descriptive, met en

relief les points saillants de l’enquête, qui pourront faire par la suite l’objet d’analyses

thématiques plus fouillées.

C’est ainsi que, dans le cas de la phase 2, les fichiers obtenus ont été utilisés

pour les traitements statistiques et les analyses économiques en vue de la

publication des premiers résultats de l’enquête. A ce stade, d’éventuelles corrections

sont apportées aux fichiers de base, afin de régler les dernières anomalies détectées

lors du traitement des données. Ainsi, les fichiers définitifs ne sont disponibles

qu’après la sortie des premiers résultats de l’enquête. Les traitements statistiques,

l’analyse des résultats et la rédaction des rapports ont été effectués par des

statisticiens économistes membres du projet MADIO/INSTAT.

Le Tableau 9 résume les coûts de l’ensemble des opérations de la phase 2.

Finalement les coûts de l’ensemble des opérations de la phase 2, y compris

publication, se sont montés à 14 000 milles euros en 2010. L’augmentation du coût

du questionnaire exprimée en Ariary constant 1995 est de +14% entre 1998-1995 et

+10% entre 1998-2010. Elle résulte essentiellement de la décision de donner une

meilleure rémunération aux équipes de collecte afin d’améliorer l’incitation à la

qualité. Elle est en partie contrebalancée par des réductions engendrées par les

économies “ d’apprentissage ” d’un exercice à l’autre (masque et programmes de

saisie). Quoi qu’il en soit, le rapport efficacité/coût se compare avantageusement à la

plupart des enquêtes statistiques, et l’enveloppe globale des dépenses apparaît tout

à fait à la portée d’un organisme tel que l’INSTAT.

Tableau 8 : Les équipes de collecte de la phase 2

Année 1995 2010

Equipe Enquêteurs Superviseurs Total Enquêteurs Superviseurs Total

Origine : Homme Femme Homme Femme Homme Femme Homme Femme

Instat 0 1 1 1 3 0 0 0 0 0

Madio 0 0 2 0 2 0 0 0 0 0

Phase 1 de l’enquête 10 5 2 1 18 18 12 7 5 42

Nouvelles recrues P. 2 8 4 0 0 12 6 12 0 0 18

Total 18 10 5 2 35 24 24 7 5 60

Sources: INSTAT/DIAL, Enquêtes 1-2-3, phase 2, 1995, 1998, 2001, 2010, calculs de l’auteur.

53

I.3. La phase 3 : la consommation et le partage

formel/informel

I.3.1. Bref historique des enquêtes consommation

auprès des ménages à Madagascar

Les deux premières enquêtes effectuées auprès des ménages malgaches

pour appréhender leurs conditions de vie remontent aux premières années de

l'indépendance. Il s'agit d'enquêtes sur les budgets des ménages urbains et ruraux.

Depuis, quinze autres enquêtes ont été effectuées dont les cinq éditions de la phase

3 de l’enquête 1-2-3 en 1995, 1998, 2001, 2004 et 2010 réalisées par le projet

MADIO/INSTAT. De manière générale, presque toutes les enquêtes ont été menées

à terme, mais les données ne sont pas toujours disponibles, ni comparables. En

effet, en dehors des enquêtes MADIO, seules les données de la série d’Enquête

Périodique auprès des Ménages (1993, 1997, 1999, 2001, 2002, 204 2005 et 2010)

sont disponibles sur fichiers informatiques. Par ailleurs, les méthodologies

appliquées par les différentes enquêtes sont distinctes, les nomenclatures de

produits différentes, ce qui constitue une limite à l’analyse de l'évolution des

conditions de vie dans le temps. Si le problème est moins grave que dans le cas des

enquêtes sur le secteur informel, il est suffisamment important pour réduire la

comparabilité des résultats (Ravelosoa, Roubaud, 1996 ; Ravelosoa, 1996). Dans

ces conditions, la répétition d'enquêtes successives employant une méthodologie

rigoureusement identique constitue un des grands avantages de l’enquête 1-2-3, et

Tableau 9 : Coûts des opérations de la deuxième phase de l’enquête 1-2-3 Opérations 1995 (en FF) 1998 (en FF) 2010 (en euros)

Reproduction du questionnaire 2 400 2 580 309

Rémunération de l'équipe de la saisie de données 4 380 3 570 1 104

Rémunération de l'équipe de collecte de données 21 640 38 570 8 060

Fournitures, divers 820 2 310 1 121

Publication des premiers résultats 10 820 11 920 3 339

TOTAL 40 060 58 770 13 933

TOTAL par questionnaire validé 39 56 13

Notes : La conversion en francs français a été faite sur la base du taux de change de l’année correspondante 1FF = 171 Ariary en 1995, et 185 Ariary en 1998 ; 1 euro = 2800 Ariary en 2010 Sources: INSTAT/DIAL, Enquêtes 1-2-3, phase 2, 1995, 1998, 2010, calculs de l’auteur.

54

en particulier de la phase 3, à travers laquelle le système statistique malgache s’est

doté d’un instrument qui permet l'amorce d'une série temporelle sur la consommation

des ménages.

I.3.2. Objectifs et innovations de la phase 3

L'enquête phase 3 est une enquête budget consommation classique. Ainsi son

objectif est de déterminer le niveau et la structure de consommation des ménages.

Son originalité réside dans l'estimation des montants des dépenses des différentes

catégories de ménages par produits, suivant le lieu d’achat, et notamment leur

origine formelle ou informelle. Elle permet en outre de discerner les comportements

des ménages dans leurs décisions d'acheter un produit dans le secteur formel ou

informel, et de connaître les pays de provenance des produits consommés.

L’enquête comporte aussi des questions d'opinion sur l’appréciation quant à

l'évolution récente des revenus, de la consommation ou de l’épargne, des transferts

monétaires. Des questions relatives à la pauvreté subjective et aux comportements

financiers des ménages ont été en plus introduites dans l'enquête pour les années

1998, 2001, 2004 et 2010. Ce module supplémentaire sur la pauvreté permet de

confronter les mesures monétaires classiques et les approches subjectives, qui ont

fait l’objet de travaux récents dans les pays développés (Economie et Statistique,

1997), mais qui n’ont pas encore été abordés dans les PED.

Enfin, des questions diverses abordant différents thèmes ont été posées aux

ménages en compléments aux modules cités ci-dessus : connaissance du SIDA,

mode d'information, moyen de locomotion, hausse du tarif des transports,

assainissement de la ville d'Antananarivo et son impact sur la consommation à

travers les prix, fiscalité locale, distance au point d’approvisionnement le plus proche,

etc. La phase 3 poursuit deux objectifs : fournir des informations standardisées et

régulières sur les conditions de vie des ménages, servir de ban d’essai en matière

d’innovations statistiques.

55

I.3.3. Utilisations et utilisateurs de la phase 3

La demande d'information dans le domaine des conditions de vie des

ménages est forte. Les enquêtes budget-consommation (EBC, aussi appelé ECM :

enquêtes sur la consommation des ménages) permettent de constituer une base de

données très complète sur la consommation et le niveau de vie des différentes

catégories de ménages, autorisant des utilisations plus variées. Les utilisateurs vont

du projet MADIO et de l'INSTAT, aux ministères, entreprises, société de marketing,

organisme d'étude, etc. L’encadré ci-dessous donne quelques exemples

d'utilisateurs et d’utilisations de la phase 3.

I.3.4. Méthodologie

I.3.4.1. Plan de sondage

Contrairement à la phase 3 camerounaise de 1993, la phase 3 de

Madagascar est composée d'une seule enquête ECM. En effet, à Yaoundé la phase

3 comprenait deux enquêtes : une première, sur les lieux d’achat (ELA), demandait à

chaque ménage d’estimer approximativement la part achetée dans le secteur

informel pour chaque produit. L’enquête consommation proprement dite ne servait

qu’à pondérer le poids de chacun des produits dans la consommation totale. Elle ne

portait que sur 90 ménages. L’expérience camerounaise a montré qu’il était possible

de connaître de façon fiable l’origine de chaque produit consommé à partir de l’ECM

(Roubaud, 1994a). Compte tenu de l’intérêt évident d’une ECM classique, la

procédure en deux étapes a été abandonné dans la version malgache, et

l’échantillon a été élargi afin d’obtenir une meilleure fiabilité des résultats. En 1995,

elle a été effectuée sur 400 ménages. Pour l'édition 1998, la taille de l'échantillon a

été portée à 562 ménages, puis à 600 ménages pour les années 2001, 2004 et 2010

tirés parmi les 3 000 ménages de la phase 1.

56

Exemples d’utilisations de la phase 3

Calcul du poids des postes de consommation pour le calcul des pondérations de l'IPC

Les bénéficiaires sont ici l'INSTAT et le Projet MADIO. Les données de la phase 3 1995 ont été mobilisées pour

évaluer le poids des différents produits dans le nouvel IPC, en particulier pour le panier tananarivien. En effet, la

nomenclature de l'enquête est suffisamment fine pour permettre un calcul des poids au niveau des variétés. Par

ailleurs, la distinction des unités d'achat (au nombre de vingtaine) autorise un calcul de la structure des variétés

selon l'unité de vente. A titre d'illustration, on a tiré de l'enquête sur la consommation la structure de

consommation des riz vendus au kilo et des riz vendus au “ kapoaka ” (2), l'huile vendue au litre et celle vendue à

la cuillère, les tomates vendues au tas et celle vendues à l'unité.

Evaluation de la consommation moyenne des différents biens et services

Dans ce domaine, la demande est très forte. Le premier résultat de l'enquête fournit un aperçu général de la

consommation totale, par fonction de dépenses ou encore par poste alimentaire. On y aborde aussi la question

des biens importés, la consommation de biens usagés et en particulier la friperie qui prend de plus en plus de

place dans le secteur de l'habillement malgache. Mais les demandes concernant la consommation d'autres biens

et services abondent : les dépenses en eau et électricité, la consommation de farine, d'huile, d'arachide, les

savons et détergents, les produits laitiers, les boissons alcooliques, les médicaments, etc. Les demandeurs sont

surtout les entreprises et les sociétés de service qui font des études de marché. Vu l'abondance de la demande, il

arrive souvent que le projet n'arrive pas à satisfaire tout le monde.

Etude de la pauvreté et des inégalités

A partir de l'enquête consommation, on peut mener des études portant sur la pauvreté et les inégalités en utilisant

comme critère soit la consommation calorique par tête, la consommation totale, ou encore d'autres indicateurs.

Mais la pauvreté ne peut pas se définir à partir d'un seul indicateur. C'est pour cela qu'on a introduit de nouveaux

indicateurs dits “ indicateurs de pauvreté subjective ” dans la phase 3 de l'année 1998. Il s'agit de questions sur

l'aisance financière, sur le niveau de vie subjectif, le revenu minimum, la notion de besoin minimal, la satisfaction

des ménages quant à leur consommation alimentaire, vestimentaire, etc. Les principaux demandeurs sont les

autorités et les bailleurs de fonds.

Etude de populations particulières

Le couplage de l'enquête sur la consommation avec l'enquête emploi permet d'aborder le problème des ménages

informels (c'est-à-dire dont le chef travaille dans le secteur informel), le niveau de vie des personnes âgées ou

encore d'autres populations particulières.

Calcul de l'effet du revenu, des prix ou de la taille des ménages sur la consommation

Outre les effets classiques du revenu sur la consommation, des études ont été réalisées ou sont prévues sur les

effets des modifications des prix, l'impact de la TVA ou encore l'effet de la taille des ménages sur la

consommation des tananariviens.

2) Le “ kapoaka ” est une unité d'achat très répandue à Madagascar. Il est utilisé au marché pour la vente de divers produits

(riz, café en grains, légumes en grains, etc.) mais aussi au sein des foyer pour mesurer le riz à cuire. Il s'agit d'une boite de lait

concentré de 400g. Un “ kapoaka ” de riz pèse 289 grammes.

57

Le tirage de l'échantillon est stratifié suivant trois critères issus des

informations collectées dans la phase 1 : le revenu du chef de ménage (6 modalités),

le statut d’activité du chef de ménage (5 modalités) et le sexe du chef de ménage (2

modalités). Pour ne pas sous-représenter les ménages aisés, on a procédé à un

tirage au 1/2,5 au sein des strates de revenu élevé (tranches 4 et 5), et 1/16 au sein

des autres.

I.3.4.2. Questionnaires

Le questionnaire ECM comprend trois volets :

- les variables identifications ;

- la composition du ménage ;

- les opérations monétaires et non monétaires subdivisées en deux : les dépenses

journalières pendant les 15 jours d'enquêtes et les dépenses rétrospectives sur les 6,

12 ou 24 derniers mois ;

- les modules supplémentaires.

Pour tous les produits consommés sont demandés : la quantité, le prix

unitaire, l'unité d'achat, le montant total, le lieu d'achat, la raison du choix du lieu

d'achat, le pays d'origine du produit, la qualité (neuf ou usagé).

Des cahiers de dépenses, et des crayons pour les remplir, ont été distribués

aux ménages. Ceux-ci ont été préparés de telle sorte que le ménage puisse y

inscrire facilement et sans oubli toutes les informations (citées plus haut) relatives

aux produits consommés. Les cahiers sont tenus pendant 15 jours par un membre

du ménage censé connaître toutes les dépenses habituelles des ménages. D'autres

cahiers sont donnés aux autres membres du ménage susceptibles d'effectuer des

dépenses personnelles.

58

I.3.4.3. La collecte

L'observation effectuée auprès des ménages ne porte pas sur une année

entière mais uniquement sur un mois (ce point constitue une faiblesse de la phase 3

qui ne permet de mesurer la saisonnalité de la consommation). La répartition

uniforme des enquêtes au cours du mois a été assurée. Pour cela, le mois a été

subdivisé en deux périodes de quinzaine et l'échantillon est alors réparti en deux

vagues.

Théoriquement la collecte devait durer 37 jours, mais finalement la plupart des

enquêteurs ont mis plus de 40 jours pour remplir leurs questionnaires. Cette difficulté

relève surtout des remplissages des modules rétrospectifs et des modules

supplémentaires.

Pour mener à bien l'ensemble du travail, l'enquêteur devait effectuer au moins

cinq visites auprès de chaque ménage, étalées sur toute la période d'enquête. La

première visite a pour but de mobiliser le ménage, de présenter brièvement les

résultats de la dernière version de l’enquête et de déposer le cahier de dépenses. La

dernière visite sert à boucler l'enquête, et entre autres, à obtenir les informations sur

le revenu et les questions supplémentaires. Les autres visites servent à collecter les

fiches de dépenses et à recueillir les dépenses rétrospectives des ménages.

I.3.4.4. Evaluation de la collecte

La multiplicité des enquêtes a entraîné une grande lassitude de la part des

ménages. Ces derniers ont été de moins en moins accueillants. Le Tableau 10

présente l’évaluation de la qualité de la collecte par le taux de remplacement. Si en

1995, les équipes ont été reçues avec beaucoup de cordialité et de compréhension,

depuis 1998, bien de ménages ont accueilli les enquêteurs sur le pas de la porte. Le

taux de remplacement est passé de 16% en 2005 à 26% en 2010. Parfois, les

dépenses ne pouvaient être retranscrites dans le questionnaire devant le ménage.

Une fois la fiche contrôlée l'enquêteur a dû repartir immédiatement, sous prétexte

que l'enquêté avait beaucoup de chose à faire. Autre manifestation de cette lassitude

59

ou réticence : quelques ménages n'ont pas accepté les visites répétées des

enquêteurs et leur ont demandé de ne venir qu'une fois par semaine ou même à la

fin de l'enquête, soit une ou deux fois seulement au cours des 15 jours de relevés.

Les interventions des superviseurs sont devenues de plus en plus fréquentes

confirmant la réticence des ménages. Il faut souligner que ce problème concerne

autant les ménages aisés que les ménages pauvres. Apparemment le “ ras le bol ” a

pris la place de la compréhension. Les ménages souhaitent qu'il y ait plus de

coordination entre les enquêtes. Du moins pour celles qui utilisent l'échantillon-

maître.

I.3.5. Traitement des données

Comme toute enquête consommation qui comporte des cahiers quotidiens, les

fichiers des données de la phase 3 sont très lourds. A titre d'illustration, le fichier des

dépenses journalières comporte 71 000 enregistrements et 17 variables. Les

contrôles sont alors plus difficiles à gérer. Néanmoins les tests de cohérences ont été

grandement améliorés par rapport à ceux de 1995 : utilisation des mots clés pour

tester la compatibilité entre libellé et code produit, test des unités d'achat possible,

test sur l'origine des produits, etc.

Le code produit a été amélioré et élargi. La correspondance avec la

nomenclature des produits du nouvel IPC a été établie pour faciliter la liaison. Au

Tableau 10 : Taux et motifs des remplacements dans la phase 3

Motifs de remplacement 1995 1998 2010

Taux de remplacement 16% 24% 26%

Motifs dont : 86% 87% 80%

Absence * 21% 12%

Vacances, voyages * 8% 5%

Déménagement * 11% 25%

Refus d'être enquêté (trop d'enquêtes, etc.) * 46% 38%

Problèmes d'enquête 5% 6% 15%

Autres motifs 9% 7% 5%

Total 100% 100% 100%

Note : * : non disponible pour 1995.

Sources : INSTAT/DIAL, Enquête 1-2-3, phase3, 1995, 1998, 2010, nos propres calculs.

60

cours de la collecte, il a fallu ajouter des codes produits : signe de diversité de plus

en plus grande de la consommation des ménages tananariviens depuis 1995.

Pour les dépenses alimentaires, l'extrapolation sur 12 mois est faite en

considérant les dépenses journalières pendant la période d'enquête. Pour les autres

types de dépenses (habillements, logement, équipement, santé, éducation et loisirs,

etc.), les coefficients d'extrapolation ont été tirés des dépenses rétrospectives

moyennant des coefficients correcteurs calculés à partir de l'IPC. Ainsi, les dépenses

totales des ménages s'obtiennent en sommant les dépenses alimentaires (issues du

module 11), les dépenses d'habillements (module 12), les dépenses de "logements"

(module 13), les dépenses en "équipement de maison" (module 14), les dépenses de

"santé et de soins personnels" (module 15), les dépenses de "transport" (module 16),

et enfin les autres dépenses non déclarées ailleurs (module 17). Ainsi, le module 11

n'est utilisé que pour les dépenses alimentaires. Néanmoins, il permet de contrôler

les dépenses rétrospectives des ménages. Par exemple, un ménage qui achète

quotidiennement du charbon pendant les 15 jours d'enquête doit nécessairement

consommer du charbon dans le module rétrospectif correspondant.

D’un point de vue plus général, le fait de concentrer la collecte sur 15 jours ne

permet pas de prendre parfaitement en compte les problèmes de saisonnalité de la

consommation. Cependant, un traitement satisfaisant de cette question, par nature

moins importante en ville qu’à la campagne, exige une procédure de collecte

beaucoup plus lourde (étalement sur un an de l’enquête), qui s’est montrée peu

efficace en Afrique (baisse sensible de qualité). En revanche, l’utilisation de carnets

de dépenses quotidiennes donne un avantage sérieux à la phase 3 par rapport aux

EBC, de plus en plus répandues sur le continent, qui en font l’économie et se

contentent de modules rétrospectifs, faisant appel à la mémoire des enquêtés, et

donc relativement peu fiables. Enfin, plus qu’une estimation parfaite du niveau de

consommation, le point fort du dispositif 1-2-3 est la comparabilité des données dans

le temps : questionnaire et méthodologie identiques, même période d’enquête.

61

I.3.6. Déroulement des opérations et coûts

La structure de l’équipe de la phase 3 est décrite dans le Tableau 11. En

1998, elle était constituée de 2 co-responsables, 10 superviseurs, dont 3 jouent en

plus le rôle de contrôleurs, et de 28 enquêteurs. Par rapport à 1995, le nombre de

questionnaires par enquêteur a légèrement augmenté (de 17 à 19), mais en

contrepartie le taux d’encadrement s’est nettement amélioré : 1 superviseur pour 4

enquêteurs en 1995 contre 1 pour 3 à partir de 1998. Compte tenu du rôle central

des superviseurs pour assurer la cohérence des données, on peut penser que cette

nouvelle organisation a joué positivement sur la qualité des informations collectées.

Pour l'organisation de la saisie et de l'apurement, l'équipe a bénéficié de l'assistance

de 2 informaticiens. La saisie a été effectuée par 6 personnes travaillant en équipe

de 3, avec le superviseur de saisie et a duré 20 jours environ. Le masque a été

développé par un informaticien, extérieur au projet, et les tests de cohérence

élaborés en collaboration avec les responsables.

Tableau 11 : Les équipes de collecte de la phase 3

Superviseurs Enquêteurs

Oui Non Total Oui Non Total

Ayant participé à la Phase 1 2010 7 3 10 7 21 28

Ayant participé à l EPM 2010 5 5 10 21 7 28

Ayant régressé de statut dans l’enquête 0 10 10 7 21 28

Etudiant 2 8 10 10 18 28

Nb d’années d’expérience en enquête 12 ans 3 ans

Sources : INSTAT/DIAL, Enquête 1-2-3, phase3, 2010, nos propres calculs.

62

I.4. Quelques résultats-clés : la dynamique du secteur

informel et de la consommation entre 1995 et 2010

I.4.1. Dynamique du secteur informel entre 1995-

2010

Evolution des performances économiques du secteur informel entre 1995-2010

En 2010, l’agglomération d’Antananarivo compte 354 600 unités de production

informelles (UPI) dans les branches marchandes non agricoles, employant 526 400

personnes. Par rapport à la situation de 2001, le nombre d’UPI ainsi que les emplois

qu’elles créent montrent un secteur en prolifération continue. Le taux de croissance

annuel moyen entre 2001 et 2010 est de 6,2 % pour le nombre d’UPI, et de 7,0 %

pour le nombre d’emplois. Ces chiffres marquent une fois de plus l'importance

économique des activités informelles pour la population de la capitale. La

multiplication des créations d'UPI au cours des dernières années traduit la montée

en puissance du secteur informel comme mode d'insertion privilégié de la main-

d’œuvre en période de crise. Mais cela s'accompagne aussi d'une précarisation

croissante au sein même du secteur informel.

L’ensemble des principaux agrégats économiques résumé dans le Tableau 12

a mis en lumière une croissance soutenue du secteur informel dans l’agglomération

d’Antananarivo au cours de la première décennie du troisième millénaire, alors que

l’ensemble de l’économie a connu de nombreux chocs conjoncturels, dont deux

crises socio-politiques majeures en 2002 et 2009. Le secteur informel marchand non

agricole de la capitale a produit pour 2 611 milliards d’Ariary de biens et services et a

créé 1 422 milliards de valeur ajoutée au cours de l’exercice 2009/2010. Le taux de

croissance annuel moyen en volume au cours de cette période est de 7,1 %, aussi

bien pour la production que pour la valeur ajoutée.

63

La structure des activités du secteur informel a subi des changements

significatifs. Premièrement, les activités de transformation sont en perte de vitesse.

Tant au niveau du nombre d’unités de production en activité, du nombre d’emplois

créés qu’en termes de contribution à la production, leur poids est en baisse entre

2001 et 2010 : -5 points en nombre d’unités, 1 point en nombre d’emplois et -4

points pour la production. Il convient de signaler qu’au sein même des activités de

transformation, les activités agro-alimentaires ont connu un essor particulier, alors

que celles de la confection ont subi une forte chute. Deuxièmement, les activités de «

services » ont connu une croissance rapide, ce qui n'est pas le cas des activités

commerciales. En effet, la proportion des services est passée de 31 % du nombre

d’unités de production en activité en 2001 à 40 % en 2010, alors que celle du

commerce a diminué. Il faut noter qu’en termes de nombre d’emplois créés, on ne

note aucun changement majeur. Par contre, en ce qui concerne la production, la

contribution des activités commerciales est en nette augmentation : 35 % de la valeur

ajoutée du secteur informel en 2001 et 40 % en 2010.

Tableau 12 : Evolution des principaux agrégats du secteur informel 2001-2010

Agrégats en niveau Taux de croissance

annuel moyen 2001/2010

2001

(Ar.)

2004

(Ar. courant)

2004

(Ar. 2001)

2010

(Ar. courant)

2010

(Ar. 2001)

Nominal Réel

Nombre d’UPI 205 000 238 300 353 700 +6,2%

Emploi 287 300 343 600 526 400 +7,0%

Capital 141 Mds 155 Mds 119 Mds 490 Mds 202 Mds 14,8% +4,1%

Chiffre d’affaires 946 Mds 1 244 Mds 953 Mds 3 717 Mds 1 534 Mds 16,5% +5,6%

Production 517 Mds 795 Mds 609 Mds 2 328 Mds 958 Mds 18,2% +7,1%

Valeur ajoutée 308 Mds 434 Mds 333 Mds 1 347 Mds 575 Mds 17,7% +7,1%

Notes : Pour déflater les agrégats en valeur, des indices spécifiques des prix de production et de valeur ajoutée du

secteur informel ont été élaborés. Entre 2001 et 2010, ils ont crû de 143,0%. Au cours de la même période, l’IPC

s’est élevé de +135,8%. Entre 2001-2004, l’IPC a cru de 28,3%. Le capital a été valorisé au prix à la production,

faute d’information.

Sources : INSTAT/DIAL, Enquête 1-2-3, phase 2, 2001, 2004, 2010, calculs de l’auteur.

64

Evolution des conditions d’activités du secteur informel entre 1995-2010

Les unités de production informelles subissent de plein fouet les effets

néfastes des crises successives. Cela est reflété par une dégradation des conditions

d’activité entre 2001 et 2010, après une nette amélioration entre 1995 - 2001. Cette

situation est décrite dans le Tableau 13. Pour l’année 2010, à peine 27 % des UPI

disposent des installations appropriées pour exercer leurs activités, ce qui les prive

d'accès aux principaux services publics (eau, électricité, téléphone). Cette situation

est même en régression par rapport à 2001 où le pourcentage des UPI ayant un

local approprié atteignait 31 %. Au niveau du capital utilisé, même si la proportion

d’UPI dépourvues de capital a légèrement baissé de deux points (de 12,8 % en 2001

à 10,7 % en 2010), le taux d’investissement a perdu 4 points (de 6,5 % à 2,7 %) et le

coefficient de capital plus de 6 points (de 27,2 % à 21,0 %).

Le secteur informel est toujours constitué de micro-unités. En 2010, 73,2 %

des UPI sont réduites à une seule personne. Plus de 46 % des emplois du secteur

informel sont occupés par des femmes, que l'on trouve concentrées dans les emplois

les plus précaires, notamment parmi les aides familiaux. La relation salariale est

toujours très minoritaire et le recrutement de salariés n’a connu aucune amélioration

entre 2001 et 2010. En 2010, seulement 13 % des UPI ont recours à ce type de

main-d’œuvre (12 % en 2001). Le taux de salarisation n’a augmenté que d'un point

en dix ans (de 16 % à 17 %) et le poids des charges salariales dans la valeur ajoutée

a même baissé de 2 points (de 9 % à 7 %). Si le secteur informel ne peut être

assimilé au sous-emploi, il en constitue l'un de ses refuges de prédilection. Les

emplois exercés dans le secteur informel se caractérisent par une absence générale

de protection sociale. Malgré tout cela, le secteur informel emploie des travailleurs

relativement qualifiés avec un niveau d'étude moyen proche de 8 ans, même si les

possibilités de valoriser une expérience acquise dans le secteur moderne restent

particulièrement limitées.

65

Les membres du secteur informel travaillent en moyenne 41 heures par

semaine, et gagnent 240 000 Ariary par mois. Mais ce chiffre cache une forte

hétérogénéité. La prédominance des faibles revenus pèse sur la rémunération

médiane, égale à 71 000 Ariary. Par rapport à la situation de 2001, la rémunération

moyenne dans le secteur informel a connu une croissance réelle non négligeable de

l'ordre de 9 %. Mais, l’accroissement réel des revenus a profité aux travailleurs à leur

propre compte et, dans une moindre mesure, aux patrons, au détriment des salariés

pour lesquels le revenu moyen a chuté de 34,1 %.

Exclus du système bancaire, plus de 95 % des entrepreneurs du secteur

informel se reposent sur l'épargne individuelle pour financer leur capital. Les

systèmes de financement informel (usuriers, tontines, etc.) ne sont pas capables de

prendre le relais, et ne participent que très marginalement au financement de

l'investissement dans le secteur informel. Si le capital est un véritable facteur de

production dans le secteur informel, puisqu’il atteint 512 milliards d’Ariary en 2010, le

taux d’investissement est dérisoirement faible (2,6 %), marquant la faible capacité

d’accumulation de ce secteur. Toutefois, malgré cette faible capacité d’accumulation,

le capital du secteur informel a augmenté en volume par rapport à 2001. La hausse

réelle du capital entre 2001 et 2010 est de 43 %.

Tableau 13 : Evolution des conditions d’activités du secteur informel 1995-2010

INDICATEURS 1995 1998 2001 2004 2010

UPI avec local 11,9% 15,9% 30,9% 35,0% 26,7%

Electricité 24,7% 27,4% 30,1% 28,7% 24,1%

Téléphone 0,8% 2,7% 2,5% 5,6% 24,1%

UPI sans capital 12,2% 6,5% 12,8% 10,3% 10,7%

Coefficient de capital (K/Prod) 27,6% 33,7% 27,2% 19,5% 21,0%

Taux d’investissement (I/VA) 3,2% 7,5% 6,5% 2,6% 2,7%

UPI salariales 0% 8,9% 12,2% 9,2% 13,2%

Taux de salarisation 9,9% 14,4% 16,4% 14,0% 17,3%

Masse salariale/Valeur Ajoutée 4,8% 8,0% 8,9% 10,8% 7,3%

Sources : INSTAT/DIAL, Enquête 1-2-3, phase 2, 1995, 1998, 2001, 2004, 2010, calculs de l’auteur.

66

Evolution de l’insertion du secteur informel dans l’économie nationale 1995-2010

Exclusivement tourné vers le marché intérieur, le secteur informel a pour

principal débouché la satisfaction des besoins des ménages. Le Tableau 14 retrace

l’origine des matières premières et la destination des ventes dans le secteur informel.

En 2010, plus de 83 % de la demande qui lui est adressée provient de la

consommation finale des ménages. Dans ce contexte, le secteur informel de la

capitale entretient peu de liens directs avec le secteur formel, la sous-traitance étant

un phénomène négligeable. Du côté des intrants, les liens entre le secteur informel

et le secteur formel se font de plus en plus rares. L’approvisionnement dans les

commerces formels ne représente plus que de 31 % de l’ensemble des transactions

en 2010 (taux le plus bas enregistré depuis 1995), contre plus de 46 % en 2001.

Cependant, le secteur informel reste dépendant du secteur formel qui lui fournit 36 %

de ses intrants.

Enfin, si les commerces informels constituent un vecteur de diffusion des

produits étrangers, surtout en provenance de Chine, ils s’approvisionnent dans leur

immense majorité en produits nationaux. En fait, par rapport à la situation de 1998 et

de 2001, l’une des nouvelles tendances concernant l’approvisionnement du secteur

informel consiste en la montée spectaculaire des produits asiatiques, notamment

chinois.

Evolution de la concurrence dans le secteur informel1995-2010

Les comportements des opérateurs du secteur informel face à un

environnement concurrentiel ont évolué. Le mode de détermination des prix des

produits adoptée par les chefs d’UPI reflète bien la situation. Ces derniers fixent de

plus en plus leur marge en référence aux prix des concurrents. Un tiers des chefs

d’UPI fixent eux-mêmes leur taux de marge, tandis que plus de 15 % prennent en

compte les prix des concurrents avant de fixer les leurs. De plus, 87 % d’entre eux se

montrent favorables à la libre confrontation entre l’offre et la demande pour fixer le

67

juste niveau des prix, proportion la plus élevée enregistrée depuis 1995. Le chacun

pour soi est de mise et le recours aux ententes entre producteurs en matière de prix

est en recul : un phénomène montrant le peu de confiance accordée par les

opérateurs informels aux associations censées les représenter.

La concurrence reste avant tout interne au secteur informel lui-même. Un

phénomène qui s’est accentué au fil des années. En 2010, pour plus de 94 % des

UPI, le principal concurrent est le secteur informel lui-même. Cette proportion n’était

que 90 % et 91 % en 2001 et en 2004. Les activités industrielles informelles sont les

plus touchées. En fait de concurrence, les établissements industriels informels

doivent lutter sur deux fronts : d'une part avec leurs pairs des industries informelles,

et d'autre part avec leurs homologues des commerces informels.

En 2010, à peine 6 % des UPI sont concurrencées principalement par les

grandes entreprises du secteur formel (commercial ou non). Lorsqu'il y a

concurrence formel/informel, les UPI affichent dans l'ensemble des prix inférieurs ou

égaux aux grandes entreprises. La faiblesse du pouvoir d’achat des clients constitue

la première raison invoquée pour expliquer le différentiel de prix par rapport aux

concurrents du secteur formel.

Tableau 14 : Evolution de l’origine des matières premières et de la destination des ventes 1995-2010

SECTEUR D'ORIGINE

Public Formel non

commercial

Formel

commercial

Informel non

commercial

Informel

commercial

Ménage Import Total

1995 0,4% 1,0% 38,1% 2,6% 55,8% 2,1% 0,0% 100

1998 0,2% 1,9% 40,0% 9,6% 41,2% 3,6% 3,5% 100

2001 0,2% 1,9% 46,6% 7,6% 40,5% 1,7% 1,5% 100

2004 0,3% 1,3% 33,9% 14,3% 48,7% 1,4% 0,0% 100

2010 0,0% 2,1% 30,7% 15,2% 44,8% 4,3% 2,8% 100

SECTEUR DE DEMANDE

Public Formel non

commercial

Formel

commercial

Informel non

commercial

Informel

commercial

Ménage Autres Total

1995 3,1% 2,1% 2,9% 5,2% 17,0% 69,0% 0,7% 100

1998 0,0% 0,9% 5,3% 2,8% 15,5% 73,3% 2,2% 100

2001 3,6% 1,9% 4,2% 1,8% 14,7% 72,4% 1,4% 100

2004 0,9% 2,9% 1,0% 4,5% 23,6% 66,5% 0,6% 100

2010 0,5% 6,2% 1,4% 7,0% 17,6% 61,7% 5,7% 100

Sources : INSTAT/DIAL, Enquête 1-2-3, phase 2, 1995, 1998, 2001, 2004, 2010 calculs de l’auteur

68

Obstacles au développement des activités du secteur informel

Actuellement, les difficultés rencontrées par le secteur informel restent avant

tout liées au problème d'écoulement de la production, comme les années

antérieures. La contrainte vient essentiellement du côté de la demande ("faiblesse

des débouchés"), mais aussi du côté de l'offre ("excès de concurrence"). 75 % des

UPI souffrent de l'un ou l'autre de ces problèmes. Il apparaît donc que la dégradation

de l'environnement macro-économique, plus que les dysfonctionnements localisés

sur certains marchés (pénuries, cadre institutionnel inadapté, etc.), constitue le

facteur de blocage principal du secteur informel. En corollaire, l'accès à de grosses

commandes apparaît comme la modalité première des aides sollicitées par les chefs

d’UPI. Cette aide est surtout réclamée par les industries (à 82 %), plus à même

d’être sollicitées pour des grosses commandes.

Dans la hiérarchie des difficultés qui affectent les producteurs informels, le

problème récurrent du crédit ne vient qu’en sixième position. Mais, plus que son coût,

c'est l'accès au crédit qui semble inhiber le développement des UPI. Ce résultat met

en lumière le peu d'intérêt qu'accorde le système financier malgache aux micro-

entreprises. Parmi les aides souhaitées par les chefs d’UPI, l’accès au crédit n’est

mentionné qu’en cinquième place par 22 % d’entre eux. Par contre, comme les

années passées, l’excès de régulations publiques ne constitue pas en 2010 une

entrave importante au développement des activités informelles.

Evolution des relations entre Etat et le secteur informel

Dans ce domaine, si au cours des périodes précédentes l’on a observé une

sorte de rattrapage de l’administration vis-à-vis du secteur informel en termes de

réglementation, à partir de l’année 2001, l’Etat retombe dans le laisser-aller. Le

Tableau 15 résume bien cette situation. La méconnaissance réciproque reprend le

dessus. Au niveau de l’enregistrement des entreprises, la situation s’est dégradée.

69

En effet, le taux de non enregistrement des UPI est en hausse entre 2001 et 2010 : -

10 points pour le registre de la statistique et -7 points pour la carte professionnelle.

En 2010, moins de 6 % seulement des UPI déclarent avoir eu des problèmes

avec les agents de l’Etat. En général, l’objet du litige a trait au manquement à la

réglementation pour les transporteurs et à l’emplacement de l’activité pour les

commerçants exerçant sur la voie publique. En fait, au fil des années, les problèmes

des UPI avec l’Etat sont aussi fréquents qu’auparavant. Par contre, la situation

évolue dans le bon sens. Les règlements des litiges suivent plus souvent les

procédures étables dans le cadre légal : le paiement d’amende a augmenté en

proportion de 5 points (22 % en 2001 et 27 % en 2010). La fréquence de la

corruption a beaucoup diminué, mais son importance a augmenté. La proportion des

cas de paiement de « cadeaux » n’est plus que de 12 %, mais le montant médian

des paiements est multiplié par cinq entre 2001 et 2010 (7 400 Ar. en 2001 à 40 000

Ar. en 2010). D’autre part, même en période difficile, la volonté des UPI de

collaboration des UPI envers l’Etat reste élevée même si elle s’est affaiblie entre

2001 et 2010 (volonté de se faire enregistrer, volonté de payer les impôts, etc.).

Finalement, malgré les difficultés, les producteurs informels restent largement

optimistes. En 2010, 63 % des chefs d'UPI affirment qu'il existe un avenir pour leur

établissement et 38 % souhaitent voir leurs enfants leur succéder, s'ils le désiraient.

Le secteur informel reste donc bien associé à un mode d'insertion sociale et

économique encore valorisé aujourd’hui dans la capitale. Cependant, l'optimisme

quant aux perspectives d'avenir est fortement corrélé avec le statut et le sexe des

Tableau 15 : La démission de l’Etat vis à vis du secteur informel

Taux de non

enregistrement

Mode de résolution des litiges Favorable au principe de« guichet

unique »

N° STAT Carte Profes. Pb avec l’Etat Amende Corruption Oui Ne sait pas Non

1995 83,2% 84,6% 5,0% 10,3% 17,4% 47,8% 20,9% 31,3%

1998 83,7% 85,6% 6,7% 11,0% 34,3% 50,0% 46,0% 4,0%

2001 79,1% 82,7% 5,4% 21,9% 35,4% 33,2% 58,5% 8,3%

2004 86,0% 86,4% 4,5% 31,4% 22,1% 34,6% 56,5% 8,8%

2010 88,6% 90,0% 5,3% 26,9% 11,9% 37,4% 56,1% 6,5%

Sources : INSTAT/DIAL, Enquête 1-2-3, phase 2, 1995, 1998, 2001, 2004, 2010.

70

chefs d’unités informelles. Ainsi, les patrons d’établissements se montrent beaucoup

plus, d’une part optimistes quant à l’avenir de leur établissement, et, d’autre part

désireux de voir leurs propres enfants prendre leur relève et se maintenir dans le

secteur informel, que les travailleurs à leur propre compte. Le résultat va dans le

même sens lorsqu’on effectue une comparaison entre les chefs d’établissement

hommes et femmes.

I.4.2. Dynamique de la consommation des

ménages entre 1995-2010

Evolution du niveau de consommation entre 1995-2010

La série d'enquête phase 3 met en évidence la dégradation du niveau de vie

des tananariviens. Le diagnostic global est sans ambiguïté selon le Tableau 16 : au

cours des douze dernières années, le pouvoir d’achat des ménages a clairement

diminué. La montée relative du secteur informel constitue une conséquence directe

de cette régression du pouvoir d’achat. La crise a affecté inégalement les ménages.

Entre 1998 et 2010, la consommation annuelle moyenne par ménage a chuté

de -14,4% en termes réels en passant de près de 5,04 millions à 4,32 millions

d’Ariary constants. Cette baisse est essentiellement due à la dégradation du revenu

des ménages, déjà révélée par l'enquête emploi, mais aussi à la forte augmentation

des prix à la consommation au cours des dernières années. La dégradation de la

consommation est encore plus conséquente si l'on tient compte de la composition

des ménages. La consommation réelle par tête et par unité de consommation ont

baissé de +18,6% chacune. Estimée à 1 131 900 Ariary en 1998 (en franc constant

de 2010), la consommation par tête est évaluée à 921 800 Ariary cette année.

71

La régression réelle de la consommation affecte l’ensemble des postes de

dépenses à l’exception de l’« éducation et loisirs ». En volume, les fonctions

essentielles comme l’“ alimentation ” et l’“ habillement ” perdent -23% et -26%. Face

à la baisse du pouvoir d’achat, les tananariviens ont été contraints de réduire leur

cadre de vie : le poste “ équipement, entretien du logement ” baisse de -32%. Ils ont

aussi réduit les dépenses de « santé et soins personnels » (-10%) et de « transport

et communication » (-19%) mais dans une moindre mesure. Affectée par une

importante croissance des prix, de l’ordre de +431% contre près de +234% en

moyenne, la consommation a fortement baissé pour le poste “ logement ” (-39%).

Par ailleurs, l'analyse par quartile de consommation par tête montre que la

crise affecte plus particulièrement les riches. Alors que le quartile des ménages les

plus riches voit son niveau de vie dégringoler de -26%, cette baisse est de plus en

plus faible à mesure que l’on se déplace vers des ménages moins bien lotis, pour se

situer à -5% dans le quartile les plus pauvres. Ainsi, les inégalités de niveau de vie

se sont réduites entre 1998 et 2010. Il y a douze ans, la consommation par tête du

quartile le plus riche était 7,6 fois supérieure à celle du quartile le plus pauvre.

L’écart est aujourd’hui de 1 à 5,8. Les indicateurs de distribution attestent d’une

réduction des inégalités. L’indice de Gini est passé de 0,403 (1995) à 0,425 (1998)

pour retomber à 0,406 (2010).

Tableau 16 : Evolution de la consommation des ménages 1995-2010

Niveau de consommation (en milliers d’Ariary) Evolution

1995 (Ariary

de 1995)

1995 (Ariary

de 2010)

1998 (Ariary

de 1998)

1998 (Ariary

de 2010)

2010 Nominale Réelle

Consommation annuelle par ménage 797 6 358 1 510 5 043 4 319 185,9% -14,4%

Consommation annuelle par tête 164 1 307 339 1 132 922 171,9% -18,6%

Consommation annuelle par u.c. 203 1 617 417 1 392 1 134 171,9% -18,6%

Notes : (1) Y compris loyers imputés et autoconsommation. Les unités de consommation (u.c.) sont

égales à 0,5 pour les moins de 15 ans et de 1 pour les autres. Les u.c. comme les têtes sont ajustées par

le coefficient de présence dans le ménage. (2) L’indice des prix à la consommation (IPC) au augmenté de

233,9% entre 1998 et 2010 et de 59,6% entre 1995 et 1998.

Sources: INSTAT/DIAL, Enquête 1-2-3, phase 3, 1995, 1998, 2010, nos propres calculs.

72

La dépense alimentaire continue d'accaparer près de la moitié de la

consommation totale des ménages. Son poids a diminué de 1,4 point entre les deux

dates. Ce résultat qui semble en contradiction avec la baisse du niveau de vie

s'explique entre autres par la hausse du poids du logement dans la consommation

totale. Par ailleurs, tous les postes alimentaires ont enregistré une forte baisse en

volume. A titre d'illustration, la consommation de fruits a diminué de -27% en termes

réels, tandis que les produits de l'élevage ont régressé de –47%.

Le riz reste l'aliment essentiel des malgaches (voir Tableau 17). En quantité,

sa consommation a quasiment stagné. Estimée à 295 grammes par jours en 1995, la

consommation moyenne est évaluée à 361 grammes par jour par personne en 1998

puis 356 grammes en 2010. Son poids dans la consommation alimentaire recule : de

35% en 1995 à 28% en 1998 puis 34% en 2010, au détriment des autres

composantes alimentaires.

En termes de fréquentation des lieux d'achat, le secteur informel continue

d'avoir la préférence massive des consommateurs. Les ménages s’adressent au

secteur informel dans plus de 90% des cas. Ce dernier contrôle largement le circuit

de distribution des principaux biens de consommation courante, ainsi que les

services aux ménages.

Tableau 17 : Evolution de la consommation de quelques produits

Quantités Evolution

Consommation par tête et par an 1995 1998 2010 1995/98 1998/2010

Riz 106,8 kg 131,7 kg 129,9 kg +23,3% 1,4%

Viande de bœuf 9,3 kg 9,8 kg 8,1 kg +5,4% -17,3%

Viande de porc 2,3 kg 4,2 kg 3,7 kg +82,6% -11,9%

Sucre 4,3 kg 5,5 kg 4,3 kg +27,9% -21,8%

Notes : Y compris autoconsommation


73

En montant, le poids du secteur informel hors autoconsommation, dans la

consommation des ménages tananariviens est passé de 73% en 1998 à 81% en

2010, soit une hausse de +8 points au détriment du secteur formel. Celle-ci provient

d'une part de la baisse du niveau de vie des tananariviens entre les deux dates, et

d'autre part de la progression de la part des "marchands ambulants" (+4 points) et

des "boutiques, épiceries de quartier" (+4 points). On retrouve d'ailleurs cette hausse

de l'importance des « marchands ambulants » et/ou des "boutiques, épiceries de

quartier" dans les postes ‘alimentation’, ‘habillements’ et ‘équipements et entretien de

maison’. Au sein du secteur formel, la baisse a frappé tous les lieux d’achat à

l’exception du secteur public : des "supermarchés" (-2 points), aux "magasins" et aux

autres "secteurs privés formels" (-4 points chacun).

Ainsi, le secteur informel reste le principal fournisseur des ménages. Ce

secteur continue de jouer un rôle prépondérant dans la consommation de la

population, quel que soit le type de ménage. La hausse du poids de l'informel dans la

consommation affecte différemment les ménages. Elle croît en fonction du revenu,

allant de allant de +12 points chez les "ménages publics" à +5,3 points chez les

Tableau 18 : Evolution de la consommation adressée au secteur informel

CONSOMMATION TOURNEE VERS L’INFORMEL

PART DES LIEUX D'ACHAT MONTANT DE LA CONSOMMATION

(en franc courant d'Ariary)

% 1995 1998 2010 Evol° 1995 1998 2010 Ecart Evol° Contribution

(en point) (milliards) (milliards) (milliards) (milliards) réelle

INFORMEL 76,5 72,5 80,9 8,4 106,7 220,7 1 148,1 927,4 55,8% 107,8%

2.- Ambulant, voie

publique

5,9 6,2 9,8 3,6 8,4 18,8 138,9 120,1 120,8% 19,9%

3.- Domicile, atelier,

boutique

32,8 31,2 35,0 3,8 45,8 95,0 494,1 399,1 55,8% 46,3%

4.- Marché 27,3 24,2 18,3 -5,9 38,1 73,5 259,1 185,6 5,6% 3,6%

5.- Autre informel 10,4 10,9 17,8 6,9 14,4 33,3 256,0 222,7 130,2% 37,9%

FORMEL 23,5 27,9 19,1 -8,8 32,8 86,5 268,7 182,2 -7,0% -5,3%

6.- Supermarché 1,4 2,2 0,4 -1,8 2,0 6,8 5,0 -1,8 -78,0% -4,6%

7.- Magasin, atelier 5,3 7,5 3,1 -4,4 7,4 22,9 43,9 21,0 -42,6% -8,5%

8.- Secteur Public 6,0 5,5 7,7 2,2 8,4 16,6 109,0 92,4 96,2% 14,0%

9.- Autre formel 10,7 12,3 7,9 -4,4 15,1 40,2 110,8 70,6 -17,5% -6,1%

TOTAL 100 100 100,0 0,0 140,6 310,0 1 416,7 1 106,7 36,9% 100,0%

Note : Hors loyers imputés, cadeaux, avantages en nature et auto-consommation.


74

"ménages informels". La hausse passe de +0 point chez les 25% les plus pauvres à

+14 points chez les 25% les plus riches.

En volume, la consommation tournée vers le secteur informel a augmenté de

près de 55%. Celle tournée vers le secteur formel a par contre diminué de -21

milliards d’Ariary (franc constant2010) entre 1998 et 2010, ce qui se traduit par une

baisse de -7% en termes réels.

Pour les choix des lieux d'achat, la proximité et la faiblesse des prix

constituent les avantages du secteur informel, alors que la qualité constitue le

principal atout du secteur formel (Tableau 18). Néanmoins, il semble que les

tananariviens soient de plus en plus attirés par la proximité, cette modalité gagnant

du terrain que les consommateurs choisissent le secteur informel (+3 points), ou le

secteur formel (+7 points).

La consommation tananarivienne, service exclus, est essentiellement tournée

vers les produits locaux. Elle a augmenté de près de 18% en volume entre 1998 et

2010, mais sa part dans la consommation totale a régressé de -2,3 points au profit

de la consommation importée. En effet, la part de l'importation dans la consommation

des ménages est de 18% en 1998 pour passer à 20% en 2010. Cette hausse de +2

points en pourcentage de l'importation se traduit par une hausse en volume de 42%.

Cette régression de la consommation locale résulte plutôt de l’ouverture économique

de Madagascar que d’une amélioration du niveau de vie puisque le niveau de vie des

ménages a régressé entre 1998 et 2010. Cette baisse de la consommation locale est

surtout imputable aux secteurs du "transport et communication" et de l'"éducation et

loisirs" qui ont baissé leur consommation locale de respectivement -40 points et -18

points.

Le secteur informel reste le principal vecteur de diffusion des produits

mauriciens et asiatiques, tandis que les produits japonais sont surtout

75

commercialisés par le secteur formel. Les produits français occupent une position

intermédiaire avec 56% dans l'informel.

Conclusion

Au terme de cette présentation de l’expérience malgache en matière

d’enquêtes 1-2-3, le bilan est sans conteste encourageant. D’une première

application expérimentale au Cameroun en 1993, on est aujourd’hui en droit de

considérer que cette méthodologie a fait la démonstration de sa robustesse sur le

terrain. Non seulement, elle permet d’appréhender le secteur informel de façon fiable

(stratégie d’échantillonnage) et complète (du côté de l’offre comme de la demande),

mais elle offre de nombreuses autres possibilités d’exploitation statistique, au-delà du

seul secteur informel. Avec l’enquête-emploi (phase 1), on dispose d’un instrument

privilégié comme pilier de l’information sur les ménages. Outre le marché du travail,

nombre d’autres thématiques sont susceptibles d’être investiguées en partant de ce

dispositif, avec la technique des greffes d'enquêtes. La phase 2 montre qu’il est

paradoxalement plus facile d’obtenir des données sur les UPI que sur les entreprises

formelles (voir chapitre 6). Enfin, la phase 3 est un bon candidat pour suivre la

consommation et les conditions de vie des ménages, propriété d’autant plus

intéressante que la lutte contre la pauvreté restera pour de nombreuses années

encore le principal objectif des politiques économiques en Afrique.

L’enquête 1-2-3 à Madagascar est dans une phase d’expansion. D’une part

dans sa dimension temporelle, l’enquête-emploi est reconduite chaque année, tandis

que les phases 2 et 3 sont effectuées sur une base triennale. D’autre part, en 2011,

la couverture géographique de l’enquête sera élargie de l’agglomération

d’Antananarivo au niveau national. L’expérience accumulée a favorisé sa mise en

œuvre dans d’autres pays. L’enquête 1-2-3 est suffisamment flexible pour s’adapter

au contexte statistique spécifique de chaque pays. Les pays de l’UEMOA, le Maroc,

le Vietnam en ont déjà pris l’initiative. L’abondante documentation méthodologique

existante apportera des économies d’apprentissage substantielles, ce qui donnera

76

l’occasion d’éviter les tâtonnements propres à toute innovation. De plus, la

mobilisation des statisticiens malgaches est une bonne occasion de promotion de la

coopération Sud-Sud.

77

II. Elaboration des déflateurs des agrégats économiques

dans le Secteur informel : cas de l’Antananarivo 1995-

2010

Introduction

La mesure du secteur informel constitue l’une des préoccupations majeures

des économistes du développement. Les recherches méthodologiques pour

l’évaluation de la production et des autres agrégats économiques de ce secteur en

valeur connaissent un développement encourageant ces dix dernières années et

convergent vers la technique des enquêtes mixtes ou en en deux phases couplant

l’approche « ménage » et l’approche « établissement ». Fondées sur ce principe, les

enquêtes 1-2-3, développées à Madagascar, sont recommandées par des

organismes internationaux et régionaux et ont été adoptées par de nombreux de

pays pour appréhender le secteur informel. Des études ont pu être menées pour

analyser les performances économiques des activités du secteur informel et leurs

évolutions en termes nominaux au cours du temps. Par contre, peu d’avancés ont

été réalisées concernant la méthodologie pour le partage volume/prix dans le secteur

informel. Une meilleure connaissance de ce problème doit permettre de fournir des

éléments de réponses à deux questions majeures : d’une part, la prolifération des

activités du secteur informel est-elle associée à une véritable dynamique

d’entreprises matérialisée par l’amélioration de la productivité en volume des facteurs

de production, ou bien par un simple accroissement de la production en valeur et le

partage des emplois ? D’autre part, le secteur informel contribue-t-il à atténuer

l’inflation ou, au contraire, provoque-t-il des hausses des prix à la consommation ? Le

partage volume-prix des agrégats économiques dans le secteur informel permet de

dégager des évolutions en termes réels, et, d’autre part, d’apprécier la contribution

78

des activités du secteur informel sur l’évolution globale des prix à consommation et,

partant, sur le pouvoir d’achat des ménages.

Pour déterminer le partage volume/prix des principaux agrégats économiques

dans le secteur informel, il est souvent fait appel à des hypothèses basées sur

l’évolution soit de l’indice des prix à la consommation (IPC), soit de l’indice des prix à

la production (IPP) dans le secteur formel, voire au déflateur du PIB. Ces pratiques

présentent des inconvénients pour diverses raisons. Tout d’abord, même si une très

grande partie de la production du secteur informel est destinée à la consommation

finale des ménages, une proportion non négligeable est vendue à d’autres unités de

production, formelles ou informelles, pour servir d’intrants ou de marchandises à

revendre. En 2010, près de 16% du chiffre d’affaires total ont été réalisés avec

d’autres secteurs d’activités, dont la plus grande partie (près de 12%) a été vendue à

des unités commerciales du secteur informel. Ensuite, l'offre en produits sur le

marché de consommation finale est composée en grande partie par des produits en

provenance du secteur formel. Ne serait-ce que pour les produits de première

nécessité (PPN), comme l’huile ou le savon, un grand nombre est fabriqué presque

exclusivement par des industries formelles ; de même, pour les services de santé ou

de l’éducation, où la totalité de la production est fournie par le secteur formel public

ou privé. Enfin, le mode de fixation des prix est différent dans le secteur informel et le

secteur formel. La pratique du marchandage très souvent observée dans le

commerce informel. Elle est en revanche très rare, voire inexistante, dans le

commerce formel. Compte tenus de tous ces phénomènes, l’élaboration d’un indice

de production spécifique aux activités du secteur informel est indispensable si l’on

veut effectuer une analyse complète des performances économiques de ce secteur.

Cette section décrit la méthodologie appliquée pour la mise en place d’un

déflateur spécifique au secteur informel pour le cas d’Antananarivo entre 1995 et

2010. A la différence des indices des prix habituels (IPC et IPP), dont les principaux

objectifs sont l’analyse des fluctuations des prix (mensuel, trimestriel ou annuel), ce

déflateur sert principalement au partage volume-prix de l’évolution des agrégats

économiques de ce secteur au cours des périodes étudiées. Le déflateur a été

79

obtenu essentiellement à partir des bases de données issues des enquêtes 1-2-3 sur

le secteur informel réalisées à Antananarivo en 1995, 1998, 2001, 2004 et 2010.

Elles ont été complétées par des données fournies par les relevés des prix de l’IPC.

Cette section comprend trois parties. La première est consacrée aux limites

des indices des prix existants comme l’indice des prix à la production dans le secteur

formel et l’indice des prix à la consommation pour effectuer le partage volume-prix

dans le secteur informel. La deuxième partie présente la méthodologie appliquée

pour la construction des déflateurs de la production, des intrants et de la valeur

ajoutée du secteur informel à Antananarivo entre 1995 et 2010. Les résultats

obtenus font l’objet de la troisième partie.

Il convient de souligner qu'à notre connaissance, et en dépit de son

importance de premier plan, il s'agit du premier exercice de ce genre dans la

littérature, à l'exception d'une première tentative réalisée à Madagascar en 1998, à

partir des deux premières enquêtes 1-2-3 réalisées en 1995 et 1998

(Rakotomanana, Roubaud, 1998). A ce titre, il reste encore au stade expérimental :

d'une part, des améliorations peuvent encore être apportées à la méthodologie ;

d'autres part, les applications de ce travail en termes d'analyse économique sont très

nombreuses, et demandent à être explorées plus avant dans l'avenir.

II.1. Limites des Indices des Prix à la consommation et

l’Indice des Prix à la production pour le partage

volume/prix dans le secteur informel

II.1.1. Les limites de l’utilisation de l’Indice des Prix à la Consommation

L’utilisation de l’Indice des Prix à la consommation pour apprécier l’évolution

des prix dans le secteur informel présente deux limites majeures dues

essentiellement à des problèmes de couverture. D’un côté, la production du secteur

80

informel ne se limite pas seulement à la consommation finale des ménages. Une part

non négligeable est destinée à d’autres unités de production. De l’autre côté, la

production informelle ne contribue que partiellement à la consommation des

ménages. Ainsi en termes de PIB, la valeur ajoutée du secteur informel ne

représente que de 25% du PIB marchand en 2001, alors que la consommation finale

des ménages atteignait 78% selon les comptes nationaux. Même, pour le cas des

produits du commerce, une part non négligeable (plus de 19%) de la consommation

des ménages est achetée dans le secteur formel.

II.1.1.1. Importance de la Production du Secteur informel non

destinée à la consommation des ménages

Comme le Tableau 19 le résume, la satisfaction des besoins des ménages

constitue le principal débouché de la production informelle, la part destinée aux

autres entités est loin d’être négligeable. Certes, 83% des chefs d'UPI déclarent que

le gros de leur clientèle est formé par les ménages. Cette proportion n'est jamais

inférieure à 55%, quelle que soit la branche considérée. Cependant, une part non

négligeable (12%) de la production du Secteur informel est destinée aux entreprises

informelles commerciales et utilisée à ce titre comme consommation intermédiaire.

De plus, 3% des chefs d'UPI déclarent vendre leurs produits au secteur formel.

Tableau 19 : Destination du chiffre d’affaires du secteur informel (en % du chiffre d'affaires)

SECTEUR DE DEMA�DE

BRA�CHE Public Formel non

commercial

Formel

commercial

Informel

non

commercial

Informel

Commercial

Ménage Export Autoconso

par

ménage

Autoconso

par UPI

Stock Total

Industries: 0,4 0,1 0,0 1,2 18,6 77,7 2,0 0,0 0,0 0,0 100

- Agroalimentaire

- Confection

- Autres

- BTP

0,0

0,0

0,0

1,5

0,0

0,2

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,1

0,0

4,5

41,9

30,1

11,0

0,0

55,0

65,5

87,4

94,0

3,1

4,1

1,6

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

100

100

100

100

Commerce: 0,8 0,0 1,5 2,3 11,7 82,3 1,4 0,0 0,0 0,0 100

- Produit primaire

- Divers commerces

0,5

1,1

0,0

0,0

2,0

0,7

0,7

4,8

13,1

9,3

83,7

80,1

0,0

4,0

0,0

0,0

0,0

0,0

0,0

0,0

100

100

Services: 0,0 3,8 0,3 0,9 7,1 87,9 0,0 0,0 0,0 0,0 100

- Services aux ménages

- Restauration

- Transport

0,0

0,0

0,0

4,6

2,1

0,0

0,1

0,0

1,9

1,2

0,0

0,0

7,1

0,0

14,3

87,0

97,9

83,8

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

100

100

100

TOTAL 0,4 1,5 0,6 1,4 11,8 83,3 1,0 0,0 0,0 0,0 100

Source : INSTAT/DIAL, Enquête 1-2-3, 2010, phase 2, calculs de l’auteur.

81

L’analyse en termes de valeur confirme l'importance de la production du

secteur informel non destinée à la consommation finale des ménages. Au total, 39%

du chiffre d’affaires perçu par les unités de production informelles proviennent des

ventes à d'autres agents que les ménages. 17% du chiffre d'affaires réalisé par le

secteur informel provient des ventes aux commerces informels. Les consommations

intermédiaires du secteur formel de production en provenance du secteur informel

comptent pour 6% du chiffre d'affaires total de ce dernier. Tandis que les produits

informels vendus au secteur formel commercial représentent une part non

négligeable (2%) du chiffre d’affaires total du secteur informel.

Trois branches se démarquent du schéma de quasi-exclusivité de la

consommation finale des ménages. Il s'agit, d'une part, de la "confection" et de

l'"agroalimentaires" qui réalisent respectivement plus de 77% et 65% de leur chiffre

d'affaires en vendant à des commerces informels, et, d'autre part, du "BTP" qui

gagnent 26% de leurs recettes auprès du secteur public.

II.1.1.2. Importance de la Production du Secteur formel destinée à la

consommation des ménages

Comme le montrent le Tableau 20, la grande majorité des ménages

s’approvisionnent auprès du secteur informel : 95% des achats en termes de

Tableau 20 : Répartition des principaux lieux d’achat par type de produits (montants des achats dans les points de vente)

TYPES DE PRODUITS

% Alimen-

tation

Habille-

Ment

Logement Equipe-

ment,

Entretien

Santé,

soins

personnels

Trans

port

Commu-

nication

Education

loisirs

TOTAL

CO�SO

FBCF

Logement

I�FORMEL 98,7% 77,4% 36,4% 90,9% 64,9% 66,6 89,8 25,7% 81,2% 35,0%

1.- Auto-consommation 1,6 0,3 0,6 0,1 0,5 0,0 0,0 0,2 1,0 0,1

2.- Ambulant, voie publique 13,9 8,1 5,2 2,4 1,3 1,6 35,9 3,0 9,7 1,1

3.- Domicile, atelier, boutique 52,8 5,1 16,0 36,4 32,4 0,8 48,7 3,6 34,6 7,7

4.- Marché de quartier 13,4 2,8 0,9 0,7 0,3 0,0 0,0 0,1 7,1 0,1

5.- Marché public 14,6 55,7 0,3 11,2 8,2 0,0 0,0 8,2 11,1 2,2

6.- Autre informel 2,3 5,3 40,7 40,0 22,3 64,2 75,2 10,6 17,7 23,9

6.- Supermarché 0,6 0,0 0,0 0,5 0,6 0,0 0,0 0,0 0,4 0,0

7.- Magasin, atelier 0,3 19,4 27,6 8,5 8,7 4,8 6,9 10,7 3 26,3

8.- Secteur Public 0,1 0,0 34,2 0,1 3,2 0,0 2,5 7,1 7,6 0,0

9.- Autre formel 0,3 3,2 1,8 0,0 22,6 28,6 0,8 56,5 7,8 38,7

TOTAL 100 100 100 100 100 100 100 100 100 100

Note : Hors loyers imputés, ni cadeaux et avantages en nature Source: INSTAT-DIAL/Enquête 1-2-3, 2010, phase 3, calculs INSTAT

82

fréquence des achats effectués, et 80% en termes de valeur des achats (Ravelosoa,

2010).

Malgré cette informalisation généralisée des circuits de distribution, approcher

l’évolution des prix à la production dans le secteur informel par l’Indice des prix à la

consommation présente des biais liés au fait les produits consommés par les

ménages ne sont constitués que d’une faible part de produits du secteur informel,

mais comprennent aussi des produits du secteur formel et des importations.

L'évolution des prix à la consommation est ainsi tributaires non seulement des prix

de production du secteur informel, mais également de l'évolution des prix dans le

secteur formel local, des prix des importations et du taux de change.

Dû au manque d’informations, aucun chiffre exact ne peut être avancé pour

mesurer la part des produits du secteur formel dans la consommation finale des

ménages. Néanmoins, à titre d’illustration, en 2001, si le secteur informel produisait

25% du PIB marchand à Madagascar (Projet MADIO, 2001), plus des trois quarts de

la valeur ajoutée étaient créés par le secteur formel, dont une partie allant à la

consommation finale des ménages. De plus, la part des produits importés dans la

consommation des ménages est relativement importante. En effet, du côté de la

demande, selon les déclarations de ménages, plus de 14% de la valeur de la

consommation totale achetée par les ménages sont des produits importés

(Ravelosoa, 2010). Cette proportion dépasse 20% si on exclut les services, qui sont

par nature d’origine locale. Ces produits d’origine étrangère concernent surtout

l'électroménager, les produits des Nouvelles Technologie de l’Information et de la

Communication (NTIC), l’habillement (dont la friperie), les produits de sport et de

loisirs. Ces résultats sont confirmés par les chiffres du côté de l’offre, puisque, selon

les déclarations des commerçants du secteur informel, environ 16% de leur chiffre

d’affaire total proviennent des ventes des produits importés. Les comptes nationaux

estimaient à 16,7% le poids en valeur des importations dans l’ensemble des

ressources des biens et services en 2001.

83

II.1.2. Les limites de l’utilisation de l’Indice des Prix à la Production dans

le secteur formel

L’utilisation de l’Indice des Prix à la Production dans le secteur formel pour

appréhender l’évolution des Prix à la Production dans le secteur informel induit des

biais pour quatre raisons principales : déconnexion des deux secteurs au niveau de

l’approvisionnement et au niveau de la clientèle, poids des impôts et taxes liés à la

production, différence des modes de fixation de prix, niveau de concurrence au sein

de chacun de ces deux secteurs.

II.1.2.1. Déconnexion entre le secteur informel et le secteur formel

au niveau de l’approvisionnement

Les circuits d’approvisionnement, la qualité et la nature des intrants diffèrent

selon le secteur (informel ou formel) et peuvent provoquer des différences dans le

niveau et l’évolution des prix à la production. Contrairement à la règle dans le secteur

formel, la proportion d'UPI qui dépend du secteur formel (public ou privé) pour leurs

intrants est inférieure à 15%. Tel que le Tableau 21 résume, le principal fournisseur

des UPI est de loin le secteur informel lui-même, et plus particulièrement le secteur

informel commercial. 54% des chefs d'UPI déclarent acheter leurs matières

premières chez d'autres informels, dont plus de 48% auprès de commerces

informels. Cette proportion atteint même respectivement 93% et 89% dans

l’"agroalimentaire" et la "restauration". Si l'on ajoute à ce circuit interne au secteur

informel, les unités de production pour qui le principal fournisseur est un ménage

(cas très courant dans le "BTP"). En pourcentage de la valeur des consommations

intermédiaires, la hiérarchie par type de fournisseurs est conservée. Le poids relatif

du secteur informel s'accroît et ce secteur garde la tête dans l'approvisionnement du

secteur informel. Environ 59% des intrants proviennent du secteur informel, et 36%

du secteur formel. Les branches informelles les plus dépendantes du secteur formel

sont la "Confection" (80% des intrants), et les « BTP » (72%).

84

II.1.2.2. Mode de formation des prix

La formation des prix dans le secteur informel diffère de celle observée dans

le secteur formel. Si un prix fixé à l'avance constitue la règle dans le secteur formel,

la pratique du marchandage est très fréquent dans le secteur informel. Cela constitue

un facteur qui pourrait différencier les évolutions des prix dans les deux secteurs.

Le mode de formation des prix dans le secteur informel est décrit dans le

Tableau 22. Il se caractérise par les deux composantes suivantes : le marchandage

avec les clients et la fixation de taux de marge constant. Au niveau agrégé, près de

la moitié des UPI (46%) marchandent avec leurs clients, 33% déclarent établir leurs

prix suivant un taux de marge fixe, et 15% déterminent leurs prix en fonction de celui

des concurrents. On peut distinguer deux types de branches selon le mode de

fixation de prix dominant :

- dans la "BTP", les "services aux ménages" et les "autres industries", le

marchandage est de mise. La concurrence interdit donc de se tenir à un taux de

marge fixe. Il faut en effet négocier avec le client pour tenter de s'adjuger des parts

de marché ;

- dans l’ "agroalimentaire" et les "commerces de produits primaires", la fixation d'un

taux de marge constant sur les prix de revient domine.

Tableau 21 : Origine des matières premières consommées par le secteur informel (en % de la valeur totale des intrants)

SECTEUR D'ORIGI�E

BRA�CHE Public Formel non

commercial

Formel

commercial

Informel non

commercial

Informel

commercial

Ménage Import Total

Industries: 0,0 0,0 35,1 0,9 63,5 0,5 0,0 100

- Agroalimentaire

- Confection

- Autres

- BTP

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

26,3

80,3

0,9

72,2

1,4

0,0

0,8

0,0

71,4

19,7

98,1

27,8

0,9

0,0

0,2

0,0

0,0

0,0

0,0

0,0

100

100

100

100

Commerce: 0,0 2,2 31,9 18,2 39,0 5,2 3,5 100

- Produit primaire

- Divers commerces

0,0

0,0

0,6

3,6

20,4

42,8

17,3

19,0

60,2

19,2

0,2

9,9

1,3

5,5

100

100

Services: 0,0 5,0 19,1 12,2 62,7 0,9 0,1 100


- Restauration

- Transport

0,0

0,0

-

0,0

1,3

-

31,6

11,8

-

25,9

4,1

-

31,1

81,4

-

0,1

1,4

-

0,3

0,0

-

100

100

100

TOTAL 0,0 2,1 31,4 15,5 43,9 4,2 2,8 100

Source : INSTAT/DIAL, Enquête 1-2-3, 2010, phase 2, calculs de l’auteur.

85

Moins de 0,2% des UPI déclarent être soumises à des "prix officiels". Il faut

voir dans cet état de fait le résultat de la politique de désengagement de l’Etat, et de

libéralisation des marchés. Enfin, l’entente entre producteurs pour accorder un prix

commun ne concerne que 3% des UPI, et seule la branche "transport" est

véritablement concernée. L’atomisation et le faible niveau d’organisation des

producteurs informels expliquent l’inexistence d’accords de branche pour fixer les

prix.

II.1.2.3. Poids des impôts et taxes sur la production

Le poids des impôts et taxes sur la production diffère des deux secteurs

formel et informel. Globalement, la structure des coûts constitue un facteur

déterminant dans la formation des prix. Plus de 32% des UPI concurrencées par le

secteur formel estiment que le faible coût alloué aux impôts ou à la masse salariale

influence leurs prix. Contrairement à ce qu’on observe dans le secteur formel, le

montant total des impôts indirects (net des subventions directement liées à l'activité)

est très faible. L’Etat ne perçoit que 1,8% de la valeur ajoutée du secteur informel,

principalement sous forme de patente, mais aussi d'impôts locaux. Le secteur des «

divers commerces », celui qui subit la plus forte ponction de l'administration, ne verse

à l’Etat à titre d’impôts et taxes que 3% de la valeur ajoutée.

Tableau 22 : Mode de fixation des prix dans le secteur informel (en % des UPI)

BRA�CHE Taux de

marge

Marchandage

avec le client

Fonction du prix des

concurrents

Suivant le

prix officiel

Entente entre

producteurs

autres Total

Industries: 28,8 59,8 11,4 0,0 0,0 0,0 100

- Agroalimentaire

- Confection

- Autres

- BTP

62,2

38,6

22,3

1,6

19,6

45,5

67,2

95,2

18,2

15,8

10,5

3,2

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,0

0,1

0,0

0,0

100

100

100

100

Commerce: 61,1 18,7 18,0 0,0 1,9 0,3 100

- Produit primaire

- Divers commerces

72,7

41,6

6,3

39,6

20,0

14,7

0,0

0,0

1,0

3,5

0,0

0,6

100

100

Services: 14,4 58,4 15,2 0,5 6,5 5,0 100


- Restauration

- Transport

11,2

45,9

4,6

66,8

8,6

54,1

9,3

40,3

27,6

0,0

0,0

4,2

6,9

0,0

9,5

5,8

5,2

0,0

100

100

100

TOTAL 33,5 46,0 15,0 0,2 3,2 2,1 100

Source : INSTAT/DIAL, Enquête 1-2-3, phase 2, 2010, calculs de l’auteur.

86

II.1.2.4. Concurrence dans le secteur informel

Le niveau de concurrence peut également jouer sur les prix et leur évolution.

Plus la concurrence est rude, plus les marges commerciales diminuent.

Exclusivement réalisée sur le marché intérieur, l'activité du secteur informel s'exerce

dans un environnement hautement concurrentiel. Moins de 1% des unités de

production déclarent ne pas connaître de concurrents directs. Mais, cette

concurrence est avant tout interne au secteur informel lui-même. A peine 6% des UPI

entrent directement et principalement en compétition avec les grandes entreprises du

secteur formel. Plus de 94% de chacun des trois secteurs "service", "industrie" et

commerce" estiment que leurs principaux concurrents sont des UPI. De plus, du côté

de la demande, comme la production informelle est destinée exclusivement au

marché intérieur, l’évolution des prix dans ce secteur est fortement dépendante de

l’évolution du pouvoir d'achat de la population. D’ailleurs, la faiblesse du pouvoir

d’achat est la principale raison invoquée pour expliquer le bas niveau des prix dans

le secteur informel par rapport aux concurrents formels. Ce facteur joue surtout dans

les « transports » et les « commerces de produits primaires ».

II.2. Méthodologie adoptée pour l’élaboration des

déflateurs des agrégats économiques du secteur

informel

Comme notre objectif principal est d’effectuer le partage volume/prix des

agrégats économiques du secteur informel considéré en tant que secteur de

production, la méthodologie adoptée pour la construction d’un déflateur est basée

sur les processus de construction d’un Indice des Prix à la Production : détermination

des prix à collecter et des déflateurs, délimitation du champ de couverture et

l’échantillonnage des producteurs et des pondérations, mode de calcul, traitement

des problèmes particuliers (prix manquants, disparition des produits, changement de

qualité, etc.).

87

II.2.1. Détermination des prix à collecter et des déflateurs

Deux types de prix peuvent être considérés pour les unités de production.

Premièrement, le prix à la production, pour un produit donné, est le montant payé par

un acheteur et qui revient effectivement au producteur suite à la vente d’une unité de

bien ou service produit comme produit final (output). En principe, le prix à la

production ne doit pas comprendre la TVA et autres taxes déductibles même si elles

sont facturées aux acheteurs. Les coûts de transport sont aussi exclus du prix à la

production. Deuxièmement, le prix de base d’un produit est le prix à la production,

auquel on ajoute les subventions obtenues par la vente du produit, ainsi que les

marges commerciaux des ventes en gros ou au détail définis par le producteur. A la

différence du prix à la production, le prix de base indique le montant du « revenu »

effectivement perçu par le producteur en vendant une unité de produit. Le choix entre

le prix à la production et le prix de base dépend de l’objectif à atteindre lors de

l’analyse : le premier est utilisé pour l’analyse des prix du marché (i.e. vente), tandis

que le second est plus adapté pour l’analyse des coûts des facteurs (i.e. coût de

production).

Pour le cas du secteur informel à Madagascar, tous les marchés des produits

sont libéralisés, aucune fixation de prix n’est imposée et les subventions ne sont plus

pratiquées. Comme la quasi-totalité des unités de production dans le secteur informel

vendent directement leur production en détail aux particuliers, les prix de base et les

prix à la production sont identiques et sont égaux aux prix de vente et effectivement

payés par les clients, après d'éventuels marchandages, selon les déclarations des

chefs d’unité de production.

Le déflateur des Prix à la Production indique la variation des moyennes

pondérées des prix d’un groupe de produits pour une date donnée par rapport à la

moyenne des prix des produits de ce même groupe à la date de référence (base). Il

ne donne pas la valeur de la production à une date donnée, ou de son coût, mais

sert à mesurer la variation, par rapport à une date de référence, soit des prix perçus

88

par les producteurs en vendant un groupe de produits, soit des coûts supportés par

les producteurs pour la production d'un groupe de produit.

Le déflateur des Prix des intrants indique la variation des moyennes

pondérées des prix des groupes de produits utilisés comme « inputs » lors du

processus de production pour produire un produit, exceptés les produits primaires

comme la terre, le travail et le capital. Dans le but d’évaluer les coûts effectivement

supportés par le producteur pour produire un bien ou service, les prix des inputs

retenus pour construire le déflateur des intrants sont les prix d’achat effectivement

payés par le producteur, qui doivent exclure la TVA, mais inclure les marges

commerciales facturées par les fournisseurs.

Dans notre cas, les prix des produits (output et input) sont collectés lors des

enquêtes sur le secteur informel réalisées à Antananarivo en 1995, 1998, 2001,

2010.

II.2.2. Délimitation du champ de couverture des déflateurs et

échantillonnage des unités de production

Les déflateurs couvrent le secteur informel comprenant les unités de

production ne possédant pas de numéro statistique et qui ne tiennent pas de

comptabilité écrite ayant valeur administrative. Les unités de production dans la

branche primaire (agriculture, élevage, pêche, sylviculture, chasse) sont exclues. Les

unités de production pour compte propre, qui ne vendent pas sur le marché même

une partie de leur production sont aussi exclues. Aucune autre restriction n’est faite

quant à la taille des unités de production, la branche d’activité, les techniques de

production ou le type de local.

Toutes les unités de production dans les échantillons des enquêtes sur le

secteur informel à Antananarivo en 1995, 1998, 2001, 2004 et 2010 sont

89

sélectionnées. Les échantillons comprennent environ 1 000 unités de production

informelles hors secteur primaire. Ils sont classés selon les grandes branches

d’activités suivantes :

- Agro-alimentaire

- Confection

- Autres industries

- BTP

- Commerce des produits primaires

- Commerce des produits transformés

- Services aux ménages et aux entreprises

- Hôtel et Restaurant

- Transport

Compte tenu de la forte mobilité géographique et intersectorielle des unités de

production dans le secteur informel, il n’est pas possible retenir les mêmes unités

d’une année à une autre pour assurer la représentativité de l’échantillon.

II.2.3. Détermination des prix à collecter et des déflateurs

Les périodes considérées correspondent aux deux années de réalisations

successives des enquêtes sur le secteur informel à Antananarivo : 1995-1998, 1998-

2001, 2001-2010. Les déflateurs n’ont pas pu être élaborés pour la période 2001-

2004 faute de données sur les prix dans le secteur informel en 2004.

90

II.2.3.1. Echantillonnage des unités de production et des produits

Comme l’objectif est de déflater les agrégats économiques, mais non pas

d’analyser l’évolution de l’inflation, il est indispensable d’obtenir le détail des

déflateurs au niveau désagrégé selon la branche tel qu’il est présenté dans le

paragraphe précédent. L’échantillonnage se fait à deux niveaux. Au niveau des

unités de production, sont retenues dans l’échantillon toutes les unités de production

tirées lors de l’enquête sur le secteur informel à Antananarivo. Deux critères de

stratifications, à savoir la branche d’activité et la possession de numéro statistique,

peuvent avoir des relations significatives sur le mode de formation et l’évolution des

prix. Le premier critère capte les effets des structures des coûts, de la demande et du

marché. Tandis que le second reflète le niveau technique et le niveau de

formalisation de l’unité de production qui ont un effet sur la détermination des prix.

A la deuxième étape, le tirage des produits s’effectue par branche d’activité.

Les informations sur les prix unitaires et les recettes issues de la vente sont

disponibles pour chaque produit à un niveau très fin (code à 5 positions comprenant

1 168 produits élémentaires) et pour chaque unité de production. Cela permet de

former une liste des produits et des transactions effectuées par branche d’activité.

Pour chaque période considérée, l’objectif est d’obtenir un échantillon représentatif

de produits par branche d’activités. La sélection a suivi les étapes suivantes :

- Regroupement par branche des unités de production de l’échantillon

- Prise en compte des produits et les transactions effectuées par toutes les

unités de production de l’échantillon, quelle que soit la destination des ventes

- Classement par ordre décroissant des produits selon leur contribution dans le

chiffre d’affaires de la branche à la date initiale ;

- Sélection des produits à forte contribution dans le chiffre d’affaires par

branche. Les premiers produits dont la somme totale des recettes issues des ventes

représente plus de 80% du chiffre d’affaires total de la branche sont retenus dans

l’échantillon des produits par branche ;

91

II.2.3.2. Spécifications des produits

Après la sélection des produits, les détails des spécifications par produit et par

observation ont été définis et enregistrés. Différents aspects des spécifications de

produit ont été pris en compte :

- Le type de produits

- Les marques

- L’unité de mesure

- La dimension

- Le poids

- Type de conditionnement

Pour chaque transaction, les spécifications des produits ont été fournies par les

données collectées lors de l’enquête sur le secteur informel.

II.2.3.3. Détermination du prix unitaire

Pour un produit bien spécifié, le prix unitaire observé est le prix réel de

transaction auquel le client a payé effectivement en tenant compte du marchandage,

et de toutes sortes de rabais ou de réduction de prix. Dans un premier temps, on a

procédé à l’identification des unités invariables dans le temps pour chaque produit, à

l’issue de laquelle, des premières spécifications ont pu être élaborées Si les

spécifications du produit changent d’une observation à une autre, d’une période à

une autre, le prix unitaire a été ajusté pour assurer la cohérence et la comparabilité.

Pour les unités de mesure non conventionnelle (tas, gobelet, etc.), les conversions

en unité conventionnelle ont été fournies par les relevés des prix à la consommation.

Ainsi, quand les conversions changent d’une période à une autre, les prix unitaires

ont été ajustés pour en tenir compte.

92

Les prix relevés disponibles dans la base de données de l’indice des prix à la

consommation servent de prix de référence pour éliminer les valeurs aberrantes ou

au cas où des prix unitaires ne sont pas disponibles pour certains produits. Pour la

branche « confection », les informations disponibles concernent les frais de couture

(donc dans la branche des services) mais non pas les prix des produits de la

confection. Pour ce cas, les prix des produits de la confection dans la base de

données de l’Indice des prix à la consommation ont été retenus. Pour le cas

particulier de la branche « transport », l’indice des prix à la consommation du produit

transport à Antananarivo a servi de déflateur, car la quasi-totalité des transporteurs

en commun dans la ville sont classés comme informel. Par ailleurs, pour déflater la

consommation intermédiaire, on a prix l’évolution des prix du carburant.

II.2.3.4. Les pondérations

Pour chaque branche d’activité, la valeur de la pondération d’un produit est

obtenue à partir du montant total des transactions relatives à ce produit déclarées

par les chefs d’unités de production. Les montants des transactions sont disponibles

pour chaque observation. Les poids des produits sélectionnés ont été ajustés pour

englober les poids des produits exclus de l’échantillon. Plus précisément, le poids

d’un produit sélectionné est reparti sur tous les produits de la branche

proportionnellement au montant des transactions par produit. Comme la structure de

la production dans le secteur informel change relativement vite et que les enquêtes

sur le secteur informel sont réalisées pratiquement tous les trois ans, le système de

pondération est changé d’une période à une autre. Pour la période 2001-2010, les

pondérations correspondent aux structures de transactions en 2001, tandis que pour

la période 1998-2001, les pondérations correspondent aux structures de transaction

en 1998.

93

II.2.3.5. Le mode de calcul

Le calcul du déflateur repose sur la valorisation d’un même ensemble ou un «

lot » de produits (biens et services) représentatifs pour chaque branche d’activité,

d’une part à la période de base et, d’autre part, à la période courante. Pour une

période donnée, la période de base est la date initiale et la période courante est la

date finale. Le « lot » représente la production pour le déflateur de la production, et la

« consommation intermédiaire » pour le déflateur des intrants. L’évolution des prix

est indiquée par le rapport entre les valeurs du « lot », à la période courante et à la

période de base. En adoptant la méthode de l’indice de Laspeyres pour la

valorisation du « lot », le système de pondérations utilisé pour la structure du « lot »

est celui de la période de base. Pour chaque branche d’activité, le calcul du déflateur

a suivi les étapes suivantes :

- Détermination de la structure du « lot » (nature et quantités des biens et

services vendus) à la période de base

- Harmonisation et ajustement des prix unitaires selon l’unité conventionnelle à

la période de base et à la période courante

- Calcul des prix moyen par produit à l’aide de la moyenne arithmétique non

pondérée des prix unitaire observés à la période de base et à la période courante

- Calcul de la valeur du « lot », dans un premier temps à l’aide des prix moyens

de la période de base, et dans un second temps de ceux de la période courante

selon la pondération à la période courante

- Le rapport (multiplié par 100) entre la valeur du lot pour la période courante et

celle pour la période de base

Le déflateur se présente ainsi comme l’indice de la valeur du « lot » de

produits dont la composition est invariable. Ces étapes ont été suivies aussi pour le «

lot » de production que le « lot » des intrants. Pour la valeur ajoutée, l’évaluation du

volume à la période courante a été obtenue par la différence entre les valeurs

déflatées de la production et les consommations intermédiaires.

94

II.3. Principaux résultats

II.3.1. Ecarts des déflateurs et les biais induits

Les résultats obtenus justifient l’importance de l’élaboration d’un indice

spécifique pour effectuer le partage volume/prix des agrégats du secteur informel.

D’un point de vue général, les prix dans le secteur informel ont augmenté plus

rapidement que les prix à la consommation et le déflateur du PIB. Selon le Tableau

23 et le Graphique 3, si l’IPC et le déflateur du PIB n’ont augmenté que

respectivement 422% et 300% entre 1995 et 2010, les indices des prix dans le

secteur informel ont quintuplé au cours de cette période : +509,3% pour la production

et 491,8% pour la valeur ajoutée. Ainsi, l’utilisation de l’IPC ou du déflateur du PIB

pour le partage volume/prix entraîne des surestimations respectivement de l’ordre de

80% et de 200% de la production en volume dans le secteur informel. Il faudrait

mentionner que les variations du déflateur du PIB correspondent à des variations des

valeurs annuelles calendaires moyennes au niveau national, alors que celles du

déflateur du secteur informel et de l’IPC sont obtenues à partir des valeurs

mensuelles moyennes correspondant aux différentes périodes considérées au

niveau de la ville d’Antananarivo.

95

Telle qu’elle est décrit dans le Tableau 24, quelques soit la catégorie de

produit considérée, les prix dans le secteur informel augmentent plus rapidement que

Tableau 23 : Variation des prix du secteur informel, de l’IPC et du déflateur du PIB entre 1995–

2010 (en %)

Indice de Prix 1995 - 1998 1998 – 2001 2001- 2010 1995 – 2010

Variation Indice des prix de la production du SI 79,1 40,0 143,0 509,3

Variation Indice des prix de la valeur ajoutée du SI 74,3 45,1 134,0 491,8

Variation IPC 64,8 33,8 136,8 422,1

Variation Déflateur du PIB 37,1 26,2 131,0 299,7

Notes : Pour les prix du secteur informel et l’IPC, les évolutions correspondent aux évolutions des indices moyens

des périodes suivantes (mai 94 – avril 95), (mai 97 –avril 98), (septembre 2000 – août 2001), (novembre 2009 –

octobre 2010) dans la ville d’Antananarivo. Pour le déflateur du PIB, les évolutions correspondent aux évolutions

des indices annuels moyens pour 1995, 1998, 2001 et 2010 au niveau national.

Sources: INSTAT/DIAL, Enquêtes 1-2-3, phase 2, 1995, 1998, 2001, 2010, IPC, Comptes nationaux, calculs de

l’auteur

Graphique 3 : Evolution de l’indice des prix de la production du Secteur Informel, de l’IPC et du

déflateur du PIB entre 1995 et 2010 (base 100 en 1995)


l’auteur.

96

l’IPC. Néanmoins, la rapide hausse des prix du secteur informel provient

essentiellement des prix des produits des unités de transformation et du commerce.

Les prix de ces types de produit augmentent beaucoup plus rapidement que ceux

des services. Les produits transformés et le commerce ont marqué des hausses

respectives de plus de 667% et de 700% entre 1995-2010, alors que pour les

services elle n’est que de l’ordre de 489%. Au cours des périodes 1995-1998 et

2001-2010, les hauses des prix des services du secteur informel étaient même moins

importantes que celle de l’IPC.

L’utilisation de l’IPC pour l’estimation des agrégats économiques du secteur

informel induit des biais relativement importants. Le Graphique 4 montre les écarts

des chiffres relatifs à la valeur ajoutée en volume créée dans le secteur informel

obtenus selon différents types de déflateur. A une date donnée, l’utilisation de l’IPC

comme déflateur surestime jusqu’à plus de 14% les valeurs ajoutées en volume et

les écarts atteignent plus de 48% si l’on utilise le déflateur du PIB. Le biais est

beaucoup plus important au niveau de l’évolution des agrégats. Si l’on devrait

conclure à une décroissance de -0,1% de la valeur ajoutée en volume entre 1995-

2010, les résultats obtenus donnent la tendance inverse d’une croissance de +0,1%

ou de +0,4% en utilisant respectivement l’IPC ou le déflateur du PIB comme

déflateur.

97

Graphique 4 : Valeurs estimées de la valeur ajoutée selon le déflateur (base 100 en 1995)

Sources: INSTAT/DIAL, Enquêtes 1-2-3, phase 2, 1995, 1998, 2001, 2010, IPC, calculs de l’auteur.

Tableau 24 : Evolution des prix de la production du secteur informel selon la catégorie de

produit entre 1995 – 2010 (en %)

Variation Indice de Prix de la production du SI 1995 - 1998 1998 – 2001 2001- 2010 1995 – 2010

Transformation 82,5 44,0 154,0 667,5

Commerce 94,5 37,0 163,0 700,8

Services 57,5 43,0 117,0 488,7

Variation IPC 64,8 33,8 136,8 422,1


l’auteur

II.3.2. Déflateurs du secteur informel entre 1998-2001

Le Tableau 25 montre les évolutions des prix dans le secteur informel entre

1998 et 2001. Ce dernier n’a crû que de 33,8%, alors que, dans le même temps, les

prix du secteur informel augmentaient de plus de 40%. En termes de branches, les «

98

industriels » qui ont beaucoup augmenté leur plus-value. Entre 1998 et 2001, les UPI

de la branche « industrie » a augmenté le prix de leur production de près de 44%,

alors que le prix de leurs matières premières a pratiquement stagné. Mais la situation

se présente différemment selon le type d’activité. En termes de bénéfice unitaire, les

opérateurs de la branche « agro-alimentaire » sont les premiers gagnants avec une

baisse très significative des prix des matières premières (-33%) et un doublement

(+52%) du prix à la production. A titre illustratif, on signale le recul de près de 10% du

prix de l’huile et des cafés en grains qui figurent pourtant parmi les principaux

produits de consommation intermédiaire de cette branche. Pour les activités de

"confection" et du "BTP", les opérateurs n’ont fait qu’augmenter leur prix de vente

proportionnellement à la hausse du prix de leurs matières premières. Tandis que les

autres activités industrielles ont vu leur bénéfice baisser entre 1998 et 2001 : la

hausse du prix à la production est largement inférieure à celle du prix des matières

premières (+34% contre +41%).

De l’autre côté, les commerçants n’ont pas pu faire mieux que de garder

constantes leurs marges commerciales en fonction de la hausse du prix de leur

consommation intermédiaire. Mais, si les vendeurs des produits primaires non

transformés ont pu augmenter légèrement leurs marges, les vendeurs de produits

transformés ont même enregistré une réduction de leurs marges entre 1998 et 2001.

Du côté des « services », les opérateurs informels semblent avoir bénéficié de

la hausse des prix : prix de production en hausse de +43% supérieure à la hausse

Tableau 25 : Déflateurs des agrégats du secteur informel entre 1998 et 2001 (base 1998) Indice de prix

BRA�CHE Production Valeur ajoutée Consommation intermédiaire

Industries: 1,44 1,83 1,01

- Agro-alimentaire

- Confection

- Autres - BTP

1,52

1,33

1,34 1,34

2,45

1,32

1,28 1,34

0,77

1,34

1,41 1,31

Commerce: 1,37 1,36 1,37

- Produit primaire

- Produit transformé

1,47

1,24

1,50

1,22

1,42

1,30

Services: 1,43 1,44 1,38

- Ménage et entreprise - Restauration

- Transport

1,34 1,32

1,60

1,31 1,27

1,80

1,40 1,36

1,37

Total 1,40 1,45 1,31

Note : Correspond à l’évolution des prix entre (mai 97 –avril 98) et (septembre 2000 – août 2001). Sources : INSTAT/DIAL, Enquêtes 1-2-3 1998, 2001, phases 2, calculs de l’auteur.

99

des prix des consommations intermédiaires +38%. Mais cela résulte du seul fait des

transporteurs qui ont pu augmenter le prix de leurs prestations de près du double de

la hausse des prix de ce qu’ils ont consommé : plus de +60% contre +37%. Tandis

que pour les autres types d’activité de services, les opérateurs ont enregistré une

diminution de leurs gains.

II.3.3. Déflateurs du secteur informel entre 2001-2010

D’un point de vue général, comme au cours de la période 1998-2001

précédant, les prix à la production dans le secteur informel ont augmenté plus

rapidement que les prix à la consommation en général (IPC). L’écart est relativement

important. Entre 2001 et 2010, ce dernier n’a crû que de 136,8%, alors que, dans le

même temps, le prix de la production du secteur informel augmentait de 143,0%.

Comme le Tableau 26 l’indique, en termes de branches, les opérateurs du « BTP »

ont connu la hausse la plus élevée de leur prix de production. Entre 2001 et 2010,

les UPI de cette branche ont plus que triplé le prix de leur production. Mais la

situation se présente différemment selon le type d’activité. En général, les activités

informelles ont connu une réduction de leurs bénéfices unitaires, puisque les prix des

matières premières ont augmenté de près de 157% au cours de la même période.

Ce phénomène marque les contraintes subies au niveau de l’écoulement des

produits et le faible pouvoir d’achat des clients.

Dans l’industrie, c’est dans la « confection » que la hausse du prix de la valeur

ajoutée est la plus élevée avec un quintuplement de la valeur en 2001. Les prix

d’achat des matières premières augmentent moins que proportionnellement par

rapport aux prix de vente de la production. Par contre, dans les branches « agro-

alimentaire », les prix de vente ont augmenté mais moins vite que les prix des

matières premières.

Les commerçants ne subissent pas le même sort. Si les vendeurs des produits

primaires non transformés ont vu leurs marges unitaires baisser, les vendeurs de

100

produits transformés ont eux enregistré une nette augmentation de leurs marges

entre 2001 et 2010.

Les opérateurs informels dans les « services » sont les principaux perdants :

prix de production en hausse de +218%, hausse largement inferieure à celle des prix

des consommations intermédiaires +257%. Les transporteurs n’ont pu augmenter le

prix de leurs prestations que de moins du double que la hausse des prix de ce qu’ils

consomment : plus de +180% contre +359%. Tandis que pour les autres types

d’activités de services, les opérateurs ont enregistré une augmentation de leurs

gains.

Tableau 26 : Déflateurs des agrégats du secteur informel entre 2001 et 2010 (base 2001) Déflateurs

BRANCHE Chiffre d’affaires Production Valeur ajoutée Cons. intermédiaire

Industries: 2,51 2,54 2,35 2,72

- Agro-alimentaire 2,02 2,01 0,96 2,96

- Confection 3,08 3,08 5,14 2,45

- Autres 2,61 2,61 3,30 2,00

- BTP 4,00 4,00 4,00 4,00

Commerce: 2,50 2,63 2,78 2,44

- Produit primaire 2,33 2,30 2,28 2,36

- Produit transformé 2,74 3,20 4,82 2,49

Services: 2,18 2,17 2,01 2,56

- Ménage et entreprise 3,11 3,11 3,75 2,22

- Restauration 1,85 1,85 1,40 2,314

- Transport 1,80 1,80 1,50 3,58

Total 2,42 2,43 2,34 2,56

Note : A titre de comparaison, selon l’IPC, l’indice moyen entre septembre 2000 – août 2001 est de 105,5 (base

2000) et entre Novembre 2009 – Octobre 2010 est de 249,8, soit une évolution de 136,8% en indice moyen

entre ces deux périodes.

Sources : INSTAT/DIAL, Enquête 1-2-3 1995, 1998, 2001, 2004, 2010 phases 2, calculs de l’auteur.

101

Chapitre 2. Les spécificités du secteur

informel à Antananarivo

Afin de justifier l’élaboration et la mise en œuvre des politiques pour la promotion

des activités du secteur informelles, l’objectif de ce chapitre consiste à mettre en

relief les spécificités du Secteur informel pour le cas d’Antananarivo : son poids et

son insertion sur l’ensemble de l’économie, ses relations avec l’Etat, ses potentialités

de développement, ainsi que les obstacles à son développement. La première

section retrace les caractéristiques du Secteur informel. La deuxième section porte

sur la volonté des chefs d’unités de production informelle de faire enregistrer leurs

activités dans les registres administratifs. La troisième section analyse l’efficacité

technique des unités de production informelle à Antananarivo.

102

I. Les caractéristiques du secteur informel à Antananarivo

Introduction

En 2001, le secteur informel à Madagascar a produit 17,4% du PIB total et

25,5% du PIB marchand et a créé plus de 73% de l’ensemble des emplois (Projet

MADIO, 2001). Conscient de cette importance du secteur informel, le gouvernement

malgache, dans le cadre de la politique de lutte contre la pauvreté, a décidé

d’accorder une priorité dans ces actions à la promotion des activités informelles en

les considérant comme parmi les secteurs porteurs. Parmi les actions à mener

figurent le développement des systèmes de financement adaptés pour renforcer la

compétitivité des micro et petites entreprises (Gouvernement malgache, 2003).

Pour la mise en œuvre de cette politique, et vue l’efficacité de la microfinance

dans le développement du secteur informel et la réduction de la pauvreté, le

document de stratégie nationale de microfinance définissant la politique globale en

matière de microfinance a été approuvé par le gouvernement malgache au mois de

juin 2004. Pour un meilleur ciblage et une meilleure coordination des interventions,

l’identification des besoins en services des institutions de micro crédits constituait

une étape primordiale dans l’élaboration du dit document. Pour cela, plusieurs

questions méritent impérativement d’être soulevées. Compte tenu des

caractéristiques du secteur informel et des contraintes auxquelles il fait face, son

développement est-il possible ? Si oui, existe-t-il des obstacles à ce développement

? Quel serait l’impact du crédit dans la promotion des activités informelles ?

Comment les opérateurs informels se comportent-ils vis-à-vis des offres de

microcrédit et les institutions de microfinance ? Veulent-ils vraiment contracter des

prêts ? Si oui, quels types de crédit et pour quels types d’utilisation ? Les études

relatives à ce domaine sont très rares et ne concernent que quelques zones ciblées.

Lors de cette étape, des véritables problèmes ont été soulevés concernant

l’évaluation de la demande de produits et des services de microfinance

103

(Gouvernement malgache, 2004). L’objectif de ce travail est justement d’apporter des

analyses détaillées et quantifiées sur les caractéristiques du secteur informel et les

besoins en microcrédit à Madagascar. Le document comporte deux parties.

Pour justifier l’intérêt de l’appui à apporter au secteur informel pour son

développement, la première partie va insister sur l’importance du rôle joué par le

secteur informel dans le système économique sur le plan macro et micro. On va y

décrire la dynamique propre et soutenue du secteur informel : forte multiplication des

unités de production informelles, avec une durée de vie relativement longue, créant

plusieurs emplois stables et parfois préférables que le salariat du secteur formel,

consolidant la solidarité sociale et possédant un avenir meilleur. Le secteur informel

contribue activement à la création de nouvelle richesse et constitue un gisement

fiscal réel et potentiel pour les ressources collectives de l’Etat.

La deuxième partie va dégager les besoins en microcrédits du point de vue

quantitatif et qualitatif pour promouvoir davantage les activités du secteur informel.

Cela est basé sur les résultats de l’analyse de leurs faiblesses en matière de

performance économique comme le sous-emploi et la faible capacité d’accumulation,

puis des obstacles auxquels elles font face, notamment la contrainte de débouché et

l’inaccessibilité aux crédits, et enfin des aides qu’elles souhaitent obtenir. La

description du secteur de microfinance existant actuellement à Madagascar et les

comportements des opérateurs informels à son égard montrent l’insuffisance de

l’offre de microcrédit et les besoins réels en services financiers du secteur informel.

Dans cette perspective de mettre en valeur l’importance du développement du

secteur informel et de son impact sur le plan macro-économique, le non-

enregistrement administratif est retenu, parmi les multiples critères qui coexistent,

pour définir le secteur informel.

Parmi les divers registres administratifs en vigueur à Madagascar, nous avons

choisi le numéro statistique (n°STAT), dans la mesure où toute activité de production

104

est légalement assujettie à la détention d'un tel registre. Ce dernier est aussi requis

pour remplir un certain nombre d'obligations institutionnelles et il conditionne l'accès

à certaines prestations (fiscalité, sécurité sociale, etc.).

Ainsi, le secteur informel est défini comme « l'ensemble des unités de

production dépourvues de numéro statistique et/ou de comptabilité écrite formelle1 ».

Ce dernier critère de la comptabilité écrite a été introduit pour ne pas exclure du

champ d'investigation des unités de production qui, pour des raisons totalement

contingentes, disposeraient d'un numéro statistique, sans pour autant pouvoir être

assimilées à des unités formelles (du point de vue de leur mode d'organisation et de

production) pour lesquelles la tenue d'une comptabilité est un bon indicateur.

Les établissements informels sont appelés « unités de production

informelles » (UPI), dans la mesure où nombre d'entre elles ne disposent pas d'un

local propre (atelier, boutique, etc.), qui est un élément habituellement associé à la

notion d'établissement.

L’étude mobilise les résultats des séries d’enquêtes menées par l’Institut

National de la Statistiques de Madagascar (INSTAT) : une série d’enquêtes

annuelles sur l’emploi à Antananarivo au cours de la période 1995 à 2004, une série

d’enquêtes sur le secteur informel menées à Antananarivo pendant les années 1995,

1998, 2001 et 2004 et une série d’enquêtes sur les conditions de vie des ménages à

Madagascar pendant les années1999, 2001 et 2002.

L’unité monétaire utilisée était le « franc malgache » (Fmg) : à titre indicatif, le

taux de change annuel moyen en 2004 était de 1€ = 9 240 Fmg.

1 Comptabilité ayant une valeur administrative au sens de la contribution directe

105

I.1. Importance du secteur informel dans le système

économique national

Cette partie essaye de justifier l’appui au développement du secteur informel

en mettant en lumière son importance, non seulement dans le système économique

national, mais aussi dans la vie sociale à Madagascar.

L’application des programmes d’ajustement structurel recommandé par les

Institutions de Bretton Woods au début des années 80 pour surmonter à la crise

économique a entraîné des effets négatifs sur l’économie en général. Le

développement du secteur privé formel, un des piliers des politiques de stabilisation

et de reformes structurelles, n’a pas donné des résultats attendus dû à la baisse de

la demande interne, la récession mondiale et la hausse des prix des intrants

importés. Dans le secteur public, la recette fiscale a diminué, la productivité a baissé

significativement et la corruption s’est généralisée. Le secteur agricole est fortement

touché suite à la hausse des prix des intrants, la suppression des subventions

publiques, la détérioration des infrastructures et la chute des cours des matières

premières.

Le secteur informel s’est avéré un des rares secteurs à connaître un

développement important et à fournir des mécanismes pour atténuer les effets

néfastes de la crise. Les unités de production informelles se sont multipliées

rapidement et ont une durée de vie moyenne assez longue contrairement à ce qu’on

pense assez souvent. Le secteur informel absorbe la majeure partie de l’offre de

travail sur le marché et les conditions de travail (stabilité et rémunération) y sont

comparables avec celles des emplois salariés du secteur formel. Cette création

massive d’emplois constitue un facteur très important pour consolider les réseaux

sociaux, améliorer le capital social et atténuer l’impact de la pauvreté. Travailler dans

le secteur informel est devenu de plus en plus une situation revendiquée mais non

subie, réfutant en partie la thèse dualiste considérant ce secteur comme une simple

réserve de main d’œuvre pour le secteur formel. La valeur ajoutée dégagée par les

106

activités informelles enregistre un taux de croissance relativement élevé et soutenu.

Ajoutés à cela, les comportements coopératifs des opérateurs vis-à-vis de l’Etat et

l’insertion des activités informelles dans le secteur formel créent une potentialité

fiscale non négligeable pour les ressources collectives de l’Etat.

I.1.1. Dynamique des unités de production informelles

I.1.1.1. Multiplication des unités de production informelles

Le Graphique 5 et le Tableau 27 montrent l’évolution des nombres d’UPI à

Antananarivo. Au dernier trimestre 2004, l'agglomération d'Antananarivo compte

238 300 unités de production informelles dans les branches marchandes non

agricoles. Ce chiffre marque l'importance économique des activités informelles pour

la population de la capitale puisqu'en moyenne plus de trois quarts des ménages

tirent l'ensemble ou une partie de leurs revenus en dirigeant une unité de production

informelle. Le nombre d’UPI augmente de façon soutenue avec un taux

d’accroissement annuel moyen de l’ordre de 7,6% au cours de la période 1995-2004.

Cependant, on observe une baisse continue du rythme de création d’UPI : le taux

d’accroissement annuel moyen passe de 10,2% entre 1995-1998 à 7,7% entre 1998-

2001 et n’atteint plus que de 5,0% entre 2001-2004.

L’analyse plus détaillée montre des dynamiques assez différentes des

branches d’activités en termes de création d’unité de production. Les unités de

production informelles sont tournées de plus en plus vers les secteurs de service au

détriment de l’industrie de transformation et surtout du commerce. Les activités de

service représentent plus de 36% du secteur informel à Antananarivo en 2004, si

cela n’était que de 25% en 1995, 29% en 1998 et 31% en 2001. Les "services fournis

aux particuliers" (notamment les « services domestiques ») constituent la majeure

partie des établissements de services informels. La part des services fournis aux

entreprises est négligeable. Si l'on y ajoute la "restauration" (gargotes et autres

marchands de menus comestibles), les "transports routiers de voyageurs" (autobus,

taxis ville, taxi-brousse, autocars, poussepousses, etc.), on retrouve la quasi-totalité

107

des activités de service. Dans cette branche, le nombre d’UPI croît en moyenne de

11,7% par an pendant la période 1995-2004. De plus, on n’observe qu’un léger

fléchissement de ce taux d’augmentation au cours de cette longue période : 14,6%

entre 1995-1998, 10,3% entre 1998-2001 et 10,4% entre 2001-2004. Parmi les

activités de service, on remarque surtout la forte multiplication des services aux

particuliers (coiffure, réparation, etc.) par rapport aux activités de restauration ou du

transport.

Par contre, le poids du commerce ne cesse de chuter allant de près de 40%

en 1995 à moins de 32% en 2004. Les UPI commerciales ont connu un fort déclin

surtout au cours de ces trois dernières années 2001-2004 et leur effectif absolu a

même baissé. La politique d’assainissement sur la gestion et l’aménagement de la

ville et des marchés de la ville d’Antananarivo, menée depuis l’année 2000 constitue

la cause principale de ces disparitions massives et brusque des unités

commerciales. Ce sont surtout les commerces de produits transformés qui ont

rencontré des difficultés, puisque, après des fortes croissances entre 1995-2001, leur

nombre s’est brusquement chuté de plus de 1700 unités en 2004. Tandis que les

commerces de produits primaires sont en nombre plus ou moins stable depuis 1995.

L'industrie informelle à Antananarivo dessine les contours traditionnellement

dévolus aux activités de type artisanal, souvent proches de prestations de services,

faiblement intégrées et tournées vers la consommation finale. Elle est spécialisée

dans certaines activités particulières telles que la "confection", la "fabrication de

meubles" et les "industries alimentaires". Il convient aussi d'y ajouter le "BTP". Les

activités de l’industrie de transformation sont en progression relativement constante

depuis 1995 jusqu’à 2004. Leur nombre augmente annuellement en moyenne de

6,8%. Les activités du BTP se démarquent des autres types d’activités avec une

croissance plus rapide (12,4%). De l’autre côté, les activités agro-alimentaires ont

perdu du terrain depuis 1995 : leur nombre en 2004 est en diminution nette de près

de 1000 unités, comparé à celui de 1995.

108

Graphique 5 : Evolution du nombre d’UPI selon la branche d’activité entre 1995 et 2004

0

10 000

20 000

30 000

40 000

50 000

60 000

70 000

80 000

90 000

100 000

Année 1995 Année 1998 Année 2001 Année 2004

Nombre d'UPI

Industries: Commerce: Services:

Sources : INSTAT/DIAL, Enquêtes 1-2-3, phase 2, 1995, 1998, 2001, 2004, calculs de l’auteur.

Tableau 27 : Evolution du nombre d’UPI selon la branche d’activité entre 1995 et 2004

Année 1995 Année 1998 Année 2001 Année 2004

Industries: 43 100 55 500 66 700 77 700

- Agro-alimentaire 4 900 5 100 5 200 4 000

- Confection 25 000 27 500 27 900 33 400

- Autres 6 500 11 900 18 500 21 200

- BTP 6 700 11 000 15 000 19 200

Commerce: 48 300 61 500 75 300 74 800

- Produit primaire 33 400 34 600 34 700 35 900

- Produit transformé 15 000 26 900 40 700 38 900

Services: 31 600 47 600 63 700 85 800

- Ménage et entreprise 18 700 32 500 47 100 61 200

- Restauration 5 900 5 800 5 800 13 300

- Transport 7 000 9 300 10 900 11 300

Total 123 000 164 600 205 700 238 300


109

I.1.1.2. Durée de vie des unités de production informelle

Contrairement à l’idée reçue sur le caractère volatile des activités informelles,

les résultats issus de l’enquête montre que les UPI ont une durée de vie relativement

longue. L’âge moyen des UPI en activité en 2004 est de l’ordre de 10,4 ans et l’âge

médian est de 8 ans. De plus, 17% d’entre elles sont en exercice depuis plus de 20

ans (créées avant 1985). Par ailleurs, près d’une UPI sur quatre sont encore très

jeunes ayant moins de 3 ans (créés entre 2001 et 2004).

Cependant, la situation est très différente d’une branche d’activité à l’autre.

Généralement les activités de l’industrie sont exercées avec une période

relativement longue par rapport à celles du commerce et du service. Un quart des

UPI dans l’industrie est créé il y a plus de vingt ans et la durée de vie moyenne y est

de 13 ans contre seulement 8 ans dans le commerce et le service. Même au sein de

l’industrie, on observe des cas très opposés : les activités de l’agro-alimentaire ne

durent que moins de 5 ans en moyenne, alors que les confections vont jusqu’à plus

de 15 ans.

I.1.2. Dynamique des emplois dans le secteur informel

I.1.2.1. Création d’emplois dans le secteur informel

Comme dans plupart des pays en développement, le secteur informel est de

loin le premier pourvoyeur d'emplois dans la capitale malgache : 58,4% des actifs

occupés y travaillent en 2004 (Rakotomanana, 2004b). En 2004, les 238 300 unités

de production informelles des activités marchandes non agricoles de la capitale

malgache génèrent 343 600 emplois. Entre 1995 et 2004, le nombre d’emplois créés

augmente annuellement de 6,7% en moyenne, soit légèrement inférieur au taux

d’accroissement du nombre d’UPI. La création d’emplois a beaucoup ralenti depuis

2001 (3,1% par an). En terme de création d’emploi, la dynamique des branches

d’activité épouse parfaitement la tendance sur la création d’unités de production :

création massive d’emploi du « service » 11,2% par an, un peu moins dans l’industrie

5,4% par an et le plus faible dans le « commerce » 4,4% par an.

110

Le secteur informel est massivement constitué de micro-unités. La taille

moyenne des unités informelles est de 1,4 personne par établissement. 74 % des

UPI sont réduites à une seule personne. Seulement 5 % des UPI emploient plus de

trois personnes. L’âge de l’unité de production n’a pratiquement aucune influence sur

sa taille. En effet, les tailles moyennes des UPI dans les quartiles selon l’âge sont

tous très proches de la taille moyenne globale. La proportion des auto-emplois est

même plus élevée chez les UPI les plus anciennes : 79% pour la catégorie d’UPI de

plus de 16 ans, 75% pour celle d’UPI de 9 à 15 ans, 70% pour celle d’UPI âgées de

5 à 8 ans et 72% pour la catégorie d’UPI les plus jeunes 4 ans et moins. Ces

résultats montrent la faible capacité d'accumulation du secteur informel en termes de

travail qui semble incapable de se développer autrement que par un processus de

croissance extensive, caractérisé par la multiplication des unités de production.

Le type de local est un facteur discriminant de la taille des UPI. En effet, les

UPI opérant dans des locaux spécifiques ont une taille beaucoup plus importante :

en moyenne 1,8 personne. Par contre, les activités exercées à domicile ou à des

lieux de fortune (ambulant, postes improvisés sur les voies publiques, etc.) emploient

relativement moins d’individus : 1,3 personnes en moyenne. Trois branches

d’activités se distinguent des autres par le nombre élevé d’employés mobilisés par

unité de production : l’agro-alimentaire 1,9 personnes, le BTP 1,7 personnes, les

activités industrielles autres que confection 1,9 personnes et les restaurants 1,8

personnes.

I.1.2.2. Stabilité des emplois

L’exercice des emplois dans le secteur informel n’a pas pour objet d’obtenir

des revenus d’appoint à ceux gagnés dans le secteur formel. La grande majorité des

activités y sont exercées à titre principal, permanente et à plein temps. Plus de 8

emplois sur 10 créés sont des emplois permanents. Evidemment, la proportion est

111

beaucoup plus importante pour les emplois indépendants2 (9 emplois sur 10), mais

elle atteint plus de 7 emplois sur 10 même pour les emplois salariés. Les actifs

travaillent en moyenne 40 heures par semaine et près de 6 employés sur 10

effectuent plus de 35 heures. Le chiffre atteint même plus de 8 employés sur 10 dans

le « BTP » et le « transport ».

Pour tout emploi confondu, l’ancienneté moyenne dans l’emploi est estimée à

7,6 ans. Ce qui est largement supérieure à ce qu’on observe dans le secteur privé

formel où l’emploi dure en moyenne 5,7 ans. Le statut des actifs joue sur l'ancienneté

dans l'emploi. Chez les dirigeants d'UPI, les patrons viennent en tête avec en

moyenne 9 années d'ancienneté. Ils sont suivis par les travailleurs à compte propre :

8 années. Du côté des employés, l'ancienneté dans l'emploi est en moyenne

beaucoup plus importante pour les aides familiaux que pour les autres types de

statuts. Ce dernier point s'explique par le lien de parenté des aides familiaux avec

leur chef d'UPI, et par la prédominance des femmes dans ce dernier statut, qui

souvent le conservent toute leur vie.

I.1.2.3. Rémunération des emplois

Avant toute analyse, il faut mentionner que la mesure des revenus pose le

plus de problèmes de mesure et d'interprétation dans les enquêtes sur le secteur

informel. Outre les difficultés à obtenir une estimation fiable, faute de comptabilité

écrite ou de bulletin de paie, la diversité des statuts, la variabilité des horaires ouvrés

rendent délicat le choix d'un indicateur pertinent.

En premier lieu, il convient aussi de relativiser la comparaison des revenus

dans le secteur informel au salaire dans le secteur formel ou le salaire minimum

2 On considère deux types de travailleurs indépendants : - les « patrons » employant au moins un salarié au sein de l’UPI qu’ils dirigent - les « travailleurs à leur propre compte » n’employant pas de salarié (mais seulement des aides familiaux) au sein de

l’UPI qu’ils dirigent

112

officiel. En premier lieu, le seul agrégat pouvant être utilisé pour estimer le revenu

des travailleurs indépendants du secteur informel correspond à l'excédent brut

d'exploitation (EBE) de la comptabilité nationale3. L'EBE est la part de la valeur

ajoutée de l'UPI qui revient à l'entrepreneur, une fois déduits la masse salariale

(donnée aux travailleurs dépendants) et les impôts indirects nets de subventions

(versés à l'Etat). L'EBE surestime le revenu disponible des travailleurs indépendants

dans la mesure où, en toute rigueur, il faudrait en déduire la part des investissements

autofinancés, les charges d'intérêt contractées sur des emprunts effectués par l'UPI,

et les charges diverses (rémunération des services de sous-traitance, etc.). Or ces

derniers agrégats sont trop difficiles à mesurer dans le secteur informel. De plus, la

masse salariale est trop sous estimée du fait de l’importance de la main d’œuvre

familiale qui est, dans la pratique, non rémunérée. Ainsi, l'EBE doit être considéré

comme un revenu mixte, qui rémunère aussi bien le travail effectif du ménage de

l'entrepreneur, que le capital investi dans l'UPI.

En second lieu, il faut tenir compte dans la comparaison que la main-d’œuvre

du secteur informel est loin d'être non qualifiée : le niveau scolaire moyen correspond

à près de 7 ans d'études et l'ancienneté dans l'emploi à 8 ans.

Malgré tous ces problèmes, des tentatives pour analyser les conditions de

rémunération des emplois informels comparées à celles des emplois formels ont pu

aboutir à des résultats et conclusions assez intéressants.

Les résultats sont résumés dans le Tableau 28. En 2004, la rémunération

mensuelle moyenne, calculée sur l'ensemble des actifs du secteur informel (patrons,

travailleurs à leur propre compte, salariés, aides familiales, etc.), est de

547 000 Fmg. Elle est inférieure au salaire moyen dans le secteur public

3 Production = chiffre d'affaires + produits finis consommés par les ménages de l’UPI + variation de stocks de produits finis - coût des produits achetés et revendus en l'état. (La production n'est sensiblement différente du chiffre d'affaires que pour les "commerces") Valeur ajoutée (VA) = production - consommations intermédiaires. Excédent Brut d'Exploitation (EBE) = valeur ajoutée - (masse salariale + impôts indirects, nets de subvention)

113

(780 000 Fmg), mais largement supérieure au salaire moyen dans le secteur privé

formel (490 000 Fmg). De plus, elle est 2,4 fois supérieure au salaire minimum

officiel, en vigueur depuis le dernier trimestre de l’année 2004 qui s’élève à

230 000 Fmg.

La rémunération moyenne est fortement tributaire des revenus les plus élevés,

et donc assez peu représentative de la situation réelle de la majorité des travailleurs

du secteur informel. Ainsi, si le revenu mensuel moyen est de 547 000 Fmg, le

revenu médian n'est plus que de 229 000 Fmg par mois. Il est largement inférieur au

salaire médian dans le secteur privé formel. Plus de la moitié des employés du

secteur informel touchent ainsi moins du salaire minimum en vigueur. Ce chiffre

s'explique par le grand nombre d'aides familiaux et d'apprentis qui ne perçoivent

aucune rémunération.

Si on restreint l’analyse aux travailleurs indépendants, on peut conclure que

leur situation n’est pas financièrement si mauvaise que ce qu’on pense souvent

comparée à celle des salariés du secteur privé formel. Leur revenu moyen est

toujours supérieur au salaire moyen dans le secteur formel (public privé) depuis

1995, sauf qu’à partir de 2001, il est dépassé par le salaire moyen dans les

entreprises publiques. En 2004, le revenu mensuel moyen est de 698 000 Fmg par

mois et le revenu médian est de 278 000 Fmg en 2004, qui n’est pas si loin du

revenu médian dans le secteur formel privé formel et qui est bel et bien supérieur au

salaire minimum en vigueur. Près d’un quart des indépendants du secteur informel

gagnent plus que le revenu moyen dans le secteur public. Cependant, il faut

mentionner aussi l’existence des emplois très mal lotis dans le secteur informel, car

plus d’un quart des indépendants ne touchent que moins de la moitié du salaire

minimum en vigueur.

Le statut dans l'emploi discrimine bien le montant des rémunérations perçues.

Les patrons et associés, représentant près de 15% des opérateurs indépendants

informels, se situent en haut de l'échelle avec un revenu moyen de 1 579 000 Fmg,

114

et un revenu médian de 720 000 Fmg, dépassant largement les salaires moyens

perçus par les fonctionnaires et les salariés dans le secteur formel. Même si on se

limite aux cadres du secteur formel (public ou privé), les patrons informels sont plus

aisés. En effet, les cadres dans le secteur public et secteur privé formel gagnent des

salaires mensuels moyens respectivement de 1 172 000 Fmg et de 1 157 000 Fmg.

Les travailleurs à leur propre compte sont très distancés en ne gagnant en

moyenne que 553 000 Fmg par mois, soit à peine le tiers de ce que devrait gagner

un patron moyen. Néanmoins, leur revenu moyen est toujours supérieur à celui des

salariés privés formels et la grande majorité d’entre eux touchent plus que le salaire

minimum.

En termes de branches, deux groupes d’opérateurs se trouvent largement au

dessus du lot. Les opérateurs dans le « BTP » et le « transport » sont les plus

« riches » avec des revenus moyens respectifs mensuels de 1 345 000 Fmg et de

1 005 000 Fmg. A l’autre extrémité, on trouve les opérateurs du « commerce des

produits transformés » et ceux du « service aux ménages » dont la grande majorité

ne gagne même pas le salaire minimum : revenu médian respectivement de 198 000

Fmg et de 175 000 Fmg.

Enfin, les revenus dans le secteur informel sont très dépendants des

caractéristiques du capital humain accumulé. En particulier, la rémunération est une

fonction croissante du niveau scolaire, ce qui montre que, même en l'absence de

grille formelle de salaires, l'éducation et la formation professionnelle peuvent être

valorisées dans le secteur informel. Entre un individu qui n'a pas été à l'école et celui

qui a suivi un cursus universitaire, l'échelle des revenus passe de 1 à 4. Elle est de

l’ordre de 1 à 2 entre les opérateurs ayant appris le métier sur le tas et ceux ayant

suivi des formations professionnelles conventionnelles.

115

I.1.2.4. Mobilisation des réseaux de solidarité

La structure de la main d’œuvre selon le statut et le mode de recrutement des

travailleurs montre l’importance des réseaux de solidarité dans la création d’emploi,

l’organisation et la gestion des activités dans le secteur informel. Les chiffres

présentés dans le Tableau 29 illustrent bien ces phénomènes. La mobilisation de la

main-d’œuvre familiale y est très importante dans le secteur informel. Le salariat y

reste toujours très rare. Le taux de salarisation4 n’y dépasse pas 15 % depuis 1995.

Ce qui discrimine assez bien le secteur informel du secteur formel où la norme

salariale est la règle.

Si on limite les actifs aux seuls employés dépendants (en excluant les patrons,

les indépendants et les associés), la majeure partie (52%) sont des aides familiaux.

Ceux ayant le statut de salarié représentent plus de 48% de l’ensemble, soit une part

plus ou moins identique aux aides familiaux. Mais ce chiffre ne montre pas la réalité

sur le mode de recrutement de main d’œuvre dans les UPI. En effet, les chefs d’UPI

choisissent leurs salariés, dans près de deux cas sur trois, parmi leurs apparentés

proches : membres de leur propre ménage ou autres individus apparentés. Ainsi,

seuls 35% des salariés n’ont pas de lien de parenté avec les chefs d’UPI. La plupart

d’entre eux font encore partie des connaissances (amis) et des réseaux sociaux.

4 Taux de salarisation = nombre de salariés / nombre total d'employés

Tableau 28 : Revenus d’activité selon le statut dans l’emploi en 2004

Statut dans l’emploi Rémunération moyenne (1000 Fmg) Rémunération médiane (1000 Fmg)

1995 1998 2001 2004 1995 1998 2001 2004

Fonctionnaires 180 342 581 780 141 293 418 600

Salariés des Entreprises publiques 209 435 634 802 150 300 480 750

Salariés du secteur privé formel 126 262 335 490 80 174 243 333

Indépendants du secteur informel 282 522 578 698 94 138 257 278

Salaire minimum officiel 111 140 169 230 111 140 169 230


116

La préférence aux membres des réseaux sociaux est confirmée par les

intentions de recrutement des chefs d’UPI. En effet, les deux tiers d’entre eux

souhaiteraient privilégier les membres de la famille (proche ou élargie) ou les amis

au cas où ils auraient la possibilité d’embauche.

I.1.2.5. Motif d’implantation dans le secteur informel

Les résultats réfutent la thèse souvent admise selon laquelle l’installation dans

le secteur informel est une situation subie par les individus qui n’ont pas réussi à

trouver des emplois salariés dans le secteur formel. En effet, en 2004, moins de

15 % des chefs d'UPI ont choisi ce secteur parce qu'ils n'ont pas trouvé d'emplois

salariés dans le secteur moderne. Cette proportion est de 12% en 2001, 17 % en

1998 et 8 % en 1995. C'est dans le « BTP » et, dans une moindre mesure le

« restaurant » que l'on trouve le plus de salariés potentiels qui ont dû se rabattre sur

le secteur informel à cause des piètres performances du secteur moderne, incapable

d'ajuster la demande de travail à l'offre existante. Néanmoins, ils ne représentent

qu’au plus 24 % de l’ensemble des UPI.

Tableau 29 : Organisation du travail dans le secteur informel en 2004

BRANCHE Type de combinaisons de travail

(en % des UPI) Taille

Taux de

Salarisatio

n

(%)

Auto-

emploi

non

salariale Salariale Mixte Total

Industries: 73,4 13,5 9,7 3,4 100,0 1,6 19,3

- Agro-alimentaire 48,8 38,2 4,4 8,6 100,0 1,9 10,1

- Confection 88,1 7,6 3,8 0,5 100,0 1,2 7,1

- Autres 57,4 20,4 11,9 10,3 100,0 1,9 24,6

- BTP 70,6 10,9 18,5 0,0 100,0 1,7 29,2

Commerce: 68,7 25,8 3,9 1,6 100,0 1,4 6,4

- Produit primaire 65,8 29,7 3,9 0,6 100,0 1,5 3,8

- Produit industriel 71,4 22,2 4,0 2,4 100,0 1,4 9,0

Services: 79,0 12,1 7,3 1,6 100,0 1,4 15,3

- Ménage et entreprise 85,6 8,3 5,0 0,9 100,0 1,3 13,5

- Restauration 45,7 37,1 11,0 6,2 100,0 1,8 16,7

- Transport 81,9 3,4 14,7 0,0 100,0 1,3 21,9

TOTAL 73,9 16,9 7,0 2,2 100,0 1,4 14,0


117

Le salariat protégé ne constitue donc pas l'horizon indépassable de la main-

d’œuvre et la mise à son compte dans le secteur informel est en général

revendiquée. Ainsi, la majeure partie des chefs d'unités de production considère le

secteur informel comme un mode privilégié d'insertion sur le marché de travail. En

particulier, plus de 29 % invoquent la possibilité d'obtenir un meilleur revenu que le

salaire auquel ils pourraient prétendre dans le secteur formel et 24 % refusent tout

simplement le statut de travailleur dépendant et mettent en avant le désir d'être leur

propre patron. La préférence et le raccrochement aux activités indépendantes

informelles sont les plus forts dans la « confection », le « commerce » et le

« transport ».

Enfin, la tradition familiale, à travers la transmission d'un patrimoine ou d'une

compétence technique, n'est un facteur déterminant dans l'orientation professionnelle

des chefs d'UPI que dans 11% des cas. Ce fait est à rapprocher de la faiblesse de la

logique entrepreneuriale inter-générationnelle dans l’informel.

I.1.2.6. Perspectives sur l’avenir des activités informelles

Les opérateurs informels comptent continuer leurs activités actuelles toujours

avec beaucoup d’optimisme, même si la conviction s’amenuise un tout petit peu. Sur

ce plan, le Tableau 30 montre quelques indicateurs. En effet, en 2004, près de 65%

d'entre eux considèrent qu'il existe un avenir pour leur propre unité de production.

Auparavant, la proportion est un peu plus élevée : 72% en 1995 et 69% en 1998.

Même sur les segments les plus "précaires" du secteur informel (auto-emploi,

activités non localisées ou peu rémunératrices), plus de la moitié des chefs

d'établissement croient en leur chance. En termes de branches, cette vision positive

du futur est la plus approuvée dans l’industrie (déclarée par les trois quarts des chefs

d’UPI) et moins ressentie chez les opérateurs dans le service (seulement un peu plus

de 55% des chefs d’UPI). Les chefs d’UPI de la « confection », du « commerce », du

« BTP » et du « restaurant » sont les plus optimistes. Par contre, ce sont deux

118

branches, à savoir celle des « services aux ménages » et de l’ « agro-alimentaire »

qui nourrissent les anticipations les plus sombres.

Le jugement positif sur l'avenir de l'établissement dépasse la simple intuition

que le secteur informel sera amené à jouer un rôle économique de premier plan au

cours des prochaines années, notamment dans le secteur de production. En effet,

près de 43% des chefs d'unités de production informelles souhaitent voir leurs

enfants reprendre leur activité s'ils le désiraient. Le secteur informel est donc bien

associé à un mode d'insertion sociale et économique encore valorisé aujourd’hui

dans la capitale malgache.

I.1.3. Dynamique de la production dans le secteur informel

I.1.3.1. Evolution des agrégats macro-économiques

Le secteur informel n’est pas seulement un ensemble des activités de survie,

dont le volume de production est très limité. Sa contribution dans la production

Tableau 30 : Perspectives d'avenir des chefs d'unités de production informelles en 2004 (en %)

BRANCHE Déclare que l’UPI a un avenir meilleur Désire voir ses enfants continuer

1995 1998 2001 2004 1995 1998 2001 2004

Industries: 87,1 78,9 69,7 74,8 66,9 52,7 52,0 55,7

- Agro-alimentaire 77,3 74,4 84,3 50,8 59,7 33,3 36,8 34,1

- Confection 87,6 78,8 69,7 76 64,0 49,0 56,3 54,4

- Autres 90,9 81,4 61,7 86 77,9 63,1 40,2 59,6

- BTP 88,7 78,3 74,6 65,3 72,0 59,7 63,9 58,0

Commerce: 64,9 67,4 61,0 64,4 46 48,1 32,9 36,3

- Produit primaire 64,3 67,3 60,6 73,7 48,8 49,7 38,5 51,0

- Produit industriel 66,2 67,4 61,3 55,9 39,4 45,9 28,2 23,8

Services: 60,8 61,8 49,8 55,3 41,4 44,9 26,2 36,7

- Ménage et entreprise 64,5 57,8 46,2 50,7 44,7 44,3 23,7 35,9

- Restauration 69,8 84,1 78,5 72,3 39,2 58,0 40,8 43,0

- Transport 43,3 62,0 50,3 60,2 34,2 39,0 29,3 33,9

TOTAL 71,6 69,6 60,4 64,5 52,1 48,5 37,1 42,8


119

nationale et la création de richesse est très loin d’être négligeable. Une part

relativement importante des UPI enregistre des performances économiques

comparables à celles des entreprises formelles. Le Tableau 31 fournit les agrégats

économiques du secteur informel à Antananarivo. Au cours de la période Septembre

2003- Août 2004, l’ensemble du secteur informel à Antananarivo a réalisé un chiffre

d’affaire annuel de plus de 6 200 Milliards de Fmg. Cependant, étant donné la part

prépondérante du commerce au sein du secteur informel, il est plus pertinent de

raisonner en termes de production ou de valeur ajoutée pour apprécier le poids

économique réel de ce dernier. Ainsi, le secteur informel de la capitale malgache a

produit pour 4 000 milliards de Fmg de biens et services et a créé 2 171 milliards de

Fmg de valeur ajoutée. Malheureusement, pour le moment, il n’est pas encore

possible de se faire une idée précise du poids du secteur informel dans l'économie

malgache par manque de données permettant d’extrapoler au niveau national la

valeur ajoutée de l’agglomération d’Antananarivo. Tout simplement pour avoir une

idée, le PIB officiel de Madagascar au prix courant du marché en 2004 est estimé à

39 300 Milliards de Fmg et le PIB marchand non agricole s’élève à 23 900 Milliards

de Fmg. Le dernier chiffre extrapolé en 2001 indique que le secteur informel

malgache représente plus de 17% du PIB officiel et 25% du PIB marchand non

agricole à Madagascar.

L’industrie et le service créent respectivement plus de 40% et 36% de la

production et de la valeur ajoutée. Parmi ces activités, on peut noter l’importance des

« services aux ménages » qui, à eux seuls, dégagent près de un cinquième de la

valeur ajoutée de l’ensemble du secteur informel à Antananarivo. On peut citer aussi

le BTP et la confection avec respectivement 16% et 15% de la valeur ajoutée totale.

De l’autre côté, le « commerce » qui a réalisé la moitié du chiffre d’affaire, ne pèsent

plus que moins du quart de la production et de la valeur ajoutée de l’ensemble du

secteur informel. Depuis 1998, le poids du « commerce » n’a cessé de diminuer.

Mais il est en forte chute entre 2001 et 2004, puisqu’il était encore plus de 41% en

2001. On assiste ainsi à une rapide recomposition sectorielle du secteur informel ces

dernier temps.

120

Au niveau macroéconomique, la dynamique du secteur informel est beaucoup plus

forte que celle du secteur formel et la création de nouvelle richesse est beaucoup

plus rapide. En effet, en termes nominaux, le taux de croissance annuel moyen du

PIB informel non agricole à Antananarivo est estimé à 11,9% entre 2001 et 2004. A

titre de comparaison, les chiffres officiels indiquent des taux de croissance annuels

moyens de 10,2% du PIB aux prix du marché et de 9,3% du PIB marchand non

agricole au cours de cette même période5. Si on remonte un peu plus loin dans le

temps, depuis 1995, le PIB informel dans la capitale malgache a enregistré une

hausse nominale annuelle de 20,5% qui est largement supérieure à celles du PIB

total et du PIB marchand non agricole de l’ensemble de l’économie n’atteignant

respectivement que de 12,8% et 12,9%.

En termes réels, les chiffres fournissent la même conclusion en dépit de la

hausse plus rapide des prix dans le secteur informel par rapport à l’indice général

des prix (INSTAT, 2001). Au cours de la période 1998-2001, le PIB informel de la

capitale a augmenté annuellement de 7,3% en moyenne, alors que le PIB total et le

PIB marchand non agricole malgache n’ont connu des hausses annuelles moyennes

respectivement de 5,1% et de 6,1%.

5 Les chiffres de 2004 sont des prévisions

Tableau 31 : Chiffre d’affaires, production et valeur ajoutée du secteur informel

(septembre 2003 - août 2004 ; en milliards de Fmg) BRANCHE CHIFFRE D'AFFAIRES PRODUCTION VALEUR AJOUTEE

Industries: 1 604 1 580 876

- Agro-alimentaire - Confection - Autres - BTP

106 766 360 372

96 760 352 372

31 317 188 340

Commerce: 3 093 935 527

- Produit alimentaire - Produit transformé

1 756 1 337

575 360

245 282

Services: 1 524 1 461 768

- Ménage et entreprise - Restauration - Transport

591 512 421

585 461 415

454 141 173

TOTAL 6 221 3 976 2 171

Source : INSTAT/DIAL, Enquêtes 1-2-3, phase 2, 2004, calculs de l’auteur.

121

Graphique 6 : Evolution de la valeur ajoutée entre 1995 et 2004


En termes de branche, le Graphique 6 illustre l’évolution des activités du

secteur informel. L’industrie informelle se montre beaucoup plus dynamique que le

commerce et le service ces derniers temps. Sa valeur ajoutée a augmenté en

moyenne de 29,6% aux prix courants. Le boom du BTP sur l’ensemble de l’économie

est bien transmis dans le secteur informel, puisque il enregistre le taux de croissance

le plus élevé de l’ordre de 41,5%. On peut noter aussi la forte expansion de la

confection avec une hausse de 35,3%. Par contre, les activités agro-alimentaires ont

subi un fort déclin depuis 1998. En ce qui concerne les activités de service, leur

évolution suit un rythme plus soutenu mais un peu timide. Depuis 1998, le taux de

croissance de la valeur ajoutée est de l’ordre de 15%. Les activités du « restaurant »

et les services aux particuliers sont les plus dynamiques, alors que le transport est

devenu de moins en moins productif. Pour le commerce, c’est le débâcle total

quelque soit le type de commerce considéré, surtout au cours de la période 2001-

2004 pendant laquelle sa valeur ajoutée a baissé de près de 10%.

122

I.1.3.2. Evolution des performances économiques des UPI

Au niveau microéconomique, l'analyse des principaux agrégats moyens par

unité de production montre la forte hétérogénéité des performances économiques

des activités et la prédominance de la production à échelle réduite. Pour quelques

établissements qui réalisent de très bonnes performances, l’immense majorité des

UPI est proche du niveau de subsistance. Le Tableau 32 renseigne sur les

indicateurs de performances économiques du secteur informel à Antananarivo. Si les

valeurs annuelles moyennes de la production et de la valeur ajoutée se situent

respectivement autour de 17 millions de Fmg et de 9 millions de Fmg, les valeurs

médianes tombent respectivement à moins de 5 millions de Fmg et 3,6 millions de

Fmg. L’indice de Gini pour la valeur ajoutée est de 0,63.

Lorsqu’on prend en compte le niveau de la production, les UPI industrielles

sont celles qui brassent le plus gros volume d’activité, avec, en moyenne, plus de

1 715 000 Fmg par mois. Les UPI commerciales apparaissent les plus « petites ».

Avec un taux de marge (marge/coût d'achat des produits achetés en l'état pour la

revente) de 30%, la production moyenne des UPI commerciales est évaluée à

Tableau 32 : Quelques indicateurs moyens du niveau d’activité des UPI en 2004

valeur moyenne en 1000 Fmg par mois Productivités apparentes

du travail du capital

BRANCHE Chiffre d'affaires Production Valeur ajoutée EBE VA/L1 VA/L2 (VA/K)

Industries: 1 742 1 715 950 834 700 2,1 0,3


2 356 1 916 1 450 1 634

2 135 1 900 1 416 1 634

681 792 758

1 491

650 745 640

1 238

375 615 400

1 229

2,2 3,2 2,8 7,3

0,1 0,4 0,2 4,4

Commerce: 3 594 1 087 613 558 415 2,1 0,4


4 202 3 020

1 375 815

587 637

550 566

377 453

2,0 2,6

0,2 0,3

Services: 1 497 1 436 755 620 574 2,6 0,1


809 3 333 3 154

801 3 004 3 106

621 916

1 298

499 816

1 055

503 525

1 031

3,8 2,6 4,0

0,2 0,3 0,1

TOTAL 2 222 1 420 775 671 571 3,4 0,2

Notes : (1) VA: valeur ajoutée du mois de référence. (2) L1: nombre de travailleurs. (3) L2 : nombre d'heures de travail par mois. (4) K : valeur du capital au coût de remplacement. (5) VA/L1 mensuelle est exprimée en milliers de Fmg/travailleur. (6) VA/L2 est exprimée en milliers de Fmg/heure.


123

1 087 000 Fmg par mois, soit un niveau très inférieur à la production moyenne de

l’ensemble du secteur informel.

Si l’on pousse un peu plus l’analyse au niveau plus fin des branches

d’activités, trois branches se démarquent des autres à cause du niveau de leur

valeur ajoutée relativement élevée : le « BTP » (1 491 000 Fmg par mois) et le

«transport » (1 298 000 Fmg par mois). De l’autre coté, le "commerce de produits

primaires" apparaît comme le parent pauvre du secteur informel avec une valeur

ajoutée mensuelle moyenne atteignant à peine 587 000 Fmg.

I.1.4. Gisement fiscal dans le secteur informel

I.1.4.1. Contribution fiscale du secteur informel

Dans l'immense majorité des cas, les unités informelles sont inconnues de

l'ensemble des services de l'Etat. En fait, près de 79% des UPI sont totalement

inconnues des services publics, c'est à dire qu'elles ne possèdent ni numéro

statistique, ni carte rouge6, qu'elles ne sont enregistrées ni au Registre du

commerce, ni à la CNaPS7, et qu'elles ne paient pas la patente. C'est l'industrie

informelle qui se situe le plus en marge des régulations publiques. 9 établissements

sur 10 n'ont aucun des cinq types de registres mentionnés ci-dessus. Seul le secteur

des « transports » se démarque fortement sur ce point, puisque « seulement» 17%

des UPI n'ont aucun lien avec l'Etat.

Néanmoins, la thèse d’une volonté délibérée des informels de contourner la

législation afin d’éviter l’excès de régulations publiques ou le paiement d’impôt est

partiellement démentie dans le cas d’Antananarivo. Quel que soit le type de registres

considérés, entre 70% et 80% des UPI ne connaissent pas la réglementation, soit

6 Carte professionnelle

7 Caisse Nationale de la Prévoyance sociale équivalente de la « sécurité sociale »

124

qu'elles considèrent que l'inscription n'est pas obligatoire, soit qu'elles ne savent pas

auprès de quelle institution il faudrait le faire. Donc, c'est avant tout la

méconnaissance des obligations juridiques qui induit les chefs d'unités de production

informelles à ne pas se déclarer. Le refus ostensible de toute collaboration avec les

organismes publics n'est le fait que d'une infime minorité, qui compte moins de 3 %

des UPI. Respectivement 8% et 5% des UPI évoquent la complexité des démarches

à entreprendre et le coût monétaire trop élevé associé à l’enregistrement.

Par contre, si les unités informelles ne sont pas enregistrées, cela ne signifie

pas qu'elles ne s'acquittent pas, au moins partiellement, de leur devoir fiscal. En

effet, près 20% d'entre elles sont enrôlées à la patente. Elles paient des impôts

indirects, même si le montant reste encore très faible. En 2004, plus de 43% des UPI

ont payé d’impôt et l’Etat perçoit de la part des UPI de la capitale malgache plus de

56 milliards de Fmg principalement sous forme de patente, mais aussi d'impôts

locaux, de droits d'enregistrement et de bail. Ce montant paraît dérisoire comparé

aux 3 074 milliards de Fmg de taxes indirectes nettes récoltées sur l’ensemble de

l’économie, mais il représente plus de 2,6% de la valeur ajoutée du secteur informel

à Antananarivo. Ce taux d’imposition est plus ou moins stable depuis 1998 (en très

léger baisse de 0,6 point en 2001), mais a plus que doublé par rapport à celui de

1995 (un taux de 1,2%). Les UPI du « transport » et du « commerce » contribuent le

plus aux ressources fiscales de l’Etat avec respectivement près de 6% et plus de 4%

de leur valeur ajoutée.

En plus de cette contribution directe, le secteur informel participe aussi à une

sorte de taxation indirecte. Se situant en aval de la production formelle, les relations

commerciales entre l’informel et le formel sont assez substantielles. En effet,

l’analyse montre que plus de 38% des valeurs des matières premières utilisées par

les UPI proviennent des entreprises commerciales ou non commerciales du secteur

formel (public ou privé). Les UPI du « transport » font la quasi-totalité de leurs achats

auprès du secteur formel (carburant et lubrifiant, pièces détachées, etc.). La

proportion atteint 73% pour le « BTP », 62% pour les « services aux ménages » et

52% pour la « confection ». Le fait que les UPI ne peuvent pas récupérer ou déduire

125

les taxes payées sur leurs intrants, l’approvisionnement auprès du secteur formel

entraîne alors une taxation indirecte de la production informelle.

I.1.4.2. Potentialité fiscale du secteur informel

L’existence du gisement fiscal est potentielle pour l'Etat. Il ne s’agit pas ici

d’estimer précisément la capacité contributive du secteur informel, mais tout

simplement d’étudier le comportement et l’opinion des opérateurs informels vis-à-vis

de la fiscalité.

En premier lieu, nous avons vu plus haut que l’immense majorité des UPI est

favorable à une collaboration avec l’administration. De plus, plus de 6 établissements

sur 10 accepteraient de payer l'impôt sur leur activité, soit 17% en plus que ce qui

paie déjà. En moyenne, la prétention maximale à payer est estimée à 16 000 Fmg

par mois. Il convient de noter l’étonnante homogénéité de l’impôt désiré moyen en

fonction des branches d’activité. Seuls les transporteurs se démarquent avec

54 000 Fmg mensuels. En fait, ce qu’il faut retenir de ces résultats, ce n’est pas tant

un niveau d’impôt souhaitable (dans aucun pays du monde le niveau de contribution

n’est laissé à la discrétion des contribuables), que la volonté des opérateurs

informels de contribuer à l’effort fiscal du pays. Malgré tout, cette déclaration

spontanée conduit à un montant de l’ordre de 48 milliards Fmg par an pour

l’ensemble de l’agglomération d’Antananarivo.

En deuxième lieu, contrairement à ce qu’on pense si souvent, l’impôt n’est pas

un sujet tabou pour les opérateurs informels. Ils peuvent s’exprimer librement sur le

sujet : leur opinion et leur souhait concernant le système fiscal adapté à leur type

d’activité. Les opérateurs informels se montrent favorables à une fiscalité de

proximité, orientées vers la satisfaction des besoins essentiels de la population,

notamment des plus pauvres dont ils font partie dans leur majorité, et dont les

retombées soient directement mesurables. L’unicité de l’impôt est revendiquée par

41% des UPI, tandis que la périodicité annuelle du recouvrement de l’impôt est

126

plébiscitée par plus de 92% des opérateurs informels. En ce qui concerne l’institution

à qui devait revenir l’impôt, les collectivités territoriales décentralisées, et plus

particulièrement les communes, semblent avoir la préférence des opérateurs

informels (52% des cas). Ils souhaitent surtout voir affecter leur contribution aux

investissements en infrastructures (routes, marché, adduction, etc.), aux dépenses

sociales de base (santé et éducation) et les programmes d’appui au secteur informel

(avec 35%, 30% et 25% resp. des réponses). En revanche, le paiement des salaires

des fonctionnaires et des coûts de fonctionnement de l’administration n’obtiennent

que 3% et 4% des suffrages.

I.2. Les besoins en microcrédit dans le secteur

informel

Ainsi, le secteur informel joue un rôle très important dans la lutte contre la

pauvreté et le développement économique et social à Madagascar en général et à

Antananarivo en particulier. Il mérite d’être appuyé pour qu’il puisse développer

davantage. Selon les résultats des rares études d’impact de la microfinance sur les

activités informelles, les microcrédits influent positivement sur le niveau de

production des UPI, le comportement entrepreneurial des chefs d’UPI et les

conditions de vie des ménages de la capitale malgache (Gubert, Roubaud, 2003).

Cette partie tente de dégager les besoins réels en microcrédit parmi les aides

souhaitées par les unités de production informelles : nombre et caractéristiques

d’UPI ayant besoins de microcrédit, estimation du volume total de microcrédit

effectivement demandé, la nature des microcrédits souhaités selon le type

d’utilisation potentiel et l’insatisfaction vis-à-vis de la microfinance existante.

Avant d’y arriver, pour bien cibler les actions à entreprendre et minimiser le

gaspillage des ressources, il paraît indispensable de passer par deux étapes. Dans

la première étape, on analyse les principales faiblesses du secteur informel telles

que l’importance du sous emploi, la précarité des emplois féminins et la faiblesse de

127

la capacité d’accumulation. La deuxième étape est consacrée à l’identification des

obstacles au développement des activités informelles : les contraintes de débouchés,

l’excès de concurrence et la difficulté d’accès au crédit.

I.2.1. Les principales faiblesses du secteur informel

I.2.1.1. Sous-emploi

Le sous-emploi reflète la sous utilisation des capacités de production de la

population employée, y compris celle qui résulte d’un système économique national

ou régional déficient. Ceci a trait à une autre situation d’emploi dans laquelle les

personnes souhaitent travailler et sont disponibles pour le faire. Dans la résolution du

BIT, les recommandations concernent deux sortes de mesure du sous-emploi

(Rakotomanana, 2005) :

- Le sous-emploi lié à la durée du travail existe quand la durée du travail d’une

personne employée est insuffisante par rapport à une autre situation d’emploi

possible que cette personne est disposée à occuper. Il est défini selon deux

critères : la durée de travail inférieure à un seuil relatif et la disponibilité de

l’individu à travailler davantage.

- Les situations d’emploi inadéquat décrivent des situations de travail qui

diminuent les aptitudes et le bien-être des travailleurs par rapport à une autre

situation d’emploi.

Le volume horaire de travail permet de quantifier l'importance du sous-emploi

lié à la durée du travail même si l’autre critère relatif à la disponibilité à exercer

davantage d’heures n’est pas analysé faute d’information. On considère comme

normaux les horaires compris entre 35 et 48 heures de travail effectif par semaine,

qui sont dominants dans le secteur formel et, selon le code du travail, la durée légale

du travail des employés ne peut excéder 40 heures par semaine8.

8 Article 85 du Titre V sur les conditions de travail Loi n° 94-029 du 25/08/95 portant code du travail malgache

128

En premier lieu, le sous-emploi lié à la durée du travail est très fréquent dans

le secteur informel. Près de 42% des actifs y travaillent moins de 35 heures par

semaine. Les patrons sont moins touchés par cette forme de sous-emploi avec une

proportion relativement faible de 32%, tandis que, chez les aides familiaux, elle

atteint plus de 64%. Selon les branches d’activités, le faible horaire du travail est le

plus fréquent dans les « services aux ménages » touchant plus de 58% des actifs.

Par contre, le « BTP » et, dans une moindre mesure le « transport » sont

relativement épargnés. Respectivement 19% et 23% de l’ensemble de la main

d’œuvre seulement travaillent moins de 35 heures par semaine.

En second lieu, et paradoxalement, la présence massive d'horaires très élevés

peut aussi être considérée comme une situation d’emploi inadéquat. Elle met en

lumière l'inadéquation entre emploi et rémunération, puisque cette charge horaire

constitue la seule manière d'obtenir un revenu acceptable, au prix d'une productivité

horaire dérisoire. Plus de 31% des actifs du secteur informel travaillent

habituellement plus de 48 heures par semaine. Cette forme de sous-emploi est

particulièrement répandue dans les « transports » où près de 68% des actifs font

largement plus que les 48 heures.

Le niveau des revenus individuels permet d'estimer les situations d’emploi

inadéquat, dans la mesure où il indique une productivité du travail relativement faible.

Nous avons retenu comme indicateur le pourcentage d'actifs occupés gagnant moins

que le salaire horaire minimum. On peut alors estimer le taux de situations d’emploi

inadéquat à 46,4% dans le secteur informel. C'est dans le « commerce » et

l’« industrie agro-alimentaire » que la manifestation de cette forme de sous-emploi

est la plus criante, avec plus de 60% en situation d’emploi inadéquat. De l’autre côté,

dans le « BTP » et le « transport », la proportion est relativement faible : moins de

23% des actifs.

129

Il apparaît donc que, si le secteur informel ne peut être assimilé au sous-

emploi, il constitue l'un de ses refuges de prédilection.

I.2.1.2. Précarité des emplois féminins

48% des emplois dans le secteur informel sont occupés par des femmes. On

les trouve principalement parmi les travailleurs à leur compte (55%) et les aides

familiaux (58%). En revanche, les hommes sont prépondérants chez les associés

(93%), les patrons (67%), les salariés (78%); la totalité des apprentis, payés ou non

sont aussi des hommes. Chaque genre semble se spécialiser dans des branches

distinctes. Aux femmes la « confection », la « restauration » et le « commerce » et

aux hommes, le « BTP », le « transport », l’ "agro-alimentaire" et les "industries

diverses" (meubles, imprimerie, etc.).

Les emplois féminins sont, à plus d'un titre, plus précaires que ceux occupés

par des hommes. Les femmes disposent moins souvent d'un local spécifique pour

leur activité. Elles sont proportionnellement beaucoup plus nombreuses à exercer sur

la voie publique, à domicile sans installation particulière ou encore sur les marchés.

De plus, elles occupent plus souvent des emplois de travailleurs dépendants,

notamment comme aides familiaux, et intègrent des UPI plus "marginales" (faible

chiffre d’affaires, de taille réduite, non enregistrées). Ceci se traduit directement sur

la rémunération des activités féminines.

Si le sous-emploi lié à la durée du travail affecte moins les femmes à cause

des horaires de travail relativement faibles, les situations d’emploi inadéquat sont

très fréquentes chez les femmes par rapport aux hommes. Plus de 56% des femmes

sont touchées contre seulement 37% des hommes. En fait, les femmes qui travaillent

dans le secteur informel pâtissent d'un déficit de revenu très marqué par rapport à

leurs homologues masculins. Le Tableau 33 résume les écarts des revenus horaires

entre homme et femme. En moyenne, sur l’ensemble des actifs les femmes

perçoivent deux fois moins que les hommes. Ces premières souffrent d'un double

130

handicap : d'une part elles exercent plus souvent des emplois structurellement mal

payés (commerces, activités précaires, aides familiales, etc.), et d'autre part, même

quand elles occupent des postes équivalents aux hommes, elles sont encore

victimes de discriminations de revenus. Les horaires de travail relativement faibles

chez les femmes (36 heures contre 43 heures par semaine chez les hommes) n’en

constituent pas une explication valable puisque l’écart est toujours observé même

pour le revenu horaire. Dans le « commerce », un patron féminin gagne en moyenne

trois fois inférieure qu’un patron masculin. Les différences sont moins visibles entre

les travailleurs à leur propre compte dans l’industrie, puisque le rapport n’est que de

0,92, toujours en défaveur des femmes.

I.2.2. Capacité d’accumulation dans le secteur informel

Si les unités de productions dans le secteur informel se sont multipliées assez

rapidement et que leurs performances économiques globales se sont améliorées

d’une année à l’autre, l’accumulation du capital (humain, physique et financier) et

l’intensification de la production restent très limitées.

I.2.2.1. Accumulation de capital physique

I.2.2.1.1. Evolution du niveau de capital physique

En tant que facteur de production, l’accumulation du capital physique est un

phénomène primordial reflétant la dynamique des activités économiques. Pour

Tableau 33 : Revenu horaire moyen par branche et statut dans l’emploi selon le sexe en 2004

Revenu horaire moyen (Fmg)

Patron Travailleur son propre compte

BRANCHE Homme Femme Homme Femme

Industries 12 800 6 500 5 000 4 600

Commerce 10 700 3 500 6 300 2 900

Services 13 300 7 400 6 500 2 700

TOTAL 12 500 5 600 5 900 3 300


131

l’analyser, plusieurs indicateurs ont été mobilisés : la valeur du capital, la durée

d’utilisation du capital (âge du capital) et le taux d’investissement. Le premier

indicateur permet d’appréhender le rythme de renouvellement du capital, tandis que

le deuxième permet plutôt de mesurer l’extension du capital au cours de l’année de

référence. Tout d’abord, pour une meilleure compréhension, quelques remarques et

précisions méritent d’être mentionnées.

La définition du capital physique dans le secteur informel n’est pas du tout aisée

du fait de la technique de production utilisée et la nature des biens mobilisés dans le

processus de production. La durée de vie d’un bien n’a plus de sens pour définir un

bien durable. La définition fonctionnelle a été retenue : le capital physique est défini

comme l’ensemble de tous les biens matériels qui sont utilisés pour la production, qui

ne disparaissent pas après le processus et qui ne sont pas dissouts dans les produits

finis. Il est composé principalement de terrains et locaux, machines, mobiliers,

véhicules professionnels, petits outillages et autres. Les biens de capital sont

évalués par leur valeur de remplacement i.e. coût total utile si on fait des achats sur

le marché pour reconstituer le volume et l’état (qualité) du stock de capital actuel.

Plus le bien est usé, plus son montant diminue.

L’investissement est défini comme les achats de biens de capital au cours des

12 mois précédant l’enquête et le taux d’investissement est le rapport entre le

montant de l’investissement et la valeur ajoutée annuelle de l’UPI.

Le capital est un facteur déterminant qui entre dans la fonction de production

du secteur informel. Le montant total du capital du secteur informel, estimé au coût

de remplacement, atteint presque 774 milliards en 2004. Au niveau agrégé, ce stock

est constitué essentiellement de terrains et locaux, puis de véhicules :

respectivement 51% et 26% du montant total du capital. La part du capital consacré

aux machines est relativement faible, sauf dans l'industrie, où l'équipement en

machines constitue 22% du montant du capital total. La branche des « transports »

est pourvue d'un volume moyen de capital nettement supérieur à celui des autres

132

secteurs. A l'autre extrémité, le « commerce de produits transformés », la

« confection », et plus particulièrement les « BTP » en sont peu dotés.

La majorité des machines, du mobilier professionnel et de l'outillage était

neuve au moment de l'achat, tandis que les véhicules professionnels

(essentiellement des taxis) sont à plus de 63% des occasions. Par ailleurs, l'auto-

production de capital n'est pas une pratique courante (moins de 3% des cas), sauf en

ce qui concerne le mobilier : un peu plus de 8%.

Selon le Graphique 7, l’évolution du montant de capital met en lumière la

faible capacité d’accumulation des UPI. Le montant moyen du capital par UPI ne

dépasse le niveau du capital des UPI nouvellement créées âgées de moins de 2 ans

que, en moyenne, après plus de 17 ans d’existence. Une UPI âgée de moins de 2

ans possède en moyenne un capital de 3,4 millions de Fmg. Ce montant diminue

progressivement au fur et à mesure que l’âge augmente et se chiffre à moins de 3,1

millions pour les UPI âgées entre 10 et 16 ans. Puis, il enregistre une forte hausse

pour les UPI âgées de 17 ans et plus et atteint plus de 4,5 millions de Fmg. On peut

interpréter ces résultats de la façon suivante : après une période de dépréciation

nette et continue du capital, les investissements de renouvellement (achats neufs) et

Graphique 7 : Evolution du capital selon l’âge de l’UPI et selon le type de capital en 2004

Source : INSTAT-DIAL/Enquête 1-2-3 2004, phase 2, calculs de l’auteur.

133

d’extension du capital ne sont opérés, en général, qu’à partir de la quinzième année

d’existence. Pendant cette période, le capital gagne un surplus de près de 35% de

sa valeur initiale. Ainsi, l’accumulation nette (surplus du capital renouvelé) en capital

physique est estimée, en moyenne, à près de 2% par an.

Ce résultat global cache des grandes disparités selon le type de capital.

L’accumulation est concentrée essentiellement sur les terrains et locaux de travail.

Pour les autres grands types de capital, notamment les machines et les véhicules,

leur renouvellement ne sont même pas assurés dans le temps. Leur valeur ne cesse

de diminuer au fur et à mesure que l’âge de l’UPI avance.

L’évolution est très différente d’une branche d’activité à une autre. Ainsi,

l’accumulation de capital physique est beaucoup plus importante dans le commerce.

Les UPI commerciales arrivent à la fois à maintenir le niveau de capital pendant une

période relativement longue avant de procéder à d’importantes extensions. La valeur

moyenne du capital y reste stable pour les UPI des tranches d’âge 0-2 ans, 3-5 ans,

6-9 ans, 10-16 ans, et est presque triplée pour les UPI de 17 ans et plus : 1,6 millions

de Fmg pour celles âgées de moins de 2 ans à plus de 5,5 millions de Fmg pour

celles âgées de 17 ans et plus. Pour les UPI du « service », le capital se déprécie de

façon continue avant d’atteindre à peine son niveau initial. Dans l’industrie, le

processus d’accumulation est très lent mais continu. Les UPI assurent la remise en

l’état ou le renouvellement continu de leur capital mais le surplus accumulé est de

l’ordre de 2,6 % par an.

I.2.2.1.2. Durée d’acquisition du capital physique

Permettant de mesurer le rythme de renouvellement du capital, l’analyse du

capital selon la durée d’obtention conforte les résultats obtenus ci-dessus. Ainsi, par

rapport à la nature des biens de capital dans le secteur informel, le capital y est

relativement vieux. L'ensemble du capital est détenu en moyenne depuis 5,3 ans.

L’étude comparée de l’évolution de l’âge de l’UPI et celle de la durée d’acquisition du

134

capital permet de déterminer les périodes de renouvellement des biens de capital.

Plus l’âge de l’UPI dépasse et s’écarte de la durée d’acquisition des biens de capital,

plus une partie du capital n’est renouvelée. Les résultats montrent, qu’en général, les

grosses opérations de renouvellement des biens de capital ne commencent

pratiquement qu’à partir de la dixième année d’existence. La durée moyenne

d’acquisition des biens du capital chez les UPI de moins de 2 ans est de 1,6 ans, 3,4

ans pour les UPI de 3-5 ans, 5,0 ans pour les UPI de 6-9 ans. Le décrochage est

devenu important pour les UPI de 10-16 ans et encore plus pour les UPI de 17 ans et

plus, car les biens de capital y sont acquis, en moyenne, depuis respectivement 7,5

ans et 10,7 ans.

Selon la branche d’activité, on observe une fois encore que le rythme de

renouvellement du capital est relativement rapide dans le « commerce » par rapport

à ce qui se passe dans l’ « industrie » et le « service ». La durée moyenne

d’acquisition des biens de capital dans les UPI commerciales de 17 ans et plus est

de moins de 8 ans, alors que dans les UPI industrielles ou du service de même

groupe d’âge, elle est respectivement de près de 12 ans et de 11 ans.

Evidemment, le rythme de renouvellement est différent selon le type de bien. Il

est le plus faible pour les terrains, locaux de travail et les véhicules, au niveau moyen

Graphique 8 : Evolution de la durée d’acquisition de capital en fonction de l’âge de l’UPI


135

pour les mobiliers et les machines, et le plus rapide pour les outillages et autres. Tel

qu’il est montré dans le Graphique 8, les courbes représentantes des durées

moyennes d’acquisition des différents types de biens de capital en fonction l’âge

moyen des UPI s’écartent nettement de la première bissectrice pour les mobiliers, les

outillages, les autres et dans une moindre mesure les machines. Tandis que pour les

terrains et locaux et les véhicules, les courbes épousent plus ou moins la pente de la

première bissectrice.

I.2.2.2. Taux d’investissement

Le taux d’investissement constitue aussi un autre indicateur pour mesurer la

capacité d’accumulation. L'investissement total réalisé entre août 2003 et septembre

2004 s’élève à 57 milliards de Fmg, soit 6,5% de l'ensemble du capital du secteur

informel. Rapporté à la valeur ajoutée du secteur, le taux d'investissement n’est que

de 2,6%, alors que dans le secteur privé formel, il atteint plus de 15%9. Parmi les UPI

possédant du capital, seul le tiers d'entre elles a investi, et ce, quelle que soit la

branche considérée. L'investissement moyen par UPI n'est que de 705 000 Fmg pour

l'ensemble des UPI. Cette moyenne cache toutefois des disparités assez sensibles

selon les branches d'activité et l'âge des UPI. Par branche, le taux d’investissement

est le plus élevé dans le « commerce des produits primaires» avec 7% de la valeur

ajoutée, suivi de très près par les « autres industries » (6,7%) et un peu plus loin par

le « transport » (4,9%), l’agro-industrie (3,9%), et la restauration (3,6%). A l’autre

extrémité, on trouve les UPI de la « confection » et du « BTP » où moins de 0,5% de

la valeur ajoutée sont réservés à l’investissement.

L'étude de l'investissement selon l'âge des UPI montre l'importance de la

contribution des établissements créés dans l'année. Près de 16% des établissements

informels ayant investi durant les douze derniers mois sont en fait des UPI de l'année

qui ne représentent que 6% des UPI. Ce phénomène est plus marqué dans le

commerce (25%) que dans les services (18%). Le montant investi par ces

9 Chiffres officiels INSTAT (2004)

136

entreprises nouvellement créées correspond à plus de la moitié du total. Si on y

ajoute les UPI de moins de 2 ans, la proportion dépasse déjà les 77% de

l’investissement total. Il y a donc un phénomène de forte concentration aux

investissements d’installation effectués par les entrepreneurs qui ont débuté leur

activité. Les investissements de renouvellement et d’extension sont assez faibles.

La structure de l'investissement n’est pas différente de celle du capital détenu

dans l'informel. Le poids des investissements en matière de terrains et locaux est de

45% du montant de l'ensemble du capital ; et les véhicules (26%). Enfin, notons que

les machines représentent 12% de l’investissement, toutes branches confondues,

mais leur poids dans l’investissement est plus élevé dans la "confection", dans les

« autres industries » et dans le « BTP » où il constitue respectivement près de 39%,

de 31% et de 24% de l'investissement réalisé. La qualité du capital acheté durant

l'année écoulée est peu différente de celle de l'ensemble du capital informel.

Toutefois l'investissement dans les "machines", les "mobiliers" et "autres" s'est porté

respectivement à plus de 90% et de 83% sur du matériel neuf.

Ainsi, non seulement le taux d’investissement global du secteur informel est

faible, mais la part consacrée aux véritables investissements de capacité

d’établissements engagés dans un processus de croissance du stock physique ne

représente qu’un faible part de l’ensemble.

I.2.2.3. Accumulation de capital humain

La faiblesse de la capacité d’accumulation des UPI est beaucoup plus

flagrante en ce qui concerne le capital humain. Rares sont les évolutions observées

aussi bien en quantité qu’en qualité.

La taille des UPI ne bouge pratiquement pas tout au long de leur vie

relativement longue. Elle est, en moyenne, de 1,4 personnes quelque soit la tranche

137

d’âge d’UPI considérée : de la plus jeune (moins de 2 ans) à la plus vieille (17 ans et

plus). On retrouve à peu près la même situation dans n’importe quelle branche

d’activité. Même si on prend le nombre d’heure de travail comme une unité de

mesure, la conclusion reste la même. C’est seulement pendant la période

d’installation (0 à 2 ans) que le volume horaire du travail est relativement faible par

rapport aux autres périodes : en moyenne 36 heures par semaine par personne.

Mais, après l’atteinte du rythme de croisière, quelque soit la tranche d’âge d’UPI

considérée, le volume horaire reste stable autour de 42 heures par semaine par

personne.

Les perspectives des opérateurs informels confirment ces résultats, puisque

seuls 8% d’entre eux pensent embaucher ultérieurement. Et encore, plus l’âge de

l’UPI augmente, plus cette perspective d’embauche diminue : 10% chez les UPI de

moins de 2 ans et 4% chez les UPI de 17 ans et plus.

Au niveau de qualité du travail, aucune amélioration significative ne s’est

produite au sein des UPI au cours de leur existence. L’apprentissage du métier et

l’acquisition des expériences professionnelles se font sur le tas. Les formations

spécialisées suivies dans des écoles spécialisées ou dans des grandes entreprises

sont très rares. De même, l’embauche de salariés (jugés plus « professionnels » et

plus efficaces que les aides familiales), le rajeunissement des employés, les

conditions et la protection sociale du travail n’évoluent pas avec l’âge de l’UPI.

I.2.2.4. Evolution des performances économiques

Ces faibles accumulations de facteurs de production se répercutent sur le

niveau de production et les performances économiques des UPI du secteur informel.

L’évolution des activités suit une courbe en dent de scie et non amplifiée : Erreur !

Source du renvoi introuvable.. Un niveau d’activité maximal des UPI est atteint au

cours de la troisième à la cinquième année d’activité (rythme de croisière). Puis il

décroît avant de reprendre au cours de la quinzième année d’existence après le

renouvellement du capital, en atteignant un nouveau pic légèrement plus élevé que

138

le précédent. La tendance est respectée dans toutes les branches d’activité mais

avec une périodicité différente. L’accumulation existe mais elle est très faible,

irrégulière et cyclique.

I.2.3. Obstacles au développement des activités informelles

Le Tableau 34 présente les principales difficultés déclarées par les opérateurs

du secteur informel eux-mêmes. Plus de 86% des chefs d'unités de production

informelles déclarent rencontrer des difficultés dans l'exercice de leur activité. Ce

résultat montre avant tout que les chefs d’UPI exercent leur activité dans des

conditions difficiles et sont obligés de continuer pour survivre. Ces contraintes

constituent des obstacles au développement du secteur informel, limitent la capacité

d’accumulation des UPI et, parfois risquent de faire disparaître certaines activités.

Les UPI ont plus de contraintes du côté de la demande ("manque de

clientèle") que du côté de l’offre ("excès de concurrence"). Les difficultés sont avant

tout liées au problème d'écoulement de la production. En 2004, 76% des unités

informelles ont des problèmes de débouchés, 56% souffrent d’une concurrence

excessive. Seules 15% des UPI n’ont pas ces deux types de problème. Cette

Tableau 34 : Principales difficultés rencontrées par le secteur informel en 2004 (Classées par ordre d'importance décroissante selon Pourcentage de chefs d’UPI) Total Industrie Commerce Services

1. Manque de clientèle 75,6 67,7 85,2 73,9

2. Excès de concurrence 55,6 52,3 64,1 50,5

3. Manque de machines ou d'équipements 30,3 52,3 8,2 30,4

4. Manque de place, local inadapté 28,7 27,0 31,7 27,2

5. Approvisionnement en matières premières 27,6 33,0 32,1 17,5

6. Difficulté d'accès au crédit 24,5 24,2 32,1 17,2

7. Coût du crédit 14,2 13,7 18,1 10,7

8. Difficulté d'organisation, de gestion 10,5 13,9 6,4 11,3

9. Trop de réglementations, trop d'impôts 9,9 4,2 13,7 11,9

10. Difficulté technique de fabrication 9,9 18,7 2,7 8,4

11. Recrutement de personnel qualifié 3,7 6,9 1,5 2,6

12. Autre 2,4 1,2 1,2 4,9

Aucun problème 13,7 10,7 8,1 21,3

Note : Le total en colonne peut être supérieur à 100%, car il s'agit de questions à réponses multiples Source : INSTAT/DIAL, Enquête 1-2-3, phase 2, 2004, calculs de l’auteur.

139

situation est de plus en plus contraignante pour les opérateurs informels, puisqu’en

1995, seulement 58% d’entre eux s’en plaignent, 60% en 1998 et 68% en 2001, 85%

en 2004.

Il apparaît donc que les conditions macro-économiques en vigueur, plus que

des dysfonctionnements localisés sur certains marchés (pénuries, environnement

institutionnel, etc.), constituent la première pierre d’achoppement pour le

développement du secteur informel. Le manque de clientèle et la concurrence pèsent

beaucoup plus fortement sur les branches « commerces », « industries agro-

alimentaires », et les activités du « transport ». Les activités commerciales,

caractérisées par de faibles barrières à l'entrée, constituent en effet le point

d'accumulation des travailleurs dépourvus de savoir technique. Les difficultés

rencontrées sont suffisamment graves pour qu'elles entravent le développement des

unités informelles, voire pour qu'elles posent un véritable problème de survie.

Dans la hiérarchie des difficultés qui affectent les producteurs informels, le

problème récurrent du crédit ne vient qu’en sixième position (évoqué par moins du

quart des opérateurs). Mais, le frein au développement constitué par les difficultés

d’accès au crédit apparaît plus clairement si l’on intègre à l’analyse les effets

indirects affectant fortement les conditions de production dans le secteur informel tels

que manque de machines, local inadapté. Ils occupent respectivement la troisième et

la quatrième position.

Ainsi, près de 28% des entrepreneurs ont des problèmes d'approvisionnement

en matières premières, 30% se plaignent du manque de machines ou d'équipements

(cette proportion atteint 52% dans l'industrie) et 29% manquent de place ou exercent

dans un local inadapté. Plus que son coût, c'est l'accès au crédit qui semble inhiber

le développement des UPI.

Les problèmes d'ordre technique ou organisationnel jouent un rôle très

secondaire, et ne sont pas vécus par les producteurs informels comme une

contrainte majeure à leur développement. Ce résultat peut s'expliquer en partie par le

140

niveau scolaire relativement élevé de la main-d’œuvre (pour ce qui touche à la

gestion et à l'organisation), et par les expériences déjà acquises (même seulement

sur le tas) au fil des longues années d’exercice.

Les problèmes avec l'Etat (trop de réglementation, trop d'impôt), sont très

limités, puisque seuls 10% des chefs d'UPI s'en plaignent. Les problèmes de main-

d’œuvre n'apparaissent que de façon résiduelle. Globalement, moins de 4% des UPI

ont déclaré avoir rencontré des difficultés à recruter du personnel qualifié.

I.2.3.1. Contrainte de débouchés

Etendue du marché

Le Tableau 35 fournit les principales destinations de la production du secteur

informel à Antananarivo. La satisfaction des besoins des ménages constitue le

principal débouché de la production informelle. Ce résultat, déjà mis en évidence au

vu de la spécialisation sectorielle des unités informelles, est confirmé par l'analyse

des clients du secteur informel. En 2004, plus de 81% des chefs d'UPI déclarent que

le gros de leur clientèle est formé par les ménages. Cette proportion n'est inférieure à

60% quelle que soit la branche considérée. Vu l’importance de la pauvreté (touchant

près de 80% des ménages) limitant le pouvoir d’achat, le secteur informel opère dans

un marché trop étroit et non diversifié.

Lorsque les ménages n'apparaissent pas comme les principaux clients, ce

sont les entreprises informelles commerciales (13%) qui constituent la destination

finale des produits des UPI. La dépendance à l'égard du secteur formel (privé ou

public) est totalement marginale pour assurer des débouchés au secteur informel.

Seuls 3% des chefs d'UPI déclarent vendre leurs produits au secteur formel.

141

La question de la sous-traitance mérite une attention particulière. Il s’agit ici

d’un mode d’organisation de la production où un donneur d’ordre fournit à une UPI la

matière première qu’elle transforme et qu’elle revend au même donneur d’ordre, qui

ne se limite pas uniquement aux grandes entreprises, mais aussi des ménages ou

d’autres UPI. Au niveau agrégé, 26% des UPI sont engagées dans un processus de

sous-traitance. Les branches "BTP" et "confection" sont les principales concernées.

Cependant, ce chiffre est trompeur dans la mesure où cette sous-traitance lie

les ménages (donneur d’ordre) et les UPI dans plus de 84% des cas. Ainsi, un

ménage qui fournit du tissu à une couturière informelle pour qu’elle lui confectionne

une chemise satisfait à la définition de la sous-traitance donnée plus haut. Si l’on

exclut cette pseudo sous-traitance, seules 10 000 UPI sur 240 000 UPI réalisent

réellement une partie de leur production en obtenant des contrats de sous-traitance,

qui leurs sont passés par d’autres entreprises. Et là encore, trois quarts de ces

entreprises donneuses d’ordre sont elles-mêmes informelles (des commerces

informels pour la plupart). In fine, à peine 1 700 UPI sur 240 000 UPI, sont en

relation de sous-traitants vis à vis du secteur formel (encore une fois, des

commerces formels plus que des entreprises industrielles). La part du chiffre

d’affaires réalisé sous cette forme ne dépasse pas 44 milliards de Fmg en 2004, soit

une part totalement négligeable (moins de 1%) du chiffre d’affaires total du secteur

informel.

Enfin, le secteur informel est presque exclusivement tourné vers le marché

intérieur puisque seulement 0,3% des UPI exportent leurs produits. Il s'agit

exclusivement de la « confection ».

L'enquête permet de quantifier l'importance de chaque composante de la

demande adressée au secteur informel. Au total, plus de 71% du chiffre d'affaires

réalisé par le secteur informel provient des ménages et 18% des commerces

informels. Les consommations intermédiaires du secteur formel de transformation en

provenance du secteur informel ne comptent que pour 4% du chiffre d'affaires total

142

de ce dernier. Les produits informels vendus chez les grands commerçants du

secteur formel représentent seulement 1% du chiffre d’affaires total du secteur

informel.

Seules trois branches se démarquent du schéma de quasi-exclusivité de la

consommation finale des ménages. Il s'agit, d'une part, des "confections", des

"autres industries" et le « commerce des produits transformés » qui réalisent

respectivement plus de 66%, 28% et 21% de leur chiffre d'affaires en vendant à des

commerces informel, et, d'autre part, le "transport" et « les services aux ménages et

entreprises » qui gagnent pour plus de 15% de recettes auprès des grandes

entreprises formelles. L'autoconsommation des produits, soit par le chef d'UPI, soit

par l'UPI est quasi-inexistante.

Niveau de la concurrence

Exclusivement réalisée sur le marché intérieur, l'activité du secteur informel

s'exerce dans un environnement hautement concurrentiel. Mais, cette concurrence

est avant tout interne au secteur informel lui-même. A peine 9% des UPI entrent

directement et principalement en compétition avec les grandes entreprises du

Tableau 35 : Destination du chiffre d’affaires du secteur informel en 2004

(en % du chiffre d'affaires) SECTEUR DE DEMANDE

BRANCHE Public

Formel non commercia

l

Formel commerci

al

Informel non

commercial

Informel Commercial

Ménage

Export Autoconso par ménage

Autoconso par UPI

Stock Total

Industries: 0,0 3,7 1,3 3,0 34,4 57,1 0,5 0,0 0,0 0,0 100


0,0 0,0 0,0 0,0

0,0 0,0 8,4 5,1

0,4 3,3 0,0 0,1

0,0 0,0 2,8 8,3

15,8 66,3 27,6 0,1

83,9 29,1 61,2 86,3

0,0 1,3 0,0 0,0

0,7 0,0 0,0 0,0

0,0 0,0 0,0 0,0

0,0 0,0 1,0 0,0

100 100 100 100

Commerce: 0,8 2,0 0,1 6,8 16,3 73,1 0,0 0,0 0,0 0,9 100


0,6 1,2

0,0 5,1

0,0 0,1

0,0 17,6

20,6 9,3

78,7 64,2

0,0 0,0

0,0 0,0

0,0 0,0

0,0 2,4

100 100

Services: 2,2 5,2 3,0 3,2 5,3 81,0 0,0 0,0 0,0 0,0 100


4,2 1,5 0,0

9,2 0,0 5,7

1,4 0,0 9,3

4,6 0,0 5,1

7,4 1,0 7,6

73,2 97,5 72,3

0,0 0,0 0,0

0,0 0,1 0,0

0,0 0,0 0,0

0,3 0,0 0,0

100 100 100

TOTAL 1,0 3,2 1,1 5,0 18,1 71,1 0,1 0,0 0,0 0,5 100


143

secteur formel. Plus de 91% de chacun des trois secteurs "service, industrie,

commerce" estiment que leurs principaux concurrents sont des UPI.

Tout se passe comme si les grandes entreprises du secteur formel n'existaient

pas, ou qu'elles servaient un segment de la demande totalement déconnecté de celui

qui s'adresse au secteur informel. En fait, les établissements industriels informels

doivent lutter sur deux fronts : d'une part avec leurs pairs des industries informelles,

et d'autre part avec leurs homologues des commerces informels.

Les opérateurs du secteur informel se montrent de plus en plus habitués au

principe de la concurrence. Les différents modes de fixation de prix dans le secteur

informel présentés dans le Tableau 36 reflètent bien ce phénomène. Alors que près

de 45% des UPI avaient un comportement de marges en 1995, elles sont moins d’un

tiers en 2004. De plus, 78% d’entre eux se montrent favorables à la libre

confrontation entre l’offre et la demande pour fixer le juste niveau des prix.

Cependant, les ententes et les arrangements entre producteurs se maintiennent.

Cela ne se limite plus seulement aux transporteurs, mais gagne aussi du terrain chez

ceux opérant dans l’industrie surtout agro-alimentaire. Plus de 15% plaident en

faveur des associations de producteurs pour fixer le prix.

I.2.3.2. Accès au crédit

L’analyse du financement des activités informelles met en lumière le peu

d'intérêt qu'accorde le système financier malgache à l'égard du secteur informel et le

faible degré d'organisation du système financier informel opérant essentiellement

Tableau 36 : La montée de la concurrence 1995-2004

(Pourcentage de chefs d’UPI déclarants) Mode de fixation des prix en vigueur Mode désiré de fixation des prix

Taux de marge

Marchandage Prix des

concurrents Prix officiel

Entente des producteurs

Ajustement offre/demande

Etat Association. de producteurs

1995 45,4 38,9 8,8 0,9 3,2 65,8 16,7 17,5

1998 31,7 49,3 13,8 0,9 2,5 83,3 6,8 9,9

2001 25,7 50,7 14,3 0,8 4,5 85,0 7,6 7,4

2004 31,0 51,7 11,1 0,6 4,4 77,8 6,6 15,7

Sources : INSTAT/DIAL, Enquête 1-2-3, phase 2, 1995, 1998, 2001, 2004, calculs de l’auteur.

144

dans les réseaux sociaux. Les opérateurs du secteur n’ont le choix que de se

contenter à l’autofinancement pour alimenter aussi bien le capital que la trésorerie.

Financement du capital

Le Tableau 37 montre les différentes sources de financement du capital dans

le secteur informel à Antananarivo. La quasi-totalité du capital est financée par

l'épargne individuelle, à raison de plus de 95% de sa valeur. Les prêts d'origine

familiale ne jouent qu'un rôle secondaire dans l'obtention des fonds nécessaires à

l'investissement (moins de 4% du montant total). Le phénomène des tontines, qui

caractérise une grande partie de l'Afrique sub-saharienne, est quasiment absent à

Madagascar. Quant à l'accès des unités de production informelles au système

bancaire, il est très faible, et ce, quelle que soit la branche considérée, sauf le

« transport ». Il en est de même pour les prêts auprès des usuriers et auprès des

fournisseurs.

Tableau 37 : Mode de financement du capital du secteur informel en 2004 Origine du financement

(% en valeur) BRANCHE Epargne,

don, héritage

Prêt familial Prêt auprès des des usuriers

Prêt bancaire

Prêt auprès des

fournisseurs

Autre prêt Total

Industries: 99,1 0,7 0,1 0,1 0,0 0,0 100

- Agro-alimentaire 99,8 0,1 0,1 0,0 0,0 0,0 100

- Confection 99,6 0,0 0,2 0,2 0,0 0,0 100

- Autres 98,6 1,2 0,2 0,0 0,0 0,0 100

- BTP 99,1 0,4 0,0 0,2 0,0 0,3 100

Commerce: 95,5 4,5 0,0 0,0 0,0 0,0 100

- Produit alimentaire 92,6 7,4 0,0 0,0 0,0 0,0 100

- Produit transformé 99,8 0,2 0,0 0,0 0,0 0,0 100

Services 92,7 3,9 0,0 2,0 0,7 0,7 100

- Ménage et entreprise 99,1 0,8 0,0 0,0 0,0 0,1 100

- Restauration 98,8 0,2 0,1 0,9 0,0 0,0 100

- Transport 84,7 8,0 0,0 4,4 1,5 1,4 100

Total 94,8 3,3 0,1 1,1 0,4 0,3 100


145

Financement du fond de roulement

Les sources de financement du fond de roulement dans le secteur informel

sont détaillées dans le Tableau 38. Les ressources propres dominent dans

l’alimentation du fond de roulement. Près des trois quarts des valeurs des achats de

matières sont assurés au comptant (cash) par l’autofinancement. Mais un autre

mode de règlement important apparaît : c’est le crédit fournisseur. Plus de 20% des

approvisionnements sont payés à crédit auprès des fournisseurs. Cette pratique est

relativement fréquente dans le « commerce », mais très rare dans le « service ». Ce

qui prouve les difficultés de trésoreries supportées par les UPI. Le recours aux

emprunts est encore pratiquement inexistant.

I.2.3.2.1. Emprunt

Le Tableau 39 montre la situation de prêt dans le secteur informel. En fait, sur

toute l'année 2004, les UPI ont pu obtenir des prêts pour un montant de près de

21,5 milliards de Fmg, soit à peine 1% de la valeur ajoutée créée. La proportion est

Tableau 38 : Mode de financement des achats de matières premières en 2004

BRANCHE

Origine du financement (% en valeur)

Epargne Paiement au comptant

Epargne Paiement à

crédit

Prêt Autre Gratuit, Collecte, nature

Industries: 89,3 5,8 0,3 3,6 1,0

- Agro-alimentaire 99,6 0,3 0,0 0,0 0,1

- Confection 90,1 1,8 0,4 7,1 0,7

- Autres 81,2 13,6 0,5 2,8 1,9

- BTP 100,0 0,0 0,0 0,0 0,0

Commerce: 64,7 28,6 0,1 6,6 0,0

- Produit alimentaire 57,7 33,1 0,1 9,1 0,0

- Produit transformé 82,8 17,1 0,0 0,0 0,1

Services 95,1 4,1 0,1 0,7 0,0

- Ménage et entreprise 97,7 2,1 0,2 0,0 0,0

- Restauration 94,5 4,6 0,0 0,9 0,0

- Transport 100,0 0,0 0,0 0,0 0,0

Total 74,5 20,2 0,1 5,0 0,2


146

la plus faible dans l’industrie avec seulement 0,6% de la valeur ajoutée. Tandis que

dans le service, le poids de l’emprunt atteint 1,4%.

Plus de 72% du montant total des emprunts ont contracté leurs prêts de façon

« informelle » auprès de la famille ou des amis du chef d'établissement. L’apport des

institutions de microfinance n’est pas du tout négligeable, puisqu’il atteint près de

14% du montant total. Ils ont accordé des crédits aux UPI essentiellement dans le

« commerce » et le « transport ». L’autre composante importante est le prêt accordé

par les fournisseurs, qui représente plus de 11% des emprunts. Ni les associations

de producteurs, ni les usuriers n'ont prêté au secteur informel.

Toutefois, pour les UPI qui ont pu en bénéficier, les crédits apportent des

bouffées d’oxygène très importantes pour le développement de leurs activités, dans

la mesure où leur montant est assez conséquent par rapport au niveau de production

actuelle. Le montant moyen des crédits octroyés s’élève à 1,4 millions de Fmg et le

montant total des prêts représente plus de 17% de la valeur ajoutée totale des UPI

bénéficiaires. Dans les UPI du « service », ce chiffre atteint plus de 29%.

Si l’on se restreint aux seuls emprunts auprès des IMF, on trouve que leur

montant total représente plus de 44% de la valeur ajoutée totale dégagée par les UPI

emprunteurs. Néanmoins, tous ces UPI n’approuvent aucune difficulté pour honorer

leurs remboursements.

Tableau 39 : Emprunt dans le secteur informel 2004 BRANCHE

Montant moyen par UPI qui emprunte (Milliers Fmg)

Montant total (Millions Fmg)

Poids des prêts dans la valeur ajoutée (%)

Ensemble des UPI UPI bénéficiaires

Industries 1 181 5 343 0,6 9,9

Commerce 792 5 678 1,1 14,4

Services 3 112 10 501 1,4 29,1

Total 1 430 21 522 1,0 16,7


147

I.2.4. Les aides souhaitées

L'environnement macro-économique qui pèse très lourdement sur les

performances des unités de production informelles, conduit les chefs d'UPI à émettre

massivement le souhait d'être appuyés. Le Tableau 40 résume les aides souhaitées

par les opérateurs du secteur informel. L'accès à de grosses commandes apparaît

comme la modalité première des aides sollicitées. Ce résultat est logique puisque la

difficulté principale des UPI est l’écoulement de leur production. Cependant, cette

aide est surtout réclamée par les industries (à 91%), plus à mêmes d’être sollicitées

pour des grosses commandes. Cette demande est exprimée de plus en plus

fortement puisque seulement moins de 53% des opérateurs l’ont réclamé en 1998,

70% en 2001 et 84% en 2004.

Depuis 1995, le second domaine pour lequel plus de 55% des UPI réclament

un appui est l’assistance pour les approvisionnements. Naturellement, ce sont les

établissements commerciaux, qui, pour faire face à la concurrence, cherchent des

fournisseurs plus performants, qui demandent ce type d'aide. Dans ce souci de

réorganisation des filières, l’accès à l’information sur les marchés existants ou

potentiels et l’accès à l’information sur les marchés sont également fortement

souhaités par les UPI (en troisième et quatrième lieu).

En revanche, les activités traditionnelles des programmes d’appui aux petites

et microentreprises (formation technique, à la gestion et à l’administration) sont

assez peu mentionnées par les opérateurs informels, sauf dans l’ « industrie » où un

véritable besoin en matière de formation professionnelle semble se faire jour.

148

I.2.5. Les besoins en microcrédit

La demande d’accès au crédit apparaît seulement en sixième position parmi

les aides souhaitées par les UPI. Mais, l’interprétation de cette situation mérite une

attention particulière, dans la mesure où l’obtention de crédit constitue, dans la

plupart des cas, une des conditions nécessaires à la satisfaction des cinq premières

aides souhaitées par les opérateurs. Le moyen financier, donc le crédit, joue un rôle

primordial dans l’approvisionnement en matière première, l’accès à la publicité ou à

des équipements modernes. Simplement, les opérateurs sont conscients qu’il est

peu probable que le seul accès plus fluide au crédit résout l'ensemble des problèmes

du secteur informel qui sont principalement d'ordre macro-économique. Cette sorte

de confusion masque l’importance du crédit accordé par les chefs d’UPI. Seulement

près de 36% des UPI ont exprimé clairement avoir besoins d’aide en matière d’accès

au crédit. La demande est relativement fréquente chez les « commerçants des

produits transformés » et, dans une moindre mesure chez les « restaurateurs » et les

chefs d’ « industries diverses ». Par contre, dans la « confection » et le « transport »,

les desiderata en faveur de l’accès au crédit sont relativement moins apparents.

Tableau 40 : Aides souhaitées par les chefs d'unités de production informelles en 2004

(classées par ordre d'importance décroissant, en %) Type de l’aide Total Industrie Commerce Service

1. Accès à de grosses commandes 84,0 91,4 80,3 79,8

2. Assistance pour les approvisionnements 55,5 57,4 68,4 39,8

3. Accès à l'information sur les marchés 49,1 41,8 60,6 45,1

4. Accès à la publicité pour les nouveaux produits 40,9 45,7 48,4 27,6

5. Accès à des équipements modernes 37,9 64,0 13,8 34,4

6. Accès au crédit 35,7 30,0 46,0 31,2

7. Facilités à l'enregistrement 30,6 33,0 34,2 24,2

8. Formation technique 30,4 44,0 16,7 29,9

9. Formation aux comptes et à l'organisation 24,4 26,0 25,5 21,4

Aucune aide souhaitée 18,6 12,2 13,7 28,6

Note : Les totaux en colonne peuvent être supérieurs à 100% car il s'agit de questions à choix multiples. Source : INSTAT/DIAL, Enquête 1-2-3, phase 2, 2004 calculs de l’auteur.

149

I.2.5.1. Importance des besoins en microcrédit

Pour avoir beaucoup plus de précisions sur la demande potentielle de

microcrédits, l’analyse des comportements des opérateurs vis-à-vis des services

financiers dispensés par les Institutions de Microfinance fournit des informations

importantes. Elles sont décrites dans le Tableau 41. Parmi les chefs d’UPI qui ont

une bonne connaissance des microcrédits, à peine 26,2% d’entre eux ont déclaré ne

pas avoir besoin de microcrédit pour faire fonctionner leurs activités et plus de 14,5%

ont effectivement emprunté. L’adoption de l’un ou l’autre de ces indicateurs indique

deux politiques différentes en matière d’octroi de crédit. Le premier indicateur

correspond à une stratégie plutôt offensive pour prospecter de nouveaux clients en

proposant de nouveaux produits. En fait, une bonne partie d’entre eux ont besoin de

crédit mais n’en demandent pas en jugeant tout simplement les produits des IMF non

encore attrayants ou non adaptés à leurs besoins (montant de prêt trop faible,

procédure compliquée, coût de transaction trop élevé, échéance de remboursement

trop courte, trop de gage et d’hypothèques, etc.). Tandis que le deuxième indicateur

correspond à une stratégie plutôt passive, dans la mesure où on attend seulement

que les UPI attirés par les services financiers déjà existants se présentent auprès

des IMF. Vu la gravité de la situation de pauvreté actuelle et l’objectif ambitieux de la

politique de lutte contre la pauvreté, la première option nous paraît plus efficace et

mérite ainsi une analyse plus approfondie.

Tableau 41 : Importance des besoins en microcrédit en 2004 BRANCHE Proportion des UPI connaissant bien les IMF

et déclarant ne pas avoir besoin de microcrédit

Proportion des UPI connaissant bien les IMF et ayant effectivement emprunté

Industries: 23,1 16,6

- Agro-alimentaire 27,7 0,0 - Confection 29,3 10,5 - Autres 19,5 44,8 - BTP 12,8 3,3

Commerce: 25,9 11,8

- Produit alimentaire 26,6 13,4 - Produit transformé 25,5 10,9

Services 29,8 14,1

- Ménage et entreprise 34,5 9,4 - Restauration 10,1 18,1 - Transport 32,1 20,1

Total 26,2 14,5


150

Ainsi, selon le premier indicateur, c’est dans le « BTP », le « restaurant » que

le besoin en microcrédit est le plus affirmé. Ce sont justement les branches

d’activités qui ont affiché des dynamiques importantes au cours de la période 1995-

2004 tels qu’on a vu dans les chapitres précédentes.

A première vue, la demande de crédit est plus ou moins corrélée avec une

volonté d’extension mais n’est pas motivée par une stratégie de survie. Mais, quand

on entre plus en détail selon les performances économiques des UPI, on voit que la

demande de crédit est relativement importante chez les UPI classées dans les deux

extrémités de la hiérarchie : le quartile des plus petites et le quartile des plus grandes

en termes de niveau de la valeur ajoutée. Respectivement moins de 19% et de 21%

y ont répondu de ne pas avoir besoin d’emprunter, alors que cette proportion

dépasse les 30% dans les quartiles moyens. Ce qui laisse penser que le motif de

survie de la demande de crédit n’est pas du tout négligeable.

La demande de crédit est relativement moins importante chez les femmes

dirigeantes d’une UPI par rapport aux hommes. Mais l’écart n’est pas très significatif,

puisque les proportions de non demandeurs de crédit sont respectivement de 28% et

de 25%.

151

Comme on l’a précisé, ces chiffres ne concernent que les chefs d’UPI qui

possèdent des bonnes connaissances des Institutions de microfinance et de leurs

prestations. Pour ceux qui n’en ont jamais entendu parler, d’autres informations ont

été mobilisées en ce qui concerne leur position vis-à-vis du crédit bancaire en

général. Elles sont rapportées dans le Tableau 42. Evidemment, l’inadaptation des

crédits bancaires aux activités des UPI peut avoir quelques influences sur les

réponses de ces opérateurs. Ainsi, la demande de crédit est moins importante. En

effet, près de 45% d’entre eux ont déclaré ne pas avoir besoin d’emprunter. Encore

une fois, cette demande est relativement importante dans le « restaurant » et aussi

dans les « autres industries ». Par contre, parmi les opérateurs dans la

« confection », un peu plus de la moitié n’ont pas besoin de crédit.

Comme on peut s’attendre, les plus grands opérateurs sont beaucoup plus

enthousiastes à demander des crédits. Moins de 37% des UPI du quartile des plus

grandes (selon le niveau de la valeur ajoutée) n’en ont pas besoin. Cette proportion

augmente au fur et à mesure que l’on considère les groupes des UPI plus petites et

jusqu’à atteindre près de la moitié dans le quartile des UPI les plus petites.

L’aversion pour le risque dans le comportement des petits opérateurs pourrait

expliquer ce phénomène.

Tableau 42 : Importance des besoins en crédit bancaire en 2004 BRANCHE Proportion des UPI ne connaissant pas les IMF et

déclarant ne pas avoir besoin de crédit

Industries: 44,4

- Agro-alimentaire 46,1

- Confection 51,9

- Autres 32,7

- BTP 45,0

Commerce: 44,8

- Produit alimentaire 44,6

- Produit transformé 44,9

Services 44,8

- Ménage et entreprise 46,8

- Restauration 36,4

- Transport 41,2

Total 44,7


152

Entre les femmes et les hommes, les différences de comportement sont

beaucoup plus importantes, puisque si moins de 40% des opérateurs masculins ne

cherchent pas à obtenir des crédits, elles sont plus de 48% chez les opérateurs

féminins.

I.2.5.2. Caractéristiques des demandeurs potentiels de microcrédits

Au total, plus de 7 300 UPI ont effectivement emprunté, soit 3,1% des UPI en

activité. En 2004, plus de 141 000 UPI sont des demandeurs potentiels10 de crédit à

Antananarivo, soit 59,3% des UPI en activité. Les UPI opérant dans la branche des

« services aux ménages » sont les plus nombreux, représentant près de 24% de

l’ensemble. Puis, on trouve les « commerçants de produits transformés » (16%), les

« commerçants de produits primaires » (15%) et les artisans de la « confection »

(13%). Les UPI de l’ « agro-alimentaire » sont les plus faiblement représentés avec

moins de 2% de l’ensemble.

L’âge moyen de ces chefs d’UPI est de 40,5 ans. Ils ont un niveau d’étude

moyen de 7,2 ans. Ils ont acquis, en moyenne des expériences professionnelles de

9,3 ans. Seulement 15% d’entre eux ont suivi des formations professionnelles dans

des écoles spécialisées ou des grandes entreprises. Selon le genre, les femmes

demandeurs de crédit sont minoritaires. Elles comptent près de 68 000 individus

contre plus de 73 000 hommes.

Le Tableau 43 décrit les performances économiques des UPI demandeurs de

crédits. Ces UPI ont réalisé un chiffre d’affaire de 4 000 milliards de Fmg et une

production de 2 717 milliards de Fmg au cours de l’année 2004. Elles ont dégagé

une valeur ajoutée totale de plus de 1 450 milliards de Fmg et un excédent brut

d’exploitation de 1 263 milliards de Fmg.

10 UPI ayant besoin de microcrédit mais n’ayant pas effectivement emprunté pour diverses raisons

153

Globalement, les franges supérieures du secteur informel sont beaucoup plus

représentées dans les UPI demandeurs potentiels de crédit. Elles font parties des

celles qui sont les plus performantes. En effet, elles dégagent, en moyenne, une

valeur ajoutée annuelle de 10,2 millions de Fmg et un EBE de 8,9 millions de Fmg,

chiffres largement supérieurs à ce qu’on obtient avec l’ensemble des UPI en activité

(valeur ajoutée annuelle moyenne de 9,2 millions de Fmg et EBE moyenne de 8

millions de Fmg). Près de 29% d’entre elles appartiennent au quartile des plus

grandes (valeur ajoutée plus de 9,1 millions de Fmg), 25% du quartile des

moyennement grandes (valeur ajoutée comprise entre 3,6 millions de Fmg et 9,1

millions de Fmg), 23% du quartile des moyennement petites (valeur ajoutée comprise

entre 1,4 millions de Fmg et 3,6 millions de Fmg).

I.2.5.3. Volume des besoins en microcrédits

Par la suite, à l’aide de ces chiffres et quelques hypothèses, on peut obtenir

une estimation du montant de la demande de crédit dans le secteur informel. Deux

scénarios sont présentés : stratégies offensives (considérer le niveau de

connaissance des IMF et le taux d’emprunteurs comme indicateurs d’objectif, donc

Tableau 43 : Quelques indicateurs d’activité des UPI demandeurs potentiels de crédit en 2004 Montant total

( en milliards de Fmg par an) Valeur moyenne par UPI

(en 1000 Fmg par an)

BRANCHE Chiffre d'affaires

Production Valeur ajoutée

EBE Chiffre d'affaires

Production Valeur ajoutée

EBE

Industries: 1 125 1 116 618 541 23 727 23 537 13 035 11 414


59 540 277 249

52 540 276 249

20 229 143 226

19 221 118 182

23 692 29 789 18 701 20 786

20 700 29789

18 597 20 786

7 978 12 624 9 672

18 879

7 731 12 216 7 979

15 227

Commerce: 1 831 608 350 318 42 400 14 079 8 105 7 370


926 905

370 237

161 188

151 167

45 840 39 377

18 334 10 331

7 999 8 199

7 487 7 267

Services: 1 044 993 481 403 20 450 19 447 9 429 7 903


327 430 287

323 389 281

252 115 114

210 101 91

9 468 47 791 38 067

9 353 43 257 37 220

7 310 12 768 15 136

6 104 11 269 12 115

TOTAL 4 000 2 717 1 449 1 263 28 239 19 180 10 232 8 916

Source : INSTAT/DIAL, Enquête 1-2-3, phase 2, 2004 calculs de l’auteur.

154

endogènes) et stratégies passives (considérer le niveau de connaissance des IMF et

le taux d’emprunteurs comme donnée exogène)

Pour cette étude, les hypothèses retenues sont les suivantes pour la période

2005 - 2009:

- Les taux d’accroissement annuels des UPI par branches restent constants :

o 6,8% dans l’industrie

o 5,0% dans le commerce

o 11,7% dans le service

- Le taux de demandeurs potentiels11 de crédit reste constant : 59,3% (donnée

2004)

- Taux d’emprunteurs potentiels12 :

o En 2005 : 3,1% (donnée 2004)

o En 2009 : 15%

- Le taux de croissance nominal annuel de la valeur ajoutée reste constant :

o Industrie : 21,1%

o Commerce : 14,9%

o Service : 25,7%

- La capacité de remboursement des UPI reste constant : 44%13 (donnée 2004)

Avec ces hypothèses, on évalue la demande de microcrédit à Antananarivo

comme suit :

- Nombre d’UPI demandeurs potentiels

11 Taux de demandeurs potentiels de crédit = UPI ayant besoin de crédit / UPI total

12 Taux d’emprunteurs potentiels = UPI ayant effectivement demandé de l’emprunt / UPI total

13 Les UPI n’ont pas eu de difficulté à rembourser leurs dettes représentant 44% de la valeur ajoutée

155

o En 2005 : 141 000 UPI

o En 2009 : 208 900 UPI

- Nombre d’UPI emprunteurs potentiels :

o En 2005 : 8 000 UPI

o En 2009 : 52 900 UPI

- Montant des besoins en crédit des UPI emprunteurs :

o En 2005 : 56 936 Millions de Fmg

o En 2009 : 498 203 Millions de Fmg

I.2.5.4. Nature des besoins en microcrédits

L’analyse de l’utilisation potentielle des crédits par les opérateurs permet de

préciser leurs stratégies pour répondre à leurs desiderata et donc la nature des

besoins en crédits. Les stratégies des opérateurs en matière de crédit sont assez

cohérentes compte tenu de leurs contraintes et les aides citées auparavant. Le

Tableau 44 en fournit les détails.

En premier lieu, il existe bien une certaine forme de mentalité d'accumulation

dans le secteur informel, mais sa structure de production limite les possibilités

d'intensification. Près de 91% des chefs d'UPI s'emploieraient exclusivement à

améliorer les conditions d’activités, alors que moins de 7% d'entre eux engageraient

des dépenses, de consommation notamment, en dehors de leur établissement.

Mais la ligne de crédit ne serait pas nécessairement affectée à un

investissement supplémentaire dans l'établissement actuel. En effet, un peu moins

de 42% amorceraient une stratégie de croissance extensive. Dans ce cas, deux cas

de figure peuvent se présenter : ou bien le producteur informel cherche à créer une

nouvelle unité de production dans sa propre branche ou bien il investirait dans une

156

autre branche d'activité. Plus de 17% choisirait la première option, à laquelle les

opérateurs du « transport » penchent fréquemment. La deuxième option est la plus

fréquemment retenue (25% des UPI), c’est notamment dans le cas des opérateurs

des « services aux ménages », du « BTP » et de l’ « agro-alimentaire ». Dans ce cas,

les commerces (notamment des produits primaires) apparaissent comme le principal

pôle attractif, puisque plus de 51% de ceux qui veulent changer de branche s'y

orienteraient. L'agriculture n'est pas dédaignée par ces entrepreneurs urbains, près

de 19% d'entre eux seraient prêts à y investir si une opportunité de financement se

présentait.

Par ailleurs, près de 49% des UPI utiliserait le crédit pour dans le sens d’une

croissance intensive, option plus souvent retenus dans l’ « industrie ». Dans ce cas,

les crédits seraient utilisés pour satisfaire les aides souhaitées telles que les

opérateurs ont exprimées précédemment, mais avec un ordre de préférence

légèrement différent. Ce phénomène résulte de l’importance de l’aspect financier

pour chaque type d’opération. A titre d’illustration, l’accès à des grosses commandes

(l’aide la plus souhaitée par les UPI) dépend plutôt des problèmes d’organisation ou

administratifs que des problèmes financiers. Ainsi, plus de 18% des UPI, notamment

dans la « confection » et du « BTP », envisageraient d’utiliser les crédits obtenus

pour améliorer les machines et les équipements de l’établissement. Pour plus 16%

des UPI, notamment dans les « restaurants », l’amélioration du local serait

préférable. Enfin, plus de 14% des UPI auraient choisi pour l’accroissement de leur

stock de matières premières.

De plus, il faut noter que pratiquement aucun chef d'établissement ne se

propose d'embaucher. Ce choix s'explique par le faible taux d'utilisation des

capacités de production (surtout du travail) du secteur informel dans la conjoncture

actuelle. Contrairement à ce qui en est traditionnellement attendu, une politique de

financement du secteur informel facilitant l'accès au crédit d'unités de production déjà

existantes aurait un impact direct nul ou négligeable sur l'emploi.

157

L’analyse des types d’utilisation des crédits effectivement octroyés aux UPI au

cours de l’année 2004 permet d’avoir un aperçu de ce qui se passe réellement. Mais

il faut mentionner que l’image n’est pas représentative de tout le secteur informel,

dans la mesure où seule une infime minorité des UPI a pu bénéficier des crédits. De

plus, le type de crédit obtenu (en très large majorité provenant des réseaux sociaux)

influe sur le type d’utilisation.

Globalement, les emprunts sont consacrés principalement à l'achat des

matières premières, ou dans une moindre mesure à l’amélioration des machines ou

des locaux de l’unité de production pour l'ensemble des branches. Les emprunts ont

essentiellement servi à l'amélioration des machines et de l’outillage dans le «BTP »

et dans le « transport ». Par ailleurs, 7% des emprunts ont servi à l’extension des

activités des entreprises. Par contre, les UPI n'ont jamais recours à l'emprunt pour

payer les salariés ou pour former de la main-d'œuvre.

Mais si on ne considère que les crédits en provenance des institutions de

microfinance, on retrouve les résultats sur les utilisations potentielles des crédits

décrites dans les paragraphes précédentes. La majeure partie des microcrédits (plus

de 63% du montant total) ont servi pour l’extension de l’établissement ou de

l’amélioration des machines et des équipements.

Tableau 44 : Utilisation potentielle d'un crédit par les unités de production informelles en 2004

(% des UPI) QUE FERIEZ-VOUS SI VOUS OBTENIEZ UN PRET?

Total Industrie Commerce Service

Croissance intensive: 49,4 59,3 54,4 36,1

- accroître le stock de matières premières 14,0 15,0 24,8 3,8

- améliorer votre local 15,9 9,8 25,1 13,5

- améliorer votre équipement 18,5 32,4 3,6 18,8

- embaucher 1,0 2,1 0,9 0,0

Croissance extensive: 42,0 33,6 38,0 52,9

- ouvrir une autre UPI (même branche) 17,1 15,8 23,2 12,8

- ouvrir une autre UPI (autre branche) 24,9 17,8 14,8 40,1

Engager des dépenses hors de l'établissement

6,6 4,8 6,5 8,5

Autre 2,0 2,3 1,1 2,5

TOTAL 100 100 100 100


158

I.2.5.5. Satisfaction des besoins en microcrédits

I.2.5.5.1. Offre actuelle en microcrédit

Le secteur de la microfinance s’est développé à Madagascar depuis la fin des

années 80, avec l’appui de plusieurs bailleurs de fond comme la Banque Mondiale,

l’Agence Française pour le Développement, la Coopération Allemande, le

PNUD/FENU, l’Union Européenne, etc. Au début, son objectif principal était de

combler les insuffisances et les défaillances des services bancaires en milieu rural.

Actuellement, des nombreuses Institutions de Microfinance opèrent dans les zones

urbaines notamment dans la capitale.

Le secteur de la microfinance à Madagascar comprend essentiellement quatre

types d’organisations :

- les institutions à « base de membres » et/ou autogérées, majoritairement

mutualistes, qui pratiquent la collecte de l’épargne et l’octroi de crédit à leurs

membres ;

- les institutions à « base de clients » qui sont des organisations ayant comme

activité principale la distribution de crédit et qui ne lient pas l’emprunt à la

constitution d’une épargne préalable ;

- les ONG ou associations qui ne font pas du crédit leur activité principale, le

crédit étant souvent considéré comme une composante parmi d’autres.

- les projets de développement à « volet crédit »

Aucune des sept banques commerciales à Madagascar n’a implanté un volet

microfinance en son sein. Par contre, le changement de statut de la Caisse

d’Epargne de Madagascar (CEM), d’un Etablissement Public Industriel et

Commercial (EPIC) en une Société Anonyme (SA) depuis 2003, va lui permettre

d’offrir des services de microfinance en accordant des crédits directement au

particulier ou des financements des Institutions de Microfinance.

159

Trois réseaux à base de membres et/ou autogérées sont actuellement en

activité et interviennent dans la capitale malgache. Leur champ d’action est étendu

dans nombreuses villes autres que la capitale. Par manque d’information, les

statistiques correspondantes à la seule ville d’Antananarivo n’ont pas pu être

distinguées. Le Tableau 45 donne une récapitulation des activités de la microfinance

à Madagascar.

- Le réseau CECAM (Caisse d'Epargne et de Crédit Agricole Mutuelle) : Il opère

essentiellement en milieu rural. Composé de huit Unions Régionales dans tout

Madagascar au 31 décembre 2003, ce réseau comptait 169 caisses de base

avec 57 783 adhérents. Il occupe la première place en termes d’octroi de

crédit avec un encours de 42 milliards de Fmg

- Les réseaux des OTIV (Ombona Tahiry Ifampisamborana Vola). Ils

interviennent dans trois provinces de Madagascar. Composé de cinq réseaux

distincts et indépendants au 31 décembre 2003, ils comptaient 112 caisses et

regroupaient 100 435 membres, soit plus de la moitié de l’effectif total

d’adhérents des IMF à base de membres. En ce qui concerne l’octroi de

crédit, ils se trouvent en deuxième position avec un encours de 30 milliards

Fmg.

- L’ADéFi (Action pour le Développement et de Financement des micro-

entreprises) : il opère surtout en milieu urbain. A la fin de l’année 2003, il

comporte huit antennes régionales implantées dans quatre chefs lieux de

province (dont Antananarivo) et quatre autres grandes villes. Concernant

l’octroi de crédit, cette institution est classée au troisième rang des IMF avec

un encours de crédit total de l’ordre de 21,5 milliards de Fmg.

La SIPEM S.A. (Société d'Investissement pour la Promotion des Entreprises à

Madagascar) est la seule institution à « base de clients » opérant dans la ville

160

d’Antananarivo et de ses environs. En 2003, la SIPEM a octroyé 12,5 milliards Fmg

de crédits à 753 clients.

Parmi les quinzaines d’ONG ou associations ayant un volet crédit, on retient

essentiellement EAM (Entreprendre à Madagascar). Il intervient surtout en milieu

urbain dans quelques régions du pays. En 2003, l’encours de crédit est à 3 milliards

de Fmg.

Les « volets crédit » des projets de développement sont en voie de disparition.

Mais on distingue encore le PSDR (Programme Sectoriel pour le Développement

Rural) sur financement de la Banque Mondiale (106 millions de dollars US en 6 ans

depuis 2002). Des réformes ont été apportées depuis le début de l’année 2003 sur

l’approche du projet pour mettre l’accent sur des collaborations et synergies avec des

institutions de microfinance.

L’offre des IMF intervenant à Madagascar présente les caractéristiques

suivantes :

- En milieu urbain, les montants moyens des prêts ADéFI et SIPEM varient

entre 4,6 et 16 millions de Fmg (le plafond de crédit atteint 100 millions Fmg

pour les Micro et Petites Entreprises et PME), ceux des ménages pauvres

touchés par les ONG ou associations varient entre 50 000 Fmg à 400 000

Fmg. Ces crédits sont essentiellement destinés aux secteurs

productifs (agriculture, industrie de transformation, pêche, élevage,

commerce, activités de transport, artisanat). Cependant, des prêts

d’équipement (acquisition de petits matériels, location-vente mutualiste,

amélioration de l’habitatd) connaissent un début de financement et certains

prêts sont accordés pour des besoins sociaux ou de consommation.

161

- La durée des crédits n’excède généralement pas 12 mois. Elle varie en

fonction du cycle de production et le type d’activité financé. Cependant, les

réseaux ADéFi et CECAM peuvent octroyer des prêts d’une durée atteignant

respectivement 36 et 72 mois

- Les garanties exigées par les IMF sont variables : épargne bloquée, caution

solidaire

- Les taux d’intérêt nominaux affichés varient entre 2% et 4% par mois

- Les produits d’épargne sont peu diversifiés : ils sont à vue et à terme. Les

dépôts à vue qui constituent la plus grande partie de l’épargne mobilisée ne

sont pas rémunérés tandis que les dépôts à terme sont rémunérés dans une

fourchette entre 3% et 6% l’an par certaines IMF.

I.2.5.5.2. Niveau de satisfaction des opérateurs vis-à-vis des

IMF

Selon les déclarations des opérateurs dans le secteur informel, l’offre en

microcrédit actuelle est très loin d’être suffisant pour répondre à leurs besoins aussi

bien en quantité qu’en qualité.

Le caractère de proximité des IMF est remis en cause. Une grande partie

(53,5%) des opérateurs du secteur informel à Antananarivo ignore l’existence de ces

Tableau 45 : Prestations des IMF à Madagascar au 31 décembre 2003

IMF « à base de membres » et/ou autogérées

institutions « à base de clientèle »

Nombre de caisses / agences de base

380 -

Nombre de membres 179 497 -

Encours des dépôts 99,3 milliards Fmg -

Nombre de clients actifs 36 994 10 991

Encours des crédits 97 milliards Fmg 9,1 milliards Fmg

Crédits en souffrance 8,07 milliards Fmg (8,3% de l'encours de crédit)

752,3 millions Fmg (8,2% de l'encours de crédit)

Sources : APIFM (les statistiques concernent les réseaux CECAM, OTIV, TIAVO, AECA et ADéFI). AIM (les statistiques concernent trois institutions : APEM, SIPEM et VOLA MAHASOA)

162

institutions. Et même ceux qui ont déclaré avoir déjà entendu parler des IMF, leur

niveau de connaissance reste très superficiel : moins de 22% des opérateurs sont

bien informés des services et des prestations des IMF. Les médias (la publicité,

dépliants, affiches, radio ou télévision) constituent la source d’information principale

des opérateurs (48% des cas), mais la « bouche à oreille » a une importance

particulière dans le secteur informel (41% des cas). Néanmoins, le niveau de

connaissance des opérateurs sur les IMF s’est nettement améliorer, puisque moins

de 13% des UPI connaissent des IMF en 1998 et moins 30% en 2001.

De plus, selon les déclarations des opérateurs, les IMF sont implantés loin de leur

lieu de résidence. Ainsi, pour ceux qui connaissent des IMF, moins de 20% d’entre eux

ont vu une antenne de ces institutions dans le quartier où ils habitent et plus de 21%

d’entre eux précisent que les institutions qu’ils connaissent se trouvent en dehors de la

ville d’Antananarivo.

Concernant les prestations offertes, elles sont très loin d’être satisfaisantes vis-à-

vis des besoins réels des opérateurs. Parmi ceux qui ont une bonne connaissance des

IMF, seuls 14,5% ont décidé de déposer une demande de crédit auprès d’une d’entre

elles. Les autres (plus de 8 opérateurs sur 10) n’ont pas encore entamé la démarche pour

diverses raisons. Ils évoquent le plus souvent (28%) que les gages ou hypothèques

exigés sont trop importantes. Ensuite, certains (18%) se plaignent de la complexité des

procédures à suivre. Une minorité, mais loin d’être négligeable (15%) pensent que le taux

d’intérêt est encore trop élevé par rapport à leur capacité.

Le taux de refus est aussi important. Parmi les UPI ayant cherché à obtenir un

crédit de la part d’une IMF, seules 39,7% y sont parvenu (soit 1,2% de l'ensemble

des UPI). Les autres n'ont pas vu leur demande satisfaite en raison d’un manque de

garanties (22% des cas), d’un dossier incomplet (9,6% des cas) ou encore d’un

apport personnel insuffisant (7,5% des cas) (dans la moitié des cas, le motif du refus

est inconnu). Tous ces motifs confirment les difficultés rencontrées par les

opérateurs du secteur informel pour accéder aux microcrédits.

163

Conclusion

Les besoins en microcrédits du secteur informel sont justifiés par l’importance

de la place occupée par ce secteur dans le développement économique et dans la

lutte contre la pauvreté. Les résultats de notre étude ont montré les particularités du

cas d’Antananarivo. Le secteur informel y est loin d’être une simple réserve

temporaire de main d’œuvre pour le secteur formel. Les chefs d’unités de production

du secteur informel se sentent plus en confiance par rapport à leurs homologues du

secteur formel et souhaitent pérenniser leur activité.

Le secteur informel constitue un secteur d’activité à part entière dans le

système économique et suit une dynamique indépendante de celle du secteur

formel. La multiplication des unités de productions croît avec un rythme soutenu et

continue à absorber la plus grande partie de l’offre de travail sur le marché. Tout cela

s’effectue dans le respect et la consolidation des réseaux de solidarité sociaux. Sur

le plan macroéconomique, le poids de la valeur ajoutée du secteur informel dans le

PIB est relativement important. De plus, vu sa contribution fiscale actuelle et son

comportement favorable à la coopération avec l’administration, ce secteur constitue

un gisement potentiel non négligeable pour l’Etat.

Cependant, l’accès aux microcrédits ne tient pas la première place des aides

souhaitées par les opérateurs du secteur informel. Leurs principales préoccupations

sont surtout les problèmes liés à écoulement de la production. Selon eux, le manque

de clientèle et la forte concurrence constituent des obstacles majeurs au

développement de leurs activités. Ils entraînent une baisse de la productivité et une

sous- utilisation de la capacité de production, responsables des faiblesses

enregistrées dans le secteur informel, à savoir le sous emploi, la précarité des

activités surtout féminines et la faible capacité d’accumulation.

164

Les besoins en microcrédits dépendent essentiellement du type d’activité. Le

nombre de demandeurs de crédit et son utilisation sont fonction de l’extension ou de

l’intensification de la production. Les besoins varient suivant le niveau de saturation

et la structure de la demande adressée à la branche d’activité.

Globalement, malgré l’essor enregistré par la microfinance depuis la fin des

années 80, les prestations des IMF restent largement insuffisantes et les opérateurs

économiques éprouvent quelques insatisfactions : méconnaissance et éloignement

physique des IMF, insuffisance du volume global des crédits octroyés, inadaptation

des services offerts.

Tous ces phénomènes remettent en cause certains principes sur le

financement des activités informelles, malgré l’impact positif observé des

microcrédits aussi bien sur les performances économiques des unités de production

informelles que sur les conditions de vie des ménages bénéficiaires.

Un changement dans l’attitude des Institutions de microfinance serait

souhaitable pour le développement du secteur informel. En effet, leur objectif

principal a toujours été la pérennité et la viabilité financières de leurs opérations,

sans se soucier de l’impact économique réel engendré. Désormais, leurs principales

préoccupations devraient mettre au centre du dispositif les « unités de production

informelles ». Une étape est indispensable avant l’attribution du crédit, afin de mieux

connaître l’emprunteur, de mieux comprendre son comportement économique et

d’identifier ses faiblesses et les obstacles qu’il pourrait rencontrer. D’autres

indicateurs comme l’évolution du chiffre d’affaire, le nombre d’employés et le niveau

de vie des unités bénéficiaires sont nécessaires pour évaluer l’efficacité des

opérations.

La satisfaction des besoins en microcrédits pour le développement du secteur

informel nécessite un meilleur ciblage et une meilleure coordination des interventions

pour optimiser l’utilisation des ressources financières disponibles. Les

165

recommandations suivantes pourraient être proposées pour rendre plus efficaces les

actions des IMF :

- adapter l’offre de crédit en fonction du type d’activité en tenant compte des

problèmes d’écoulement de la production :

o crédit d’intensification de la production (achat de matières premières,

multiplication des machines, amélioration du local) pour les secteurs où

la contrainte de débouché est moins importante. On peut citer la

« confection », la « restauration » et les industries autres que l’ « agro-

alimentaire »

o crédit d’extension de la production (diversification des produits,

exercice d’un nouveau type d’activité) pour les secteurs où la

production est déjà plus ou moins saturée. On peut citer le

« commerce », l’ « agro-alimentaire » et le « transport »

- Favoriser le financement à des groupements ou associations de producteurs

et promouvoir le crédit à caution solidaire pour que les UPI puissent profiter

des effets bénéfiques du regroupement sur l’accès aux grosses commandes

et les approvisionnements en grandes quantités

- être beaucoup plus proche de la population en multipliant les antennes

décentralisées dont les attributions principales consistent à :

o mener des campagnes de sensibilisation auprès de la population pour

faire connaître sur les produits financiers : ses spécificités par rapport

aux crédits bancaires, les conditions d’accès et de remboursements,

o réaliser le suivi des activités financées,

o contrôler l’utilisation effective des crédits

166

- Mettre en place un système d’évaluation périodique et indépendante de la

structure de financement

Malgré le caractère descriptif des besoins en microcrédits, notre étude a pu

déboucher à des éléments de réponses aux problématiques définies. Ces résultats

appellent à des analyses beaucoup plus approfondies. Parmi les nombreuses pistes

intéressantes, un essai de modélisation de la demande en crédits des unités de

production informelles à Antananarivo est possible.

167

II. La volonté de faire enregistrer son entreprise informelle

à Madagascar : Quelles implications sur les stratégies de

l’Administration publique ?

Introduction

Le temps de l’ignorance mutuelle entre le secteur informel et l’Etat semble

faire déjà partie de l’histoire. La nouvelle vision sur ce secteur consiste à le

considérer comme une composante à part entière du système économique national

et comme un levier non négligeable pour le développement et la lutte contre la

pauvreté dans les pays en développement. Les activités du secteur informel sont

opérées en dehors du système de régulation en vigueur. En d’autres termes,

l’exercice de ces activités n’est pas conforme à la législation ou aux obligations

administratives, notamment celle de l’affiliation aux registres administratifs.

Le non enregistrement constitue un facteur favorisant la précarité voire la

pauvreté, dans la mesure où la main-d’œuvre d’une unité de production est exclue

du système de protection sociale, du dialogue social et des pouvoirs de décision. Il

limite l’efficacité des politiques fiscales mises en œuvre. La faible couverture du

fichier des contribuables induit une inéquité dans le système fiscal et rend plus

coûteuse et incomplète la gestion et la collecte des impôts. La faiblesse des recettes

fiscales réduit les marges de manœuvre de l’Etat pour fournir les infrastructures

économiques et les services publics de base, ce qui accroit leurs coûts de

transaction, diminue la productivité des firmes et augmente la pauvreté en termes de

« capabilities ». A ces problèmes du côté de l’offre de services publics, on peut

ajouter d’autres problèmes du côté de la demande. Le non enregistrement implique

l’inaccessibilité ou la sous-utilisation des biens et services formels comme la

communication (publicité), la justice, les produits financiers formels et le marché

168

formel (approvisionnement, vente ou sous-traitance). De ce point de vue, le non

enregistrement peut être considéré comme un facteur de production de moins à la

disposition de l’unité de production. Cette privation favoriserait l’apparition de deux

phénomènes néfastes pour l’ensemble de l’économie. D’une part, le comportement

de « free rider » pourrait surgir chez bon nombre d’opérateurs : ceux du secteur

formel, qui sont conscients du traitement inégalitaire des contribuables et ceux du

secteur informel, qui cherchent des moyens pour bénéficier des biens publics sans

participer à leur financement. D’autre part, on pourrait assister à la prolifération des

institutions informelles telles que les usuriers et les associations de protection à

caractère illicite, voire mafieuse auxquelles les unités de production non enregistrées

pourraient être contraintes de faire appel pour substituer aux biens et services

publics ou formels.

La question cruciale à laquelle les décideurs politiques s’efforcent de trouver

une réponse est donc : comment attirer davantage les petits opérateurs non

enregistrés à régulariser leur situation? Dans le but d’aider l’administration, cette

étude tente d’identifier les instruments grâce auxquels elle pourrait agir et de lui

proposer des axes stratégiques et des actions à entreprendre pour arriver à relever

ce défi. Ces recommandations découlent de l’analyse des déterminants de la volonté

des opérateurs informels de nouer des contacts avec l’administration.

La méthodologie utilisée ici est basée sur un modèle de comportement de

type logistique. Elle est conçue pour analyser les facteurs pouvant jouer, toutes

choses égales par ailleurs, sur la probabilité qu’un opérateur informel affiche la

volonté d’inscrire son unité de production dans des différents registres administratifs,

et donc de respecter la loi. Cette variable d’intérêt est mieux appropriée à la

problématique d’attirer des activités non encore enregistrées et plus valable sur le

plan économétrique par rapport à la variable indiquant le statut d’enregistrement

effectif de l’unité de production très souvent mobilisée dans d’autres études

empiriques traitant du même thème. En effet, le risque d’apparition du problème

d’endogénéité augmente si on prend comme variable d’intérêt l’affiliation effective

d’une unité de production à des registres administratifs, puisque cet enregistrement

169

est à même d’agir sur ses caractéristiques économiques ou démographiques. En

outre, étant donné que l'enregistrement effectif des différentes unités de production

se sont déroulés à des dates très variables, l’introduction dans le modèle de

variables explicatives qui peuvent évoluer dans le temps donne des résultats

fortement biaisés et difficilement interprétables. Le modèle ne se limite pas aussi aux

variables explicatives liées aux caractéristiques des unités de production, mais prend

en compte l'influence des facteurs liés à la gouvernance. Cela devrait permettre aux

services publics non seulement de bien cerner les entreprises à cibler et leurs

caractéristiques mais aussi et surtout d’établir des stratégies d’action à adopter et

des reformes à mener auprès de l’administration elle-même. En effet, outre le niveau

relativement élevé du coût d’opportunité de la légalisation de l’activité, la

méconnaissance de la législation relative aux activités économiques, l’inaccessibilité

des informations montrant les bénéfices procurés par l’affiliation aux registres

administratifs, l’inefficacité de l’administration publique et la corruption subie

constituent les principales causes potentielles du non enregistrement.

L’étude se focalise sur le cas du secteur informel à Antananarivo. Les bases

de données mobilisées sont issues de la série d’enquête effectuée au cours des

années 2001 et 2004, ce qui permet d’analyser les changements structurels

survenus après la résolution de la crise politico-économique de 2002.

Après la partie introductive, un bref aperçu de la littérature relative aux

déterminants de l’enregistrement des activités fait l’objet de la deuxième partie. Puis,

dans la troisième partie, une description détaillée de l’enregistrement des unités de

production à Antananarivo est présentée. Les résultats empiriques sur les

déterminants de la volonté des opérateurs informels de se faire enregistrer auprès de

l’administration sont exposés dans la quatrième partie. Et, enfin, la conclusion

propose des recommandations à destination des décideurs politiques en matière de

stratégies d’enregistrement des activités économiques.

170

II.1. Revue de littérature

L’absence d’enregistrement des activités économiques est un des critères

internationaux définissant le secteur informel. Deux approches fondées sur deux

pensées économiques différentes sont les plus connues : l’approche néo-libérale et

l’approche structuraliste.

L’approche néo-libérale (dont Hernando de Soto 1994 ; Johnson, Kaufman et

Zoido-Lobaton, 1998), est le pionnier, condamne les « mauvaises lois » utilisées par

les hommes politiques pour conserver la main mise sur l’économie qui crée des

problèmes « tant dans l’informalité que dans la légalité ». Selon cette approche, on

ne voit dans l’intervention de l’Etat sur les activités économiques qu’une forme de

confiscation de la liberté individuelle d’exercer une activité et un mécanisme

empêchant d’atteindre la production optimale. Le non enregistrement n’est que le

reflet de la volonté délibérée des opérateurs économiques de fuir ce joug et de

retrouver leur liberté. Ainsi, une bonne partie des opérateurs tourne le dos à l’Etat et

affiche catégoriquement leur réticence vis-à-vis des registres administratifs. Ils

cherchent à échapper au poids de la légalité quitte à adopter de nouvelles stratégies

productives pour maximiser leur profit (filialisation des activités, augmentation de

l’intensité en capital au détriment du travail, etc.).

Dans cette optique, le respect du « droit » génère un fardeau supplémentaire

à tous les opérateurs qu’ils soient dans la légalité ou non. Les entreprises formelles

supportent les « coûts de la légalité » comportant à la fois les « coûts d’accession à

la légalité » et les « coûts de durabilité ». Les unités de production informelles

supportent les « coûts de l’informalité » comprenant les « coûts pour échapper aux

sanctions », les effets négatifs induits par « l’absence de droits de propriété » et les

effets négatifs dérivés de « l’incapacité à utiliser le système contractuel ».

171

Les tenants de cette pensée néo-libérale proposent que l’objectif fiscal de

l’enregistrement des activités pour alimenter les ressources communes disparaisse :

mieux vaut donner à chacun les moyens d’atteindre ses propres objectifs plutôt que

de collecter des moyens pour des projets communs. La fonction publique doit être

« simplifiée » ou « débureaucratisée » et « décentralisée ». Les activités

économiques doivent être déréglementées en ce sens que l’Etat doit s’y désengager

totalement.

L’approche structuraliste (Tokman, 1992 et 2007 ; Maldonado, 1995) prône à

l’inverse que, bien que la législation et les régulations des activités économiques ne

soient pas adaptées au secteur informel, la meilleure solution n’est pas de les

supprimer, mais plutôt de les améliorer. Elles sont jugées utiles pour protéger les

intérêts communs de l’ensemble de l’économie et pour permettre de réaliser les

projets communautaires avec les ressources collectives. Ainsi, conscients de

l’importance du rôle de l’Etat, une composante non négligeable d’opérateurs ne

refuse pas de coopérer avec lui. Le non enregistrement apparait alors comme

indépendant de la volonté des opérateurs et résulte en grande partie des contraintes

administratives, économiques, sociales et géographiques.

L’étude menée dans le cadre du Programme Régional sur l’Emploi pour

l’Amérique Latine et les Caraïbes (PREALC) initié par l’Office International du Travail

(OIT) (Tokman, 1992) met l'accent sur la complexité des procédures ainsi que la

lenteur administrative concernant l’enregistrement des activités. Elle décrit les

nombreuses étapes à suivre par les opérateurs pour enregistrer leurs activités afin

de pouvoir démarrer en toute légalité. Elle montre que, finalement, la plupart des

activités du secteur informel ne sont ni entièrement légales ni entièrement illégales,

mais se situe dans une « zone grise ».

Selon cette théorie, le taux d’enregistrement diminue quand le degré de

contrôle des autorités ou de lourdeur administrative s’accroît et augmente en fonction

de l’importance des bénéfices attendus. Il varie selon le niveau de « visibilité » de

172

l’activité. Le taux d’enregistrement des activités commerciales est ainsi relativement

élevé par rapport à celui d’autres branches d’activités puisqu’elles sont relativement

faciles à localiser et leur dépendance vis-à-vis des produits ou marchés formels est

relativement importante. De plus, quelle que soit la branche d’activité considérée, la

taille de l’unité de production influe positivement sur la probabilité d’être enregistré.

Des contraintes économiques peuvent aussi conduire à la faiblesse du taux

d’enregistrement. En effet, la saturation du marché due à la faiblesse du pouvoir

d’achat de la population, l’insuffisance de ressources et la difficulté d’accès aux

infrastructures économiques limitent l’échelle d’activité des unités de production.

Comme on est dans le cas d’activités familiales où la fonction de production et la

fonction de consommation sont fortement liées, cette situation réduit le revenu

disponible des ménages des propriétaires ne leur permettant pas d’honorer les

obligations vis-à-vis de l’administration publique.

Enfin, d’autres contraintes structurelles telles que le faible taux d'accès à

l'information et l’enclavement ou l’éloignement géographique constituent des causes

potentielles de non enregistrement. Dans la plupart des pays en développement, le

manque d’infrastructure de communication et le faible niveau d’éducation privent une

bonne partie de la population des informations. La forte concentration des services

publics dans les grandes villes exclut d’office les activités rurales des registres

administratifs.

Les défenseurs de l’approche structuraliste recommandent une reforme

structurelle des services d’enregistrement publics pour les rendre plus efficaces et

plus facilement accessibles : délais de traitement de dossier plus courts, services

moins corrompus, plus transparents et moins coûteux (faible coût financier,

procédures plus simples et services plus proches). En ce qui concerne la législation,

l’accent doit être mis sur la lutte contre l’exploitation des groupes vulnérables tels que

les enfants et les femmes dans le secteur informel.

173

II.2. Le modèle

II.2.1. Les hypothèses de travail

A partir de ces fondements théoriques, un certain nombre d'hypothèses de

travail seront testées dans cette étude afin d'essayer de dégager les déterminants de

l’enregistrement des unités de production.

La principale hypothèse de notre étude est que, le plus souvent, le non

enregistrement des activités économiques découle d’une décision motivée à la fois

par des facteurs volontaires « pull » (c'est-à-dire choisis par les opérateurs

économiques qui veulent se mettre en marge de l’administration qu’ils jugent sans

intérêt ou bien nuisible à leur développement), et des facteurs involontaires ou

contraints « push » (c'est-à-dire qui s’imposent aux opérateurs économiques qui sont

conscients de l’utilité de l’enregistrement mais qui ne peuvent pas l’accepter vu leurs

conditions d’activités actuelles). Notre modèle explicatif cherche donc à se situer à la

jonction des deux approches théoriques présentées dans la première section.

La complexité et l’inefficacité de l’administration sont supposées être une

cause potentielle du faible taux d’enregistrement des activités économiques

(Tokman, 2007 ; Giles et Johnson, 2002 ; Schneider et Enste, 2000 ; Johnson,

Kaufman et Zoido-Lobaton, 1998 ; Mead et Morrisson, 1996 ; McPherson et

Liedholm, 1996 ; Maldonado, 1995 ; Braun et Loayza, 1994 ; Klein et Tokman, 1993).

La complexité englobe le nombre d’étapes à franchir et les dossiers à fournir pour

obtenir le plein droit d’exercer une activité, le nombre de types d’impôt et leur mode

de calcul. Par sa volonté d’enregistrer son activité, un opérateur accorde sa

confiance à l’Etat pour la bonne gestion des affaires publiques en général et sur

l’amélioration des performances de son activité en particulier. De ce fait, c’est

l’administration dans son ensemble qui est jugée, et pas seulement les services

d’enregistrement. Corollaire à cela, l’inefficacité comprend plusieurs aspects qui

peuvent influer sur la décision des opérateurs : la mauvaise gestion et l’utilisation

174

inefficace des ressources collectives, l’inaccessibilité des services publics de base,

les coûts trop élevés des services d’enregistrement, la lenteur administrative,

l’éloignement des services administratifs, etc.

Les effets de la corruption subie par les opérateurs sur l’enregistrement de

leurs activités méritent une attention particulière. C’est un aspect important de la

gouvernance qui peut agir sur le comportement des opérateurs, mais dont l’effet sur

leur décision d’affiliation aux registres administratifs n’est pas évident à déterminer.

Cet effet dépend de plusieurs variables objectives et subjectives que sont la

différence entre le coût officiel et le montant réellement payé pour l’enregistrement,

l’efficacité perçue des organes de contrôle, les coûts pour échapper au contrôle, la

capacité financière de l’opérateur, la valeur morale et l’intégrité de l’opérateur. La

corruption peut agir directement sur les coûts de production ou sur le degré de

confiance des opérateurs envers l’administration. En supposant que les organes de

contrôle sont inefficaces et que les opérateurs ont la possibilité d’exercer des

activités en dehors de la légalité, l’existence de la corruption entraîne trois

possibilités : les opérateurs avec de très faibles capacités ne pouvant pas supporter

les coûts pour échapper au contrôle préfèrent rester sans activité ; ceux avec une

capacité moyenne préfèrent opérer dans l’illégalité ; et ceux avec une forte capacité

vont corrompre l’administration pour obtenir l’autorisation légale de travail (Choi et

Thum, 2005). Par ailleurs, si le coût officiel de l’enregistrement est ressenti comme

trop élevé, la corruption peut alors être considérée comme un contrat gagnant-

gagnant entre deux agents privés : une définition de la corruption est en effet l’abus

d’un pouvoir public pour un bénéfice privé (Tanzi, 1998). Ce phénomène touche la

problématique de la détermination d’une taxation optimale en présence d’évasion

fiscale (Dabla-Norris et Feltenstein, 2005) : « trop d’impôt tue l’impôt ».

Comme l’enregistrement des activités relève d’une décision ou d’une opinion

individuelle, l’information y tient un rôle fondamental. Le plus souvent, un opérateur

se trouve dans une situation irrégulière simplement à cause de la méconnaissance

des textes en vigueur. En ce qui concerne l’accès à l’information, plusieurs facteurs

jouent et on peut les analyser sous deux angles différents. Du côté de l’offreur :

175

l’administration diffuse-t-elle suffisamment largement les informations pour couvrir la

majeure partie des opérateurs ? (fréquence, support d’information utilisé, etc.). Du

côté du demandeur : les opérateurs ont-ils la capacité de bien assimiler les

informations diffusées ?, en considérant la possession de radio, la disponibilité en

temps d’écoute, le niveau d’éducation, le langage pratiqué, etc. La bonne circulation

des informations et la transparence dans la gestion de l’Etat aident à fournir une

bonne image de l’administration aux yeux des opérateurs. En plus du problème

d’accès à l’information, son « contenu » est primordial. En effet, deux informations de

nature différente auxquelles un opérateur a pu avoir accès peuvent provoquer des

réactions totalement opposées.

Des facteurs économiques liés aux performances économiques et aux

caractéristiques démographiques des unités de production peuvent influencer la

décision de nouer des contacts avec les registres administratifs ou non. Le

comportement supposé rationnel des opérateurs induit l’apparition de l’« effet de

seuil minimum de coopération » (Maldonado, 1995) au-delà duquel l’enregistrement

des activités est jugé plus rentable, et donc préférable. Pour établir ce niveau

critique, le critère de « visibilité » est très souvent utilisé, incluant la taille de l’unité de

production, le type de local ou le lieu d’activité, le chiffre d’affaires réalisé et le niveau

d’insertion dans le système économique national (transactions ou concurrence

directe avec des établissements formels ; (Klein et Tokman, 1993 ; McPherson et

Liedholm, 1996 ; Dabla-Norris et Inchauste, 2007). La plupart des études empiriques

montrent que plus l’unité de production est « visible » (taille importante, local fixe à

l’extérieur du domicile, chiffre d’affaires important, transactions importantes avec le

secteur formel), plus l’opérateur devrait être prêt à s’inscrire dans les registres

administratifs.

II.2.2. Le modèle

Le modèle tente d’identifier quels sont les facteurs qui peuvent agir sur la

volonté des opérateurs non encore enregistrés de régulariser leur situation, et, en

176

particulier, quelle est l’influence des variables liées à la gouvernance et l’efficacité

des services publics.

Une modélisation de type logit multinomial non ordonné est retenue en

choisissant la variable dépendante Yi comme suit :

Yi = 1 si l’opérateur n’est pas encore enregistré et veut se faire enregistrer,

Yi = 2 si l’opérateur est déjà enregistré sur certains registres et veut se faire

enregistrer sur d’autres registres,

Yi = 3 si l’opérateur ne veut pas se faire enregistrer (qu’il soit déjà enregistré

sur certains registres ou non).

Les variables explicatives du modèle comprennent les vecteurs Xi des

caractéristiques démographiques et économiques de l’unité de production et/ou de

l’opérateur et les vecteurs Gi des variables liées à la gouvernance influençant la

volonté de l’opérateur de se faire enregistrer. Deux modèles sont formulés : un

modèle simple n’incluant que les variables Gi et un modèle complet incluant les

groupes de variables Gi et Xi.

Un effet fixe période a été introduit dans le modèle à l’aide d’une variable

indicatrice spécifiant l’année de l’enquête (2001 ou 2004) afin de capter les

changements structurels survenus au cours de la période 2001-2004. Cette période

est en effet spécifique pour Madagascar aussi bien sur le plan administratif que sur le

plan socio-économique. En effet, en 2002, Madagascar a traversé une crise politique

ayant affecté de plein fouet l’économie dans son ensemble et le secteur formel, en

particulier (grève, barrages anti-économiques, manque de carburants et hausse des

prix, etc.). Après le changement de régime, des mesures ont été prises et qui

concernent directement les activités du secteur informel, comme la création d’un

guichet unique pour la création de nouvelle entreprise, la simplification et

l’élargissement du système fiscal par l’instauration de l’impôt synthétique,

l’assainissement des marchés et des lieux publics, et le renforcement de la lutte

contre la corruption (mise en place du Bureau Indépendant Anti-Corruption ou

177

BIANCO). Les données des deux années ont été empilées. Des techniques

d’estimation avec des données de panel ont par ailleurs été testées, mais ont dû être

abandonnées compte tenu de la faiblesse du nombre d’observations disponibles.

II.2.3. Estimation du modèle

II.2.3.1. Bases de données utilisées

Les données utilisées pour cette étude sont issues de la série d’enquêtes sur

le secteur informel « enquêtes 1-2-3 » initiée par DIAL/IRD et réalisée à

Antananarivo, la capitale de Madagascar, en 2001 et 2004 (Rakotomanana, 2004b).

C’est une enquête de type mixte effectuée en plusieurs phases. La première phase

est une enquête sur l’emploi auprès de 3 000 ménages. Cette phase a pour objectifs

d’une part d’appréhender les conditions d'activité et le fonctionnement du marché du

travail et d’autre part d’identifier les individus dirigeant une unité de production dans

le secteur informel. En plus de tous les indicateurs statistiques du marché du travail

et des caractéristiques des ménages, cette première phase sur l’emploi a été

accompagnée d’un module qualitatif sur la perception de l’administration et de la

gouvernance du pays par les citoyens. Ce module est adressé à un individu pris au

hasard parmi les membres âgés de 18 ans et plus présents dans chaque ménage de

l’échantillon. La deuxième phase est une enquête auprès de 1 000 unités de

production informelles parmi celles identifiées lors de la première phase de l’enquête.

Elle traite de manière complète les caractéristiques et performances de l’unité de

production, comme sa démographie, sa production (branche de production, matière

première, charges), ses facteurs de production (travail, capital), ses investissements

et son financement, son insertion dans le circuit économique, ses problèmes et ses

perspectives. En outre, des modules qualitatifs sur l’environnement économique tels

que les structures d’appui aux microentreprises, la microfinance et la relation avec

l’Etat figurent dans le questionnaire de la deuxième phase. Ces bases de données

permettent de dégager la nature des liens institutionnels que le secteur informel

entretient avec l'Etat.

178

II.2.3.2. Informalité et non enregistrement

Dans cette étude, l’informalité et le non enregistrement sont deux notions bien

distinctes. L’enregistrement n’est qu’une composante de la définition du secteur

informel. En effet, deux critères, l’un à caractère administratif et l’autre à caractère

technique ou économique, ont été retenus pour définir une activité informelle. Une

unité de production est considérée comme « informelle » si elle ne possède pas un

numéro statistique ou si aucune comptabilité écrite formelle (ayant une valeur

juridique) n’est utilisée dans sa gestion financière. De plus, pour le cas de

Madagascar, l’enregistrement ne se résume pas seulement à la possession de

numéro statistique (voir encadré pour les démarches légales d'enregistrement à

Madagascar). Il existe quatre autres registres administratifs sur lesquels toutes (ou

certaines) les unités de production doivent être inscrites : le registre du commerce, la

patente, la carte professionnelle et enfin la Caisse Nationale de Prévoyance Sociale

(CNaPS) (à laquelle l’affiliation n’est pas obligatoire pour toutes les unités de

production n’employant pas de salariés). Etant donnée la multiplicité des formes

d'enregistrement existant à Madagascar, la non affiliation de la grande majorité des

unités de production informelles au registre de la statistique n'implique pas

nécessairement la non jouissance de reconnaissance juridique de la part de

l'administration du secteur informel.

179

Démarche pour l’enregistrement d’une unité de production à Madagascar

Lors de sa création, toute unité de production non constituée en société est censée suivre un

certain nombre de démarches officielles pour obtenir un statut légal. Tout d’abord, l'entrepreneur doit

se déclarer auprès du Fokontany1 dans lequel son établissement est localisé. Puis, il est censé remplir

une déclaration d'existence aux contributions et payer la patente, puis demander une carte statistique

à l'INSTAT. Ensuite, il retourne aux contributions afin d'obtenir sa carte professionnelle (plus connue

sous le nom de « carte rouge »), qui devra être renouvelée chaque année et lui donnera la possibilité

de se fournir chez les grossistes. Enfin, il peut s'inscrire au Registre du Commerce, ce qui lui

permettra de recourir au système judiciaire en cas de litige, et de se faire connaître en apparaissant

au Journal Officiel.

Si ces démarches sont obligatoires pour toute activité marchande, les autres registres que

nous avons identifiés ne sont nécessaires que dans certains cas. Ainsi, l'affiliation à la CNaPS est liée

à l'emploi de salariés dans l'établissement.

II.2.3.3. Choix des variables du modèle

La variable indiquant la volonté d’un opérateur de se faire enregistrer est

obtenue à partir de la réponse à la question suivante : « Êtes-vous prêt à enregistrer

votre activité auprès de l’administration ? ». L’administration est une notion assez

large qui englobe tous les services publics responsables des différents registres

administratifs des activités : institut de la statistique, service des impôts, caisse

nationale de prévoyance sociale, tribunal administratif, chambre d’industrie et de

commerce, commune. Cette question est adressée à tous les chefs d’unité de

production de l’échantillon, y compris ceux qui sont déjà inscrits sur certains

registres. Pour ces derniers, on leur demande s’ils veulent aller jusqu’au bout du

processus d’enregistrement en s’affiliant à d’autres registres. Trois modalités de

réponse sont prévues : Oui, Non, Ne sait pas. Il faut mentionner qu’une instruction

stricte a été donnée aux enquêteurs de ne fournir aucune information sur la

législation en matière d’enregistrement des activités économiques. La variable

d’intérêt de l’étude prend les quatre modalités suivantes :

1 Désigne la plus petite délimitation administrative territoriale à Madagascar

180

1 : si la réponse à la question est « oui » et l’établissement n’est encore affilié

à aucun registre administratif

2 : si la réponse à la question est « oui » et l’établissement est déjà affilié

seulement à certains registres administratifs

3 : si la réponse à la question est « non », quel que soit le statut

d’enregistrement aux différents registres.

4 : si la réponse à la question est « ne sait pas » », quel que soit le statut

d’enregistrement aux différents registres.

Pour éviter les biais induits par la modalité « ne sait pas » liés notamment à

son interprétation, les individus l’ayant déclaré dans leur réponse ont été exclus de

notre étude. Cela ne cause aucun problème majeur sur la représentativité de

l’échantillon restant dans la mesure où ces individus ne représentent qu’une

proportion relativement faible de l’échantillon initial (5% en 2004 et 10% en 2001).

Cette variable est plus appropriée à la problématique qui est la nôtre d’attirer

la régularisation des activités non encore enregistrées par rapport à la variable

indiquant le statut d’enregistrement effectif de l’unité de production très souvent

mobilisée dans d’autres études empiriques traitant du même thème, car notre

démarche privilégie davantage l’incitation et le volontariat que la répression. De plus,

ce choix permet d’éviter des problèmes d’ordre technique déjà évoqués dans la

partie introductive. De façon générale, les travaux académiques incorporant

directement les opinions subjectives émises par les entreprises sont peu fréquents,

exceptés pour l’analyse conjoncturelle et la prévision, et tout récemment pour la

mesure du bien-être (Sen et Stiglitz, 2009). Il existe une certaine réticence vis-à-vis

de l’utilisation de telles données statistiques qui s’explique souvent par le problème

effectif de la mesure et l’approximation d’une opinion subjective via un indicateur.

C’est pour cette raison que beaucoup de précautions ont été prises dans toutes les

étapes de l’enquête que sont la conception du questionnaire, la formation des

enquêteurs, le contrôle de la collecte, la saisie et l’apurement des données

(Rakotomanana, 2004a).

181

Les variables explicatives qui suivent comprennent, d’une part, les variables

liées à la gouvernance ou à l’environnement économique, et, d’autre part, celles liées

aux caractéristiques démographiques et économiques de l’unité de production.

Efficacité des services publics

- La variable indicatrice indiquant l’accès aux biens et services publics dans le

lieu de travail comme l’eau, l’électricité, le téléphone va capter, d’une part, l’efficacité

de l’administration dans la gestion des ressources collectives en faveur des activités

économiques en contrepartie des coûts de l’enregistrement et des impôts. Cette

variable devrait avoir une influence positive sur la volonté de se faire enregistrer.

- La variable indicatrice indiquant l’expérience vécue de corruption d’un membre

du ménage au cours des 12 derniers mois sert à évaluer la situation de l’opérateur

face à la corruption. On peut s’attendre à ce que cette variable ait une influence

négative sur l’enregistrement des activités. Mais compte tenu des motifs présentés

dans la partie précédente, des résultats contre-intuitifs pourraient apparaître.

- Les variables indicatrices indiquant les problèmes rencontrés ou les obstacles

au développement évoqués par le chef d’unité de production sont introduites dans le

modèle pour connaître le type de problèmes qui influencent les stratégies des

opérateurs vis-à-vis l’Etat. Cinq variables indicatrices ont ainsi été construites,

relatives respectivement au manque de clientèle, à l’accès limité au crédit, au local

d’activité inadapté, aux autres types de problème. La catégorie de référence est

« aucun problème déclaré ».

- La variable « période », qui n’est autre qu’une indicatrice de l’année 2004 en

référence à 2001, permet de dégager, d’un côté, les effets des changements macro-

économiques et des réformes structurelles mises en place telles que la création d’un

guichet unique pour la création de nouvelle entreprise, la simplification du système

fiscal (impôt synthétique), l’assainissement des marchés publics, la lutte contre la

corruption et, de l’autre côté, la dégradation des performances des entreprises et du

pouvoir d’achat suite à la crise politico-économique malgache de 2002. La situation

182

était tellement complexe qu’on ne peut pas faire une hypothèse sur l’influence de

cette variable sur la volonté de faire enregistrer une unité de production.

Accès à l’information

- La variable indicatrice signalant si l’individu suit les journaux d’informations

dans les médias (écrits, radiophoniques, télévisés) cherche à saisir l’accès à

l’information. Les modalités de réponses dans le questionnaire permettent de

prendre en compte à la fois le degré de couverture du service de communication, le

niveau d’intérêt de l’individu pour les informations, ses contraintes personnelles

(disponibilité en temps, possession de radio ou télévision, moyens d’acheter les

journaux). L’effet de cette variable sur l’enregistrement devrait être significativement

positif, même si elle ne renseigne en rien sur le contenu des informations transmises.

- La variable indiquant le niveau d’éducation atteint tente aussi de capter la

capacité intellectuelle d’analyse des informations économiques et d’en déduire les

utilités de l’enregistrement des activités au niveau individuel et collectif (McPherson

et Liedholm, 1996).

- La variable indicatrice signalant si l’opérateur a suivi ou non des formations

professionnelles formelles sur le métier exercé peut elle aussi approcher l'effet du

contenu des informations. Elle renvoie aussi et surtout au niveau de capital humain

accumulé, en supplément de la formation initiale. En considérant que ce type de

formation est susceptible de fournir des connaissances supplémentaires sur les

avantages et les inconvénients d’être enregistré, et d’améliorer le niveau de

compréhension de la législation, on peut anticiper que son influence sur

l’enregistrement des activités devait être positive.

- La variable indiquant le niveau d’éducation atteint tente aussi de capter la

capacité intellectuelle d’analyse des informations économiques et d’en déduire les

utilités de l’enregistrement des activités au niveau individuel et collectif (McPherson,

Liedholm, 1996).

- La variable indicatrice signalant si l’opérateur a suivi ou non des formations

professionnelles formelles sur le métier exercé peut elle aussi approcher l'effet du

contenu des informations. Elle renvoie aussi et surtout au niveau de capital humain

183

accumulé, en supplément de la formation initiale. En considérant que ce type de

formation est susceptible de fournir des connaissances supplémentaires sur les

avantages et les inconvénients d’être enregistré, et d’améliorer le niveau de

compréhension de la législation, on peut anticiper que son influence sur

l’enregistrement des activités devait être positive.

Visibilité de l’unité de production

- Les variables indicatrices de la branche d’activité sont un bon indicateur de la

« visibilité » en termes de localisation (McPherson et Liedholm, 1996) dans la

mesure où le type de local est spécifique au type d’activité : les activités

commerciales sont de nature à être exposées aux clients donc à être plus visibles

(marché ou voie publique), tandis que les activités industrielles peuvent être

exercées à domicile (couture, menuiserie, etc.). On peut supposer que les activités

commerciales, plus « visibles », ont davantage de chance d’être affiliées aux

registres administratifs.

- La variable indiquant la taille de l’unité de production (en termes d'emplois)

devrait faire ressortir l’impact du degré de « visibilité » de l’unité de production. On

s’attend à ce que l’effet taille soit positif.

Contraintes économiques

- Les variables indiquant le quartile d’appartenance de l’UPI dans la distribution

de la valeur ajoutée du secteur informel permet de savoir si des contraintes

économiques pèsent sur l’UPI, et peuvent rendre impossible le paiement des coûts

d’enregistrements et les taxes afférentes, qui obligent les opérateurs à ne pas vouloir

enregistrer leurs activités. On suppose ainsi que ces variables indicatrices ont des

effets significativement positifs si la catégorie de référence est le quartile le plus

faible.

Caractéristiques démographiques

- La variable indicatrice de l’habitation dans la ville administrative

d’Antananarivo capture deux phénomènes : habiter la capitale signifie avoir une

184

certaine proximité avec les services publics d’enregistrement, et être soumis

potentiellement à un contrôle plus fréquent des organes de surveillance de l’Etat. Elle

devrait avoir un effet positif sur la décision de se faire enregistrer.

- La variable quantitative indiquant l’expérience professionnelle du chef

d’entreprise en matière de gestion d’une unité de production informelle peut avoir un

effet négatif sur la probabilité de vouloir s’affilier aux registres administratifs. D’une

part, plus longue est l’expérience du secteur informel, plus les habitudes et combines

y sont enracinées, et plus la propension à vouloir changer de statut devient faible.

D’autre part, les nouveaux venus dans le secteur informel, plus précaires, ont encore

plus peur d’exercer en dehors de la légalité et probablement plus de raisons de

vouloir enregistrer leurs activités.

- La variable indicatrice indiquant que l’individu est un homme peut montrer

l’influence du genre sur la décision d’enregistrement. Le contact des femmes avec

l’administration est a priori moins fréquent du fait de la place au foyer

traditionnellement attribuée aux femmes et de la surreprésentation des hommes

dans l’administration (Rakotomanana, 2005)2.

-

II.2.3.4. Quelques statistiques descriptives

Dans l'immense majorité des cas, les unités informelles sont inconnues de

l'ensemble des services de l'Etat. En fait, près de huit unités sur dix (74% en 2001 et

79% en 2004) sont totalement inconnues des services publics, c'est-à-dire qu'elles

ne possèdent ni numéro statistique, ni carte rouge, qu'elles ne sont enregistrées ni

au Registre du commerce, ni à la CNaPS, et qu'elles ne paient pas la patente. Si

l'affiliation la plus fréquente correspond à la patente, puis au numéro statistique et à

la carte rouge, les taux d’enregistrement restent faibles (moins de 20% en 2004 et

24% en 2001). Cependant, le refus déclaré de toute collaboration avec les

organismes publics n'est le fait que d'une infime minorité (moins de 8% en 2001 et

moins de 3% en 2004). La situation de non enregistrement est due essentiellement à

2 Plus de six fonctionnaires sur dix sont des hommes selon les résultats de l’enquête annuelle sur l’emploi à Antananarivo en

2004

185

la méconnaissance des obligations juridiques : soit que les chefs d'unité de

production considèrent que l'inscription n'est pas obligatoire, soit qu'ils ne savent pas

auprès de quelle institution il faudrait le faire.

En analysant la volonté des opérateurs informels de faire enregistrer leurs

unités de production, les résultats tendent à remettre en cause en partie la thèse

prétendant que l'informalité proviendrait d'un excès de régulations publiques,

notamment de taux d'imposition excessifs dans le secteur formel, et d'une volonté

délibérée des informels de contourner la législation. En effet, selon le Tableau 46 en

2004, près de deux chefs d’UPI sur trois ont déclaré qu’ils sont prêts à inscrire leurs

établissements sur les registres administratifs ou qu’ils accepteraient de payer l'impôt

sur leur activité : 45% sont encore totalement inconnus de l’administration publique et

20% sont déjà enregistrés mais seulement sur certains registres. Par contre, près de

25% des opérateurs informels repoussent catégoriquement l’idée de se mettre en

contact avec les services d’enregistrement. En 2001, la proportion des non

favorables à l’enregistrement atteignait plus du tiers de l’ensemble des chefs d’UPI.

Le Tableau 47 montre quelques traits caractéristiques des UPI selon la volonté

du chef d’établissement de se faire enregistrer. Les UPI dont le dirigeant ne compte

s’affilier à aucun registre administratif sont en proportion relativement moins élevée à

bénéficier des services publics de base. A peine 40% d’entre elles en 2004 et moins de

46% en 2001 ont accès à l’électricité, l’eau, le téléphone, etc. ; ce sont des proportions

Tableau 46 : La volonté de se faire enregistrer dans le secteur informel (%)

Volonté de se faire enregistrer Année 2001 Année 2004

Veut se faire enregistrer et UPI inconnu de l’Etat 40,5 50,1 Veut compléter le processus d’enregistrement et UPI déjà enregistrée sur certains registres 25,0 22,8 Ne veut pas se faire enregistrer 34,5 27,1 Total 100,0 100,0

Source : INSTAT-DIAL/Enquête 1-2-3 2001, 2004, phase 2, calculs de l’auteur.

186

qui sont nettement inférieures à celles observées pour les autres catégories d’UPI. De

plus, leur niveau d’insertion sur le marché formel reste relativement faible : en moyenne,

seulement moins de 4% des montants de leurs achats en 2004 (moins de 13% en 2001)

se sont effectués auprès des établissements formels.

Les individus inconnus des services de l’Etat et favorables à l’enregistrement de

leur établissement se sentent plus fréquemment touchés par des problèmes

économiques et/ou connaissent plus souvent des obstacles au développement de leurs

activités. On peut mentionner notamment le manque de clientèle, les difficultés d’accès

au crédit et les problèmes liés au local de travail, touchant respectivement 68%, 26% et

30% de cette catégorie d’UPI considérée en 2004. Ces unités sont aussi caractérisées

par le niveau de compétences relativement élevé de leur dirigeant. Bon nombre d’entre

eux ont suivi des formations professionnelles et, en moyenne, ils ont suivi au moins une

année d’études de plus que les dirigeants d’UPI qui ne veulent pas se faire enregistrer.

Les UPI déjà enregistrées sur certains registres administratifs et dont le chef veut

compléter le processus d’enregistrement sont beaucoup plus concentrées dans les

activités commerciales : 48% en 2004 et 53% en 2001. Elles appartiennent à la frange

supérieure du secteur informel en termes de performances économiques. En effet, en

2004, si l’on considère la valeur ajoutée, plus de 61% d’entre elles (58% en 2001) se

trouvent dans le quartile le plus élevé. De plus, elles bénéficient plus souvent des

services publics de base. Plus de sept unités sur dix ont accès à l’électricité, à l’eau ou

au téléphone.

187

Tableau 47 : Caractéristiques socio-économiques des UPI selon la volonté du chef de se faire enregistrer

Année 2001 Année 2004

Veut se faire

enregistrer

Veut compléter l’enregistre

ment

Ne veut pas se faire

enregistrer Ensemble

Veut se faire

enregistrer

Veut compléter l’enregistre

ment

Ne veut pas se faire

enregistrer Ensemble

Ayant accès aux services publics de base (%) 54,4 70,2 46,6 56,0 47,6 70,7 40,3 48,7 Vécu de corruption d’un autre membre du ménage (%) 4,3 3,9 5,6 4,5 3,1 6,6 4,9 4,6

Ayant des problèmes de clientèle (%) 52,7 66,5 50,7 55,1 68,5 82,9 74,0 71,9

Ayant des problèmes d’accès au crédit (%) 22,8 17,0 13,1 18,0 26,3 27,3 18,2 23,0

Ayant des problèmes de local (%) 26,2 21,5 20,1 22,0 30,4 23,7 21,1 24,7

Ayant autres problèmes (%) 43,8 46,6 26,3 37,3 53,0 63,5 37,0 49,1

Ayant accès aux journaux d’information (%) 75,6 86,4 67,9 76,2 88,9 89,7 82,3 87,5

Niveau d’éducation (nombre d’années) 6,8 8,7 6,3 7,1 7,1 8,9 6,1 7,0

Ayant suivi une formation professionnelle (%) 11,5 10,6 5,5 9,3 13,3 20,0 7,8 12,1 Habite dans la ville administrative d’Antananarivo (%) 79,4 84,3 84,1 82,0 77,2 87,7 77,7 80,4

Taille (nombre d’employés) 1,5 2,0 1,3 1,5 1,5 1,8 1,2 1,4

Industrie (%) 36,7 12,3 41,2 32,4 38,4 16,4 35,8 32,6

Commerce (%) 34,1 53,7 29,0 36,6 31,6 47,8 21,9 31,4

quartile_2 de valeur ajoutée (%) 29,7 9,6 32,3 25,2 29,3 11,0 27,7 25,6



Homme (%) 50,9 66,4 48,5 53,6 50,3 62,0 36,3 48,2

Expérience professionnelle (nombre d’années) 7,7 7,2 8,0 7,7 9,3 8,1 9,9 9,3


188

II.2.3.5. Résultats des estimations

Les résultats issus des modèles de régression multinomiale formulés

auparavant sont reproduits dans le Tableau 48. Pour chaque modèle, la catégorie

des chefs d’UPI refusant l’enregistrement de leurs activités constitue le groupe de

référence, les observations ayant pour réponses « ne sait pas » ou manquantes

étant retirées de l’estimation. On observe que les coefficients estimés sont

globalement stables lorsqu’on passe du modèle simple au modèle complet, ce qui

montre la robustesse des estimateurs. L’analyse se concentre surtout sur les

résultats issus du modèle complet.

Les valeurs et la significativité des paramètres estimés montrent de très nettes

différences des déterminants de la volonté d’enregistrement des chefs d’UPI selon

que l’établissement est encore totalement inconnu des services de l’Etat ou qu’il est

déjà inscrit mais seulement sur certains registres administratifs. Comme l’objectif de

l’Etat est avant tout d’identifier et d’intégrer dans les activités non enregistrées dans

le circuit formel, on traitera dans un premier temps le cas des chefs d’UPI totalement

inconnues des services publics.

Déterminants de la volonté de faire enregistrer des UPI totalement inconnues

de l’Etat

Efficacité de l’administration et volonté d’enregistrement des activités

Pour les opérateurs totalement inconnus des services publics, les résultats

issus des estimations montrent clairement que l’enregistrement fait partie des

stratégies d’entreprises adoptées pour faire face à certaines difficultés. Par rapport à

ceux qui ne connaissent aucun problème dans l’exercice de leurs activités actuelles,

les opérateurs ayant ressenti des difficultés d’accès au crédit ou faisant face à

d’autres types de problèmes (à l’exception des problèmes liés à la demande ou au

189

local professionnel) ont une plus forte chance de vouloir enregistrer pour la première

fois leurs unités de production : les probabilités augmentent respectivement autour

de 8% et de 10% pour ces deux catégories d’operateurs. Par contre, les problèmes

liés à la demande les poussent à rester dans l’informalité. Les chefs d’unités touchés

par ce type de problème ont une probabilité de 6% de moins de vouloir se faire

enregistrer.par rapport à ceux qui ne se plaignent d’aucune difficulté.

L’observation du coefficient lié à la variable « période » révèle que, par rapport

à l’année 2001, le passage à l’année 2004 augmente significativement la propension

à vouloir enregistrer son activité. Ce résultat pourrait refléter l'impact des politiques

publiques engagées par le nouveau pouvoir en faveur d'une amélioration du climat

des affaires.

Le facteur lié à la corruption a un impact négatif mais non significatif sur la

probabilité de vouloir s’enregistrer pour les chefs d’UPI, qu’elles soient partiellement

enregistrées ou non. Ce résultat, apparemment contre-intuitif, peut conforter l’attitude

assez tolérante de la population malgache envers la corruption dans certains

domaines bien précis, notamment l’allocation des ressources publiques19 révélée

dans les premiers résultats de l’enquête « Afrobaromètre 2005 », ce qui corrobore

l’importance relativement élevée accordée par les opérateurs sur les actions

concrètes de l’administration en leur faveur, évoquée dans le paragraphe précédant.

La thèse, exposée dans la partie précédente, considérant la corruption comme un

équilibre gagnant-gagnant entre deux opérateurs privés peut être aussi un élément

de réponse. Néanmoins, pour mieux comprendre ce résultat, des études plus

approfondies, prenant notamment en compte le type de corruption, seraient

nécessaires.

19 Selon DIAL – Afrobarometer (2005) : « Les attitudes sont cependant plus permissives en ce qui concerne l’allocation des

ressources publiques. Ainsi, 38% des Malgaches considèrent naturel qu’un officiel ou un agent public choisisse comme lieu

d’implantation d’un projet de développement une zone où habitent ses amis, ses relations ou ses partisans. 35% déclarent que

c’est répréhensible mais compréhensible, tandis que seulement 23% condamnent une telle pratique ».

190

Accès à l’information et volonté d’enregistrement des activités

Le contenu de l’information semble influer davantage que l’« accès » aux

supports d’information. Les coefficients et leurs significativités montrent que le fait

d’accéder aux journaux ou médias et/ou d’avoir un niveau d’éducation élevé n’a pas

d’effets significatifs sur la décision des entrepreneurs. En revanche, l’apprentissage

du métier exercé dans un établissement formel (école professionnelle ou grande

entreprise formelle) y exerce une influence fortement positive : la probabilité de se

faire enregistrer augmente de plus de 13% si le chef d’unité de production a suivi une

formation professionnelle formelle si l’on compare à ceux qui n’en ont pu bénéficier.

Ces résultats mettent en lumière que, jusqu’à maintenant, seules les formations

professionnelles ont pu fournir les connaissances et les « bonnes » informations

relatives à l’organisation et à la gestion des entreprises. Elles sont donc susceptibles

d'avoir sensibilisé et convaincu les opérateurs de rester dans la légalité. De plus,

l’accès à la formation professionnelle témoigne du passé professionnel de l’opérateur

au sein de l’économie formelle, probablement en tant que salarié. Ceci est favorable

à son envie de formaliser son entreprise.

Visibilité et volonté d’enregistrement des activités

En général, les résultats de l’estimation confirment ceux issus de la plupart

des études empiriques traitant du même thème. Les chefs d’établissements plus

« visibles » ont beaucoup plus de chance de vouloir régulariser leur inscription sur

les registres administratifs. En effet, la variable « taille » a un coefficient positif et très

significatif. Un employé supplémentaire fait augmenter de plus de 8% la probabilité

de se faire enregistrer. Par contre, l’effet de la « branche d’activité » n’est pas

significatif. Ainsi, par rapport aux activités de services, on ne peut pas affirmer que

les activités commerciales et les activités industrielles ont plus ou moins de chances

de vouloir être enregistrées.

191

Contraintes économiques et volonté d’enregistrement des activités

A travers les résultats de l’estimation, on peut affirmer que les contraintes

économiques telles que la faiblesse de l’échelle d’activité ou du profit obligent les

opérateurs à opérer dans l’irrégularité. Les coefficients associés à la probabilité de

vouloir s’enregistrer et aux variables indiquant les quartiles supérieurs de valeur

ajoutée sont tous positifs et significatifs. De plus, l’effet n’est pas linéaire mais

convexe : il devient beaucoup plus important au fur et à mesure qu’on se déplace

vers des quartiles plus élevés. Par rapport aux opérateurs appartenant au premier

quintile de valeur ajoutée le plus faible, ceux du deuxième, troisième et quatrième

quintile ont respectivement des probabilités de se faire enregistrer 8%, puis 18%, et

enfin 25% supérieures. Ainsi, plus la valeur ajoutée de l’unité de production est

faible, plus la probabilité que l’opérateur se résigne à ne pas se faire enregistrer est

forte, toutes choses égales par ailleurs.

Caractéristiques démographiques et volonté d’enregistrement des activités

Les résultats confirment notre hypothèse que l’expérience professionnelle

exerce un effet négatif sur la volonté d’enregistrement auprès des services publics.

Plus l’ancienneté de l’opérateur augmente d’une année dans l’unité de production

informelle, plus sa probabilité de vouloir s’enregistrer diminue mais très faible, de

l’ordre de 0,3%.

Enfin, les opérateurs de sexe masculin ont une propension 6% de plus à

désirer se régulariser par rapport aux femmes, toutes choses égales par ailleurs.

Cas des UPI déjà inscrits sur certains registres administratifs

Pour cette catégorie, la volonté d’un opérateur d’enregistrer son activité est

fortement influencée par les variables liées à l’efficacité de l’administration. Tout

d’abord, l’accès aux biens publics agit positivement sur la volonté de ces chefs d’UPI.

192

Ainsi, l’accès à l’eau, à l’électricité ou au téléphone ou le fait de travailler dans un

local public est considéré par ce type d’opérateurs comme la contrepartie ou un

avantage particulier en leur faveur dus à leur affiliation à l’administration, même

encore partielle, et les incite à aller jusqu’au bout de la formalisation de leur activité.

L’efficacité perçue de l’administration en matière de bonne gestion et d’utilisation des

ressources collectives matérialisée par des actions concrètes en faveur des activités

économiques soigne l’image de l’Etat et attire la confiance de ces opérateurs. Ils

estiment que l’enregistrement favorisera leur accès aux services publics et procurera

des bénéfices nets pour leur unité de production. Par ailleurs, les problèmes liés à la

demande et les problèmes autres que ceux liés à l’accès au crédit et au local de

travail les incitent à régulariser complètement l’enregistrement de leurs

établissements. Par contre, les problèmes liés au local d’activité constituent un

facteur défavorable. L’effet de la branche d’activité est très net. Il est moins probable

que les chefs des unités industrielles affichent la volonté de compléter

l’enregistrement de leurs activités par rapport aux chefs d’unités de service. Les

facteurs liés à la corruption, à l’accès à l’information et aux contraintes économiques

ont des effets identiques à ce que l’on a observé chez les chefs d’UPI totalement

inconnus des services publics.

193

Tableau 48 : Déterminants de la volonté d’enregistrement des opérateurs économiques (Coefficients estimés par un modèle logit multinomial) Modèle simple Modèle complet

Variable Veut se faire enregistrer Veut compléter l’enregistrement Veut se faire enregistrer

Veut compléter l’enregistrement

Coefficient Ratio de chances Coefficient

Ratio de chances Coefficient

Ratio de chances Coefficient

Ratio de chances

Ayant accès aux services publics de base (dummy) 0,143 1,153 0,690*** 1,993*** 0,198 1,219 0,788*** 2,199*** (0,118) (0,137) (0,14) (0,279) (0,129) (0,157) (0,171) (0,376) Vécu de corruption d’un autre membre du ménage (dummy) -0,153 0,858 -0,008 0,992 -0,229 0,795 -0,208 0,812 (0,282) (0,242) (0,319) (0,317) (0,292) (0,232) (0,366) (0,297) Ayant des problèmes de clientèle (dummy) -0,11 0,896 0,479*** 1,614*** -0,242* 0,785* 0,470*** 1,600*** (référence : aucun problème déclaré) (0,122) (0,109) (0,148) (0,239) (0,129) (0,101) (0,178) (0,284) Ayant des problèmes d’accès au crédit (dummy) 0,369** 1,447** 0,116 1,123 0,337** 1,401** 0,075 1,078 (référence : aucun problème déclaré) (0,155) (0,224) (0,18) (0,202) (0,161) (0,226) (0,209) (0,225) Ayant des problèmes de local (dummy) 0,286* 1,331* -0,413** 0,661** 0,246 1,279 -0,488** 0,614** (référence : aucun problème déclaré) (0,146) (0,194) (0,175) (0,116) (0,152) (0,195) (0,199) (0,122) Ayant autres problèmes (dummy) 0,524*** 1,689*** 0,892*** 2,440*** 0,479*** 1,615*** 0,977*** 2,656*** (référence : aucun problème déclaré) (0,124) (0,210) (0,145) (0,353) (0,132) (0,213) (0,172) (0,458) Ayant accès aux journaux d’information (dummy) 0,303** 1,354** 0,239 1,270 0,16 1,174 0,133 1,143 (0,151) (0,205) (0,192) (0,244) (0,159) (0,187) (0,228) (0,261) Niveau d’éducation (nombre d’années) 0,007 1,007 0,151*** 1,163*** -0,009 0,991 0,099*** 1,105*** (0,017) (0,018) (0,02) (0,023) (0,019) (0,018) (0,023) (0,025) Ayant suivi une formation professionnelle (dummy) 0,471** 1,602** 0,477** 1,611** 0,526*** 1,692*** 0,780*** 2,182*** (0,195) (0,313) (0,21) (0,339) (0,204) (0,345) (0,243) (0,531) Habite dans la ville administrative d’Antananarivo (dummy) -0,019 0,981 0,406* 1,501* (0,15) (0,147) (0,221) (0,331) Taille (nombre d’employés) 0,321*** 1,379*** 0,417*** 1,517*** (0,088) (0,121) (0,095) (0,144) Industrie (dummy) -0,157 0,854 -1,542*** 0,214*** (référence : service) (0,139) (0,119) (0,2) (0,043) Commerce (dummy) 0,112 1,119 -0,234 0,791 (référence : service) (0,187) (0,209) (0,225) (0,178)

194

quartile_2 de valeur ajoutée 0,351** 1,420** 1,143*** 3,137*** (référence : quartile_1) (0,151) (0,214) (0,289) (0,906) quartile_3 de valeur ajoutée 0,753*** 2,123*** 2,265*** 9,633*** (référence : quartile_1) (0,171) (0,363) (0,283) (2,723) quartile_4 de valeur ajoutée 1,000*** 2,719*** 3,506*** 33,307*** (référence : quartile_1) (0,242) (0,658) (0,324) (10,781) Homme (dummy) 0,242* 1,274* 0,799*** 2,223*** (0,129) (0,164) (0,174) (0,387) Expérience professionnelle (nombre d’années) -0,013* 0,987* -0,007 0,993 (0,007) (0,007) (0,009) (0,009) Période année 2004 (dummy) 0,506*** 1,658*** -0,05 0,951 (0,126) (0,209) (0,165) (0,157) Constante -0,137 -2,505*** -0,888*** -4,883*** (0,181) (0,246) (0,277) (0,453) chi2 272 820 Log likelihood -1808,39 -1534,55 N 1834 1834 aic 3657 3149 Bic 3767 3370

Notes : Catégorie de référence « Ne veut pas enregistrer l’activité » Les écarts-type sont entre parenthèses.


195

Conclusion

En vue d’aider les décideurs politiques à augmenter le taux d’enregistrement

des activités économiques et à intégrer les petites unités informelles dans l’économie

formelle, cette étude a permis d’identifier les déterminants de la volonté de

régularisation des opérateurs informels à Antananarivo.

Les résultats de l’estimation ont montré que les comportements des chefs

d’unités de production ne sont souvent pas les mêmes selon que l’unité de

production est totalement inconnue des services publics ou qu’elle est déjà affiliée à

certaines registres administratifs. Pour la première catégorie d’opérateurs, le fait

d’avoir des difficultés d’accès au crédit ou des problèmes autres que ceux liés au lieu

d’activité augmentent la probabilité qu’ils acceptent d’inscrire pour la première fois

leur établissement sur un registre administratif. En revanche, pour la deuxième

catégorie d’opérateurs, l’accès aux services publics de base, le fait d’avoir des

difficultés liées à la demande ou des problèmes autres que ceux liés à l’accès au

crédit ainsi qu’un niveau d’éducation relativement élevé de l’opérateur provoquent

une réaction positive en faveur d’une régularisation complète de la situation

administrative de l’établissement. L’analyse a aussi mis en lumière l’importance du

contenu des informations véhiculées sur la volonté d’enregistrement plutôt que

l’accès aux supports d’informations. La formation professionnelle formelle suivie par

un opérateur l’incite à faire enregistrer son établissement. Par contre, l’accès aux

informations des médias n’a pas d’impact significatif. L’estimation a confirmé aussi

les effets habituels attendus tels que l’impact positif du genre masculin et du degré

de « visibilité », notamment en termes de taille.

A la vue de tous ces résultats, des changements de stratégies s’imposent à

l’administration publique si elle veut améliorer le taux d’enregistrement des activités

économiques. Les deux principes fondamentaux suivants devraient dicter

l’élaboration des nouvelles stratégies : d’une part, il conviendrait d’impliquer

196

l’ensemble des structures étatiques au lieu des seuls services responsables des

registres administratifs, et de privilégier des stratégies d’incitation et d’attraction au

lieu de stratégies de répression.

L’administration en général et les services d’enregistrement en particulier

doivent soigner leur image à l’égard des administrés en termes d’efficacité. D’une

part, les efforts entrepris pour lutter contre la corruption et une meilleure gestion et

allocation des ressources collectives doivent être ressentis au niveau de la

population et des producteurs. Ceci peut être obtenu par la multiplication des

réalisations concrètes facilitant l’accès aux services publics de base telles que les

infrastructures, le crédit, l’eau potable et l’énergie. D’autre part, la simplification des

procédures d’enregistrement telle que la mise en place d’un guichet unique et la

diminution du temps de traitement des dossiers est indispensable.

Comme les difficultés, liées notamment à l’offre poussent les opérateurs à se

faire enregistrer, l’Etat, en collaboration avec des initiatives privées, doit mettre en

place des structures servant de « pôles d’attraction » des unités de production.

Celles-ci doivent évidemment être fondées en fonction des centres d’intérêt

approuvés par les petits opérateurs économiques. Les institutions de microfinance,

les structures d’appui aux microentreprises, les marchés publics et les centres de

formation professionnelle peuvent ainsi constituer des pôles d’attraction. Les

autorités locales décentralisées doivent se trouver intégrées à ce dispositif. L’Etat

doit instrumentaliser ces structures pour l’identification des activités économiques.

Non seulement cela améliorerait la gestion de ces institutions, mais aussi et surtout,

cela apporterait beaucoup plus d’efficacité externe aux services.

Ces actions doivent être précédées et accompagnées de campagnes

d’information et de sensibilisation adaptées et continues. Plus que le choix des

supports de communication, les réflexions doivent être axées sur le contenu des

messages à transmettre. Ils doivent avant tout mettre en exergue l’intérêt

197

économique procuré par l’affiliation aux registres administratifs et atténuer son

caractère obligatoire et répressif.

La coordination de toutes ces actions doit aboutir à l’adoption d’une

identification unique des unités de production et à la mise en place d’un fichier

d’établissement centralisé. Ce sont les seuls critères pour évaluer l’efficacité, la

fiabilité et la pérennité du dispositif d’enregistrement des activités économiques.

198

III. Efficacité technique des unités de production informelles

: une approche par la méthode de Stochastic Frontier

Analysis (SFA)- Etude de cas sur Antananarivo

Introduction

L’efficacité des unités de production joue un rôle fondamental dans le

développement d’un pays, aussi bien dans la création de nouvelles richesses que

dans la gestion des ressources et des facteurs de production. Outre la minimisation

des gaspillages des facteurs de production, l’amélioration de l’efficacité peut rompre

le cercle vicieux liant l’accès aux ressources et la dynamique d’une activité dans la

mesure où l’inefficacité d’une unité de production augmente ses coûts de production,

diminue sa rentabilité et sa compétitivité, limite la croissance des activités et les

bénéfices liés aux rendements d’échelle ; ce qui réduit ses chances d’accès aux

capitaux ou à des financements.

Dans les pays en développement comme Madagascar, l’étude de l'efficacité

des petites et moyennes entreprises revêt une importance particulière notamment

dans le cadre de la politique de réduction de la pauvreté. Premièrement, la réussite

des politiques de promotion des activités génératrices de revenus, entre autres le

développement de la microfinance dépend inévitablement de l’efficacité des unités

de production dans ce secteur. Deuxièmement, ce type d’activités a un poids

économique relativement élevé1, et affecte la grande majorité de la population2,

notamment les pauvres. L’amélioration de leur efficacité agit positivement sur les

conditions de vie des ménages sans passer par les mécanismes de redistribution de

1 En 2004, ce secteur représente plus de 17% du PIB officiel et 25% du PIB marchand non agricole à Madagascar

2 En 2004, plus de 58% des actifs occupés à Antananarivo se trouvent dans ce secteur et plus de deux tiers des ménages

dirigent au moins une unité de production non agricole

199

revenus. D’un côté, plus les unités de production sont efficaces, plus les ménages

dirigeants bénéficient des retombées financières directes. De l’autre, les

consommateurs jouissent des éventuelles baisses des prix dues à la baisse de coût

de production ou à l’augmentation de l’offre consécutives à l’amélioration de

l’efficacité du système productif.

Cette étude propose d’analyser l’efficacité technique des unités de production

informelles à Antananarivo. C’est une première en la matière concernant le cas de

Madagascar. Dans un premier temps, l’analyse porte surtout sur l’évaluation du

niveau de l’efficacité technique selon les différentes catégories d’activités. L’objectif

est d’apprécier les disparités entre les unités de productions informelles et de

localiser les maillons faibles du secteur informel en termes d’efficacité pour mieux

cibler les interventions et les appuis. Dans un deuxième temps, l’analyse débouche

sur l’identification des déterminants de l’efficacité techniques des unités de

production. Cela doit permettre de dégager les principaux leviers sur lesquels on

pourrait agir et, en particulier, le rôle que pourrait avoir la microfinance pour améliorer

les performances des activités informelles.

L’étude se limite à la notion d’efficacité technique, qui se réfère à la capacité

de l’unité de production à minimiser les quantités d’inputs utilisées pour produire une

quantité donnée d’output compte tenu d’une technique de production donnée. En

d’autres termes, une unité de production est considérée comme techniquement

efficace si son niveau de production effective se situe sur la frontière des possibilités

de production. Dans cette optique, le degré d’inefficacité technique d’une unité de

production est défini comme le ratio entre le niveau de production effectivement

réalisé et celui potentiellement réalisable. Ainsi, l’étude ne peut pas cerner l’efficacité

allocative, l’autre composante de l’efficacité (Farell, 1957) qui indique la capacité de

l’unité de production à combiner les inputs dans des proportions optimales compte

tenus de leurs prix relatifs et de la technique de production utilisée pour atteindre un

niveau de production donné.

200

La méthode de Stochastic Frontier Analysis (SFA) (Meeusen, Broeke, 1977;

Aigner, Lovel, Schmidt, 1977 ; Battese, Coelli, 1988-1992 ; Lachaud, 2009) est

retenue pour l’évaluation de l’efficacité technique des unités de production

informelles. Le principe consiste à considérer l’inefficacité d’une unité de production

comme composante des résidus ou bruits, soit l'écart entre le niveau de production

effective et la frontière de production. Cette méthode essaie de contourner les

problèmes de sensibilités aux valeurs aberrantes soulevés par les autres méthodes

utilisées comme le Data Envelopment Analysis (DEA) (Farrell, 1957; Charnes,

Cooper, Rhodes, 1978) et l’approche de régressions quantiles (Koenker, Basset,

1978). En ce qui concerne l’identification des facteurs déterminants, la variable

indiquant le degré d’efficacité par unité de production constitue la variable d’intérêt

des modèles de régression.

L’étude comporte cinq parties. Après cette partie introductive, la deuxième

partie est consacrée aux concepts et à la méthodologie. Les bases de données et les

variables utilisées feront l’objet de la troisième partie. Les résultats des estimations

seront exposés dans la quatrième partie. Enfin, la cinquième et dernière partie est

réservée aux conclusions.

III.1. Concepts et méthodologie

III.1.1. Concept de l’efficacité d’une unité de production

La notion d’efficacité pour une unité de production est apparue suite à au

développement des théories sur la fonction de frontière de production. La frontière de

production est le niveau de production maximum atteint par une unité de production

adoptant une technique de production donnée et utilisant un niveau d’inputs donnés.

Pour différentes raisons, des unités de production ne sont pas capables d’atteindre

effectivement leur frontière de production.

Le concept d’efficacité de la production a évolué dans le temps. Selon

Koopmans (1951), un processus de production est techniquement efficace, si et

201

seulement si augmenter le niveau d’un output donné ou diminuer le niveau d’un input

n’est possible qu’en diminuant les niveaux des certains autres outputs ou en

augmentant les niveaux de certains autres inputs. La théorie économique classique,

depuis Debreu (1951) a formalisé le concept de Koopmans en faisant référence à la

notion de l’optimum de Pareto : une technique de production n’est pas à l’optimum

de Pareto s’il existe encore des possibilités d’augmenter les niveaux d’outputs ou de

diminuer les niveaux d’inputs.

La définition formalisée est donnée comme suit :

Une unité de production adoptant la technique de production (X,Y) ϵ T est

efficace s’il n’existe aucune technique de production (X’,Y’) ϵ T tel que (X’,Y’) ≠ (X,Y)

avec (X’ ≤ X et Y’ ≥ Y)

où T désigne l’ensemble des productions possibles, X le vecteur d’inputs et Y

l’output.

Farell (1957) a élargi les travaux de Koopmans et Debreu en introduisant une

autre dimension de l’efficacité relative à la composition optimale des inputs et à la

minimisation des coûts en tenant compte du prix relatifs des outputs et des inputs.

Ainsi, l’efficacité d’une unité de production peut être définie comme sa

capacité à mobiliser le minimum de coût ou à minimiser le gaspillage afin d’atteindre

un niveau de production ou de profit maximal, étant donnée la meilleure technique de

production disponible. Ce concept d’efficacité peut être décomposé en deux

composantes : efficacité technique et allocative (Farell, 1957). L’efficacité technique

se réfère à la capacité de l’unité de production soit à atteindre le niveau maximal de

production situé sur la frontière de production après avoir choisi une technique de

production étant donné les niveaux d’inputs ou facteurs de production mobilisés, soit

à utiliser le minimum possible de ressources pour produire à un niveau fixé compte

tenus des différents types de technique de production possibles. L’efficacité

202

allocative concerne la capacité de l’unité de production à ajuster à des proportions

optimales les niveaux d’inputs utilisés comptes tenus de leur prix relatif. Un

processus de production est « allocativement » efficace si le taux marginal de

substitution entre chaque pair d’inputs est égal au rapport des prix correspondant.

Pour évaluer l’efficacité d’une unité de production, les indicateurs utilisés sont

fonctions du rapport entre le niveau de production effectivement observé et le niveau

maximal qu'aurait atteint l’unité de production si elle avait fonctionné en parfaite

efficacité. Le schéma suivant résume les indicateurs de mesure de l’efficacité d’une

unité de production (Farell, 1957).

Considérons une unité de production qui utilise deux inputs (x, y) et produit un

output. Le point P représente le niveau de production effectivement atteint par l’unité

de production. La courbe SS’ donne la courbe d’isoquant estimée avec une

technique de production donnée. Le point Q se trouvant sur la courbe d’’isoquant

indique la production efficace de l’unité. L’efficacité technique de l’unité de production

est mesurée par le rapport TE=OQ/OP=1-(QB/OQ). Ce rapport est compris entre 0 et

1 et indique le degré d’inefficacité de l’unité de production. Si le rapport est égal à

l’unité (ie. Le point P et Q sont confondus), l’unité est techniquement efficace. Le

point Q est techniquement efficace puisqu’il se trouve sur la courbe d’isoquant.

203

Etant donné le rapport des prix relatifs des deux inputs représenté par la droite

AA’, l’efficacité « allocative » de l’une unité production est mesurée par le rapport

AE=OR/OQ. La portion RQ indique la possiblité de réduction des couts de production

pour produire au niveau Q’ sur la même courbe d’isoquant. Ce point représente le

niveau de production d’efficacité à la fois technique et allocative de l’unité de

production, contrairement au point Q qui ‘est techniquement efficace mais

« allocativement » inéfficace.

L’efficacité économique totale est mesurée par le rapport EE=OR/OP.

III.1.2. Méthodes de mesure de l’efficacité

Deux approches sont les plus souvent utilisées pour mesurer l’efficacité d’une

unité de production : les méthodes économétriques et les méthodes non-

paramétriques.

Dans cette étude, on retient la plus connue et la plus utilisée des méthodes

économétriques : le Statistical Frontier Analysis (SFA) qui est fondé sur le principe

que l’inefficacité fait partie des résidus ou bruits, soit l'écart entre le niveau de

production effective et la frontière de production estimée. Dans le cas des

techniques de production à un seul output et multiples inputs, cette approche estime

le niveau de l’output par la fonction :

yi = f(xi,β) + vi - µi où µi est supposée être non négative et suivre certaines lois

de distributions comme half-normal, exponentielle ou gamma.

204

III.1.3. La méthode d’estimation des fonctions de production

La méthode adoptée pour estimer les fonctions de production et d’identifier les

facteurs de production est celle de régressions quantiles (Koenker, Basset, 1978).

Elle consiste en une généralisation de la technique de modélisation effectuée au

niveau de la moyenne conditionnelle de la variable dépendante pour exprimer les

quantiles de la distribution conditionnelle de la variable dépendante en fonction des

variables explicatives. On peut formaliser ces idées comme suit :

La régression linéaire simple consiste à trouver la solution du programme

suivant :

(1)

où i est le nombre d’observation, yi la valeur de la variable dépendante et xi les

variables explicatives pour l’individu i et β le vecteur des paramètres à estimer

Pour l’approche régressions quantiles, il s’agit de généraliser la formule (1)

précédente et de trouver la solution au programme :

(2)

où ρq la fonction de pondération correspondante au quantile q et βq le vecteur des

paramètres à estimer qui varie en fonction du quantile considéré.

III.2. Méthodologie

III.2.1. Les différentes étapes de l’analyse

La méthodologie utilisée suit les étapes suivantes. Dans un premier temps, à

l’aide de cette méthode de régression par quantile, on estime des fonctions de

205

production selon les différents quantiles de performance économique. A l’issue de

ces estimations, en analysant la variabilité selon le quantile des coefficients relatifs

aux différentes variables (principalement le capital et le travail), on identifie les

variables pertinentes pouvant approcher les facteurs de production des différentes

catégories d’unités de production dans le secteur informel. Ensuite, avec les facteurs

ainsi retenus, l’estimation du degré d’efficacité est effectuée à l’aide de la méthode

SFA. Des analyses descriptives sont menées sur la variable indiquant le degré

d’efficacité afin de vérifier des hypothèses de travail et de dégager un premier jet de

facteurs discriminants. La dernière étape consiste à identifier les déterminants de

l’efficacité à l’aide de modèles de régression linéaire simple. Les variables

considérées sont des variables qui ne sont pas encore introduites dans le modèle

d’estimation des fonctions de production et qui sont liés aux caractéristiques

individuelles du dirigeant de l’unité de production, aux caractéristiques économiques

de l’unité ainsi que de son environnement.

III.2.2. Les modèles

La fonction de Cobb-Douglas a été retenue pour les fonctions de production

puisqu’elle est relativement simple, facile à manipuler et unanimement adoptée par

les autres auteurs abordant ce thème, rendant ainsi plus facile les analyses

comparatives des résultats (Piesse, 2000 ; Movshuk, 2004 ; Behr, 2010). Pour

simplifier les analyses, la fonction de production est une fonction un seul output et à

plusieurs inputs.

(3)

où i est le nombre d’unités de production observées et xji avec j=1 à k sont les k

inputs utilisés pour la production de l’output yi

Pour l’identification des déterminants du degré d’efficacité, des modèles de

régression linéaires sont retenus. Pour tenir compte de l'hétérogénéité sectorielle,

trois modèles différents sont formulés pour les branches « industrie », « commerce »

et « service ».

206

III.2.3. Les principaux avantages de la méthodologie

L’utilisation de la méthode SFA présente plusieurs avantages. Premièrement,

elle permet de contourner les problèmes liés aux sensibilités aux valeurs extrêmes

constituant les principales limites d’autres méthodes d’estimation du degré

d’efficacité des unités de production telles que les méthodes non-paramétriques et la

méthode de régressions quantiles. Basées sur la technique de Data Envelopment

Analysis (DEA) (Charnes, Cooper et Rhodes, 1978) consistant à construire la

frontière de production linéaire à l’aide des méthodes de calcul opérationnel, les

premières catégories de méthodes attribuent tout écart avec la frontière comme

totalement dû à l’inefficacité sans tenir compte des erreurs d’échantillonnage et de

mesure (Liu, Laporte et Fergusson, 2007). En faisant références aux performances

maximales effectivement observées pour définir les normes d’efficacité, les

deuxièmes catégories de méthode ne peuvent fournir que le degré d’efficacités

relatives mais non pas absolues et qu’elles sont fortement dépendantes aux

conjonctures et sensibles aux valeurs aberrantes.

Les principaux inconvénients de la méthode SFA sont les biais induits par les

erreurs de spécifications pour la fonction de production et la forte sensibilité des

résultats en fonction de la loi de distribution choisie pour l’inefficacité (Behr, 2010).

Pour pallier à ces limites, notamment en ce qui concerne l’estimation de

fonction de production et à l’identification des facteurs de production, la méthode de

régressions quantiles présente des avantages. Pour tenir compte de l’hétérogénéité

du secteur informel, elle ne se tient pas à une seule unité moyenne (fournie par un

simple MCO) pour estimer la fonction de production, mais produit des estimations

différenciées selon les catégories d’unités de production. La distribution des erreurs

issues des estimations peut varier en fonction non seulement des caractéristiques

(variables explicatives), mais aussi des performances économiques des unités de

production (variable dépendante). En guise d’illustration, la dispersion du niveau de

production ou de la valeur ajoutée a tendance à diminuer au fur et à mesure que la

207

taille de l’unité de production augmente : le coefficient de variation de la valeur

ajoutée est passé de 1,8 pour les unités unipersonnelles à environ 1,0 pour les

unités de 3 employés et plus. En matière de recommandations de politiques

économiques, cette méthode permet de mieux cibles les actions à mener en faveur

des activités du secteur informel, notamment la microfinance, en fonction de leurs

performances initiales.

III.3. Bases de données et variables utilisées

III.3.1. Les bases de données

Les données utilisées pour cette étude sont toujours issues de la série

d’enquêtes « enquêtes 1-2-3 » sur le secteur informel réalisée à Antananarivo, la

capitale de Madagascar, en 2001 et 2004 (Rakotomanana, 2004b). L’enquête traite

de manière complète les caractéristiques et performances de l’unité de production,

comme sa démographie, les caractéristiques détaillées de sa main d’œuvre, sa

production (branche de production, matière première, charges), ses facteurs de

production (travail, capital), ses investissements et son financement, son insertion

dans le circuit économique, ses problèmes et ses perspectives. Ces bases de

données permettent de dresser les différents comptes de l’unité de production et de

dégager les principaux indicateurs de performances économiques comme la valeur

ajoutée et l’excédent brut d’exploitation. En outre, des modules qualitatifs sur

l’environnement économique tels que les structures d’appui aux microentreprises, la

microfinance et la relation avec l’Etat figurent dans le questionnaire de la deuxième

phase.

III.3.2. Les variables utilisées

Le choix de la variable dépendante de la fonction de production porte sur la

valeur ajoutée mensuelle au lieu de la production ou du profit.

208

Quant aux variables explicatives introduites dans la fonction de production, trois

sortes d’inputs sont considérés : le capital, le travail et le capital humain.

• Capital : Cette variable est approchée par la valeur totale estimée du capital

physique de l’unité de production. Il s’agit entre autres du montant estimatif en

valeur de remplacement du local, du terrain, des machines, des voitures, des

outils et des petits outillages

• Travail : Cette variable inclut le nombre total d’heures mensuel effectivement

travaillées par tous les employés de l’unité de production (dirigeant ou chef de

l’unité, salariés, aides familiaux, associés et autres)

• Capital humain : Plusieurs variables sont introduites dans le modèle pour le

capter. On distingue les caractéristiques du dirigeant de l’unité de production à

celles des travailleurs dépendants. La productivité de ces deux types de travail

est jugée très différente vue la part importante des emplois non rémunérés

notamment des aides familiaux parmi les travailleurs dépendants et la forte

implication du dirigeant dans toutes les taches tout au long du processus de

production.

o La moyenne des nombres d’années d’études des travailleurs dépendants. La

moyenne est mieux adaptée que la somme des nombres d’années d’études

du fait que, au sein des petites unités production informelles, il n’y a pas une

véritable spécialisation des tâches. Chaque employé touche souvent à tout et

la polyvalence se traduit par des échanges permanents d’expériences et de

compétences entre les employés3.

o La moyenne des nombres d’années d’expériences des travailleurs

dépendants

o Le nombre d’années d’études du dirigeant de l’unité de production

o Le nombre d’années d’expérience du dirigeant de l’unité de production

3 Cette technique est utilisée dans certaines études comme Soderbom M., Teal F. (2003)

209

On suppose que toutes ces variables ont un effet positif sur le niveau de la

valeur ajoutée de l’unité de production.

Les variables indicatrices des branches d’activités (industrie, commerce) ont

été introduites dans le modèle comme variable de contrôle.

Les variables de consommations intermédiaires sont exclues du modèle dues

au fait que la valeur ajoutée était justement la production moins les consommations

intermédiaires et les autres coûts indirectes (Söderbom et Teal, 2001).

Quant à l’identification des déterminants de l’efficacité, les variables suivantes

ont été retenues dans les modèles de régression du degré d’efficacité.

Caractéristiques de l’unité de production

o Le rapport capital/nombre d’heures travaillées mesurant l’intensité du capital

o Variable indicatrice indiquant s’il existe des salariés au sein de l’unité de

production

o Variable indicatrice indiquant si l’unité de production est enregistrée sur les

registres administratifs

o Variables indicatrices indiquant si l’unité a rencontré des problèmes liés à la

demande, à l’accès au crédit, au local d’activité ou à d’autres types de

problèmes

o Age de l’unité de production et son carré

Caractéristiques du dirigeant de l’unité de production

o Variable indicatrice indiquant si le dirigeant de l’unité de production a déjà

suivi des formations professionnelles correspondantes à son métier

o Variable indicatrice indiquant que le dirigeant est un homme

o Age du dirigeant et son carré

o Variables indicatrices indiquant si le dirigeant a accès au média ou a une

perception positive de l’administration

210

o Variable indicatrice si l’observation est de l’année 2004

III.4. Estimation du degré d’efficacité

III.4.1. Quelques statistiques descriptives

Le Tableau 49 montre que les unités de production dans le secteur informel

dans l’Agglomération d’Antananarivo sont caractérisées par des dirigeants ayant

acquis un nombre d’années d’expériences relativement élevé (près de 10 ans

d’expériences professionnelles) mais n’ayant suivi que très rarement des formations

professionnelles (moins de 2% d’entre eux), des travailleurs dépendants à faible

niveau d’étude (moins de 2 années d’études), des taux de salarisation très faibles

(moins de 16% des unités de production emploient des salariés), des taux d’accès au

crédit pour le financement du capital très faible (à peine 4%) et des taux d’accès aux

informations très élevé (plus de 87%).

Par contre, l’analyse plus détaillée mettent en lumière que ces unités de

production sont très hétérogènes. Le Tableau 49 montre ainsi clairement que la taille

des unités de production varie considérablement avec des écart-types relativement

élevés, aussi bien en termes de niveau de performances économiques (output) qu’en

termes de niveau de facteurs de production (inputs). Même au sein des principales

branches d’activités (industrie, commerce et service), les disparités restent

importantes. En général, les unités de production de « services » sont beaucoup plus

performantes. Elles créent une valeur ajoutée moyenne environ 15% de plus que

celles des branches « commerce » et « industrie ». L’influence du capital pourrait y

être pour quelque chose. En effet, dans la branche « service », le niveau du capital

physique moyen estimé atteint presque le triple de ce dont les unités des branches

« commerce » ou « industrie » disposent. Cela pourrait compenser la faiblesse du

nombre d’années d’expérience professionnelle des employés dépendants dans la

branche « service », qui se situe en moyenne juste à un peu plus de la moitié de

celui de leurs collègues dans les deux autres branches. Par ailleurs, les unités de

211

production dans la branche « industrie » se distingue par le niveau d’expérience

professionnelle relativement élevé de leur dirigeant : il atteint, en 2004, plus de 11

années contre seulement 9 années et 8 années respectivement dans la branche

« service » et « commerce ». Les unités de production de la branche « commerce »

ont moins fréquemment accès aux services publics de base à leur lieu de travail par

rapport à celles des deux autres branches. Si l’on compare les situations entre 2004

et 2001, aucun changement majeur n’est observé.

III.4.2. Descriptions des relations entre les facteurs de production et la

valeur ajoutée

Les Graphique 9 et Graphique 10 décrivent les relations entre la valeur

ajoutée (en logarithme) crée par les unités de production informelles et les principaux

facteurs de production comme le nombre d’heures travaillées (en logarithme) et le

montant estimé du capital physique (en logarithme). On analyse ainsi les élasticités

de la valeur ajoutée par rapport à ces facteurs de production. A ce niveau d'analyse,

nous commenterons surtout sur le niveau des élasticités ainsi que les formes des

relations entre output et inputs. On considère trois grandes catégories d’unités selon

la branche d’activité : industrie, commerce et service. Les graphiques de droite

concernent la situation en 2004 et ceux de gauche celle de 2001.

212

Tableau 49 : Statistiques descriptives sur les caractéristiques et performances économiques des unités de production informelles à Antananarivo en 2004 et 2001 Année 2004 2001

Branche Variables Moyenne Ecart-type Nb. Obs. Moyenne Ecart-type Nb. Obs.

Industrie Valeur ajoutée mensuelle (1000 Ariary) 1065 2705,57 426 759 1541,40 315

Nombre d’heures travaillées mensuel 304 332,56 426 296 258,19 315

Capital (1000 Ariary) 2958 10375,96 426 2166 3827,58 315

Niveau d’étude moyen des employés (ans) 1,7 2,96 426 2,7 3,87 315

Expérience moyenne des employés (ans) 1,2 2,77 426 1,4 3,39 315

Niveau d’étude du chef (ans) 7,1 3,44 426 7,6 3,74 315

Expérience du chef (ans) 11,3 9,58 426 9,5 8,69 315

Formation professionnelle du chef (Ind.) 0,18 0,39 426 0,17 0,38 315

Existence de salariés (Ind.) 0,18 0,38 426 0,23 0,42 315

Accès aux services publics (Ind.) 0,45 0,50 426 0,57 0,50 315

Accès aux crédits au capital (Ind.) 0,05 0,22 426 0,13 0,33 315

Accès aux informations (Ind.) 0,88 0,32 426 0,82 0,38 315

Victime de la corruption (Ind.) 0,03 0,18 426 0,07 0,25 315

Commerce Valeur ajoutée mensuelle (1000 Ariary) 1038 2931,35 210 902 2012,61 248


Capital (1000 Ariary) 2957 6149,40 210 2406 8530,81 248











Service Valeur ajoutée mensuelle (1000 Ariary) 1204 2740,99 418 965 2608,33 361


Capital (1000 Ariary) 8252 18861,87 418 8881 20820,98 361











Ensemble Valeur ajoutée mensuelle (1000 Ariary) 1115 2764,15 1054 878 2133,94 924


Capital (1000 Ariary) 5057 14091,12 1054 4854 14281,48 924











Source : INSTAT/DIAL, Enquête 1-2-3, phase 1, 2001, 2004, calculs de l’auteur.

213

Quelques points saillants méritent d'être soulignés. Premièrement, la valeur

ajoutée croît avec le nombre d’heures travaillées et le montant du capital physique.

Deuxièmement, l’influence du facteur travail lié à la première variable est, en général,

beaucoup plus importante que celle du facteur capital liée à la deuxième variable.

Troisièmement, les relations de second ordre (non linéarités) sont relativement

faibles, sauf pour le cas entre la valeur ajoutée et le nombre d’heures travaillées en

2004. Entre la valeur ajoutée et le montant du capital physique, les relations sont

pratiquement linéaires. Enfin, ces situations n’ont pas beaucoup changé entre 2001

et 2004. Si cette absence d'effets temporels peut être surprenante compte tenu du

changement radical de conjoncture économique, elle atteste en revanche de la

qualité des données et de leur robustesse.

Cependant, si l’on examine les relations à l'échelle des différentes branches

d’activité, quelques différences significatives peuvent être observées. Pour le cas de

la branche « industrie », l’élasticité de la valeur ajoutée par rapport au montant du

capital physique, qui était très faible en 2001, a augmenté légèrement en 2004 et les

effets du second ordre se sont inversés entre ces deux années : légèrement négatif

en 2001 et légèrement positif en 2004. Par ailleurs, dans la branche «commerce »,

l’élasticité de la valeur ajoutée par rapport au nombre d’heures travaillées est devenu

beaucoup plus élevé en 2004 qu'en 2001 et cette relation est accompagnée d'effets

du second ordre beaucoup plus importants.

214

Graphique 9 : Relations entre le nombre d’heures travaillées (log) et la valeur ajoutée (log)

215

Graphique 10 : Relations entre la valeur du capital physique (log) et la valeur ajoutée (log)

216

III.4.3. Estimations des fonctions de production par la méthode de

régressions quantiles

L’objectif consiste à identifier les variables pertinentes à retenir comme

facteurs de production dans l’analyse de l’efficacité des unités de production. La

méthode de régressions quantiles est retenue pour tenir comptes des fortes

hétérogénéités du secteur informel. Le Tableau 50 et Tableau 51 montre les résultats

des estimations de fonction de production par la méthode de régression par quantile

en considérant les 10 déciles 0,1 à 0,9. Ces estimations fournissent des paramètres

variables le long de la distribution des unités de production informelles. Dans la

première colonne, un modèle linéaire ordinaire simple (MCO) en forme de Cobb-

Douglas est estimé, dans le but, justement de démontrer l’insuffisance des méthodes

d’estimation basées sur un « individu moyen ».

L’estimation du modèle linéaire simple (MCO) justifie les choix des facteurs

introduits dans la fonction de production si l’on considère la performance moyenne

des unités de production informelles. En général, les coefficients relatifs au travail, au

capital physique et au capital humain sont statistiquement significatifs avec les

signes attendus, en agissant tous positivement sur la valeur ajoutée. Seule la

variable indiquant le nombre d’années expériences moyen des travailleurs

dépendants est non significative dans la création de la valeur ajoutée. Les résultats

confirment le fait observé précédemment lors de l’analyse descriptive que l’influence

du facteur travail est beaucoup plus importante que celle du capital physique.

Cependant, la contribution de ce dernier est loin d’être négligeable. En effet, les

coefficients s’élèvent respectivement à 0,54 et 0,11 pour les variables "nombre

d’heures travaillées" et "montant du capital physique". Concernant le capital humain,

on peut noter trois points saillants. Premièrement, ses effets sont significatifs mais

relativement faibles avec des coefficients inférieurs à 0,09. Deuxièmement, la qualité

du dirigeant de l’unité de production est cruciale par rapport à celle des travailleurs

dépendants. Enfin, les expériences professionnelles et pratiques importent plus que

les études académiques.

217

Les résultats des estimations par la méthode régressions quantiles confirment

généralement les facteurs influant sur le niveau de production dans le secteur

informel. Néanmoins, ils fournissent plus de précisions et mettent en lumière la

variabilité relativement importante des coefficients pour les différentes catégories

d’unités de production selon leur niveau de valeur ajoutée. Les paramètres sont très

différents entre les différentes catégories d’unités de production selon le niveau de

performance actuelle. Cela prouve le handicap des méthodes d’analyses reposant

sur des modèles concentrés uniquement sur l’unité de production moyenne comme

le modèle linéaire simple. Les changements des valeurs des paramètres par décile

de valeur ajoutée sont consignés dans le Graphique 11. On observe une baisse

relativement importante de l’élasticité du nombre d’heures travaillées à mesure qu’on

considère des unités de production dans des déciles de valeur ajoutée plus élevés. Il

passe ainsi de plus de 0,7 chez le décile 0,1 à moins de 0,4 chez le décile 0,9. Les

valeurs du coefficient se trouvent même en dehors des intervalles de confiance (à

95%) du coefficient issus du modèle linéaire simple pour les déciles extrêmes. Par

contre, pour le capital physique, l’élasticité croît dans les déciles supérieurs mais

avec une tendance moins accentuée (de 0,07 pour le décile 0,1 à 0,12 pour le décile

0,9) et les valeurs des coefficients ne sortent pas des intervalles de confiance issus

du modèle linéaire simple. L’autre coefficient qui subit des variations mais dont

l’ampleur est relativement faible par rapport à ceux relatifs au travail et au capital

physique est celui relatif au nombre d’années d’études du dirigeant de l’unité de

production. Il suit une tendance à la baisse si l’on passe du décile le plus faible au

décile plus élevé. Néanmoins, les valeurs estimés du paramètre se trouvent toujours

dans l’intervalle de confiance de la valeur obtenue par le modèle linéaire simple.

Pour les autres variables du capital humain, les coefficients restent pratiquement

constants pour n’importe quel décile et ne sortent pas de l’intervalle de confiance des

coefficients du modèle linéaire simple.

218

Tableau 50 : Estimations par régressions quantiles de la fonction de production en 2004

Quintile

Variables OLS 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9

Travail

Heures travaillées (log) 0,539*** 0,717*** 0,740*** 0,716*** 0,669*** 0,617*** 0,589*** 0,453*** 0,447*** 0,378***

Capital physique

Capital (log) 0,105*** 0,071*** 0,084*** 0,108*** 0,112*** 0,111*** 0,110*** 0,129*** 0,135*** 0,123***

Capital humain

Etude moy. dép. (log) 0,048** 0,020 0,044 0,037 0,045* 0,045*** 0,050** 0,046** 0,028 0,032

Etude chef (log) 0,090*** 0,150*** 0,090** 0,051* 0,059* 0,058*** 0,057* 0,058* 0,039 0,085*

Expér. moy. dép. (log) 0,009 0,040 -0,011 0,003 -0,002 0,001 -0,009 0,006 0,030 0,057*

Expér. chef (log) 0,056*** 0,077*** 0,097*** 0,067*** 0,058*** 0,047*** 0,056*** 0,038** 0,030* 0,037

Branche d'activité

Industrie -0,130 -0,460*** -0,246* -0,141 -0,083 -0,102 -0,046 0,006 0,031 -0,058

Commerce -0,236** -1,103*** -0,588*** -0,428*** -0,297** -0,214*** -0,170 0,060 0,073 0,114

_cons 2,612*** 0,665 0,729 1,136*** 1,640*** 2,179*** 2,514*** 3,475*** 3,835*** 4,840***

Nb. Obs. 1048 1048 1048 1048 1048 1048 1048 1048 1048 1048

Notes : Significativité *** à 1%, ** à 5% et * à 10% Source : INSTATDIAL, Enquête 1-2-3, phase 1, 2004, calculs de l’auteur.

Tableau 51 : Estimations par régressions quantiles de la fonction de production en 2001

Quintile

Variables OLS 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9

Travail

Heures travaillées (log) 0,378*** 0,619*** 0,579*** 0,534*** 0,540*** 0,501*** 0,497*** 0,450*** 0,321*** 0,221***

Capital physique

Capital (log) 0,135*** 0,158*** 0,115*** 0,116*** 0,112*** 0,119*** 0,116*** 0,115*** 0,139*** 0,153***

Capital humain

Etude moy. dép. (log) 0,052** 0,061* 0,054* 0,080*** 0,070*** 0,051** 0,045** 0,026 0,048 0,029

Etude chef (log) 0,073** 0,046 0,030 0,041 0,069** 0,051 0,076** 0,102*** 0,075 0,115*

Expér. moy. dép. (log) 0,014 -0,031 -0,000 -0,035 -0,029 0,003 0,007 0,035 0,039 0,081**

Expér. chef (log) 0,059*** 0,102*** 0,044 0,060*** 0,059*** 0,051*** 0,052*** 0,039** 0,051* 0,050**

Branche d'activité

Industrie -0,188** -0,418*** -0,209 -0,204* -0,157 -0,147 -0,136 -0,134 -0,043 -0,174

Commerce 0,097 -0,302* -0,218 -0,151 -0,070 0,026 0,156 0,135 0,447*** 0,677***

_cons 3,111*** 0,384 1,479*** 1,916*** 2,061*** 2,547*** 2,722*** 3,274*** 4,230*** 5,214***

Nb. Obs. 907 907 907 907 907 907 907 907 907 907

Note : Significativité *** à 1%, ** à 5% et * à 10% Source : INSTAT/DIAL, Enquête 1-2-3, phase 1, 2004, calculs de l’auteur.

219

Graphique 11 : Variabilité des coefficients de la fonction de production en 2004 et 2001

Année 2004

Année 2001

220

III.4.4. Description du degré d’efficacité des unités de production

Le degré d’efficacité d’une unité de production est obtenu à l’aide de la méthode

SFA. Le Graphique 12 présente la distribution du degré d’efficacité des unités de

production informelle. Les résultats montrent que les unités de production informelles sont

très largement inefficaces. Le degré d’efficacité moyen n’est que de 47% en 2004. Ce

chiffre signifie qu’en moyenne, les unités de production informelles produisent juste un peu

plus de 47% du niveau de production potentielle, étant donnés les niveaux des facteurs de

production mobilisés. En d’autres termes, on peut encore améliorer de plus de deux fois le

niveau de la valeur ajoutée créée actuellement en adoptant des techniques de production

plus efficace. Moins d’une unité de production sur quatre atteint un degré d’efficacité

supérieur à 75%. La majorité des unités de production informelles a atteint moins de 25%

du niveau de production potentielle.

L’impact de la crise de 2002 se fait sentir sur les performances des unités de

production informelles. Les résultats obtenus en 2001 et 2004 montrent un écart de 8

points du degré d’efficacité au cours de cette période. En termes de niveau absolu, le

degré d’efficacité des unités de production est de 47,3% en 2004, alors qu’il atteignait

55,2% en 2001. Selon le Tableau 52, les niveaux obtenus dans chaque catégorie d'unité

Graphique 12 : Distribution du degré d’inefficacité des unités de production en 2004 et 2001

Année 2004 Année 2001

01

23

Den

sity

0 ,2 ,4 ,6 ,8effichnormal_va04

kernel = epanechnikov, bandwidth = .03

Kernel density estimate

01

23

4D

ensi

ty

0 ,2 ,4 ,6 ,8effichnormal_va01

kernel = epanechnikov, bandwidth = .02

Kernel density estimate

Source : INSTAT/DIAL, Enquête 1-2-3 2001, phase 1, 2004, calculs de l’auteur.

221

de production ont enregistré des baisses significatives et pratiquement de même ordre, en

général, au cours de cette période. Par contre, en termes de distribution, les deux courbes

de degré d’efficacité ont quasiment la même forme avec des paramètres pratiquement

identiques : skewness -1,59 en 2004 et -1,54 en 2001, Kurtosis 6,3 en 2004 et 7,1 en

2001. Ces résultats montrent que, globalement, aucune activité particulière n’a pas pu

échapper aux effets néfastes de la crise qui a secoué l’ensemble de l’économie.

Cependant, selon les résultats, les unités de production de la frange supérieure s’en

sortaient mieux que les autres. En effet, la baisse du degré d’efficacité entre 2001 et 2004

diminue au fur et à mesure que le niveau de la valeur ajoutée augmente : la baisse atteint

plus de 10 points chez les unités du quartile de valeur ajoutée le plus faible, elle n’est plus

que de 2 points chez le quartile de valeur ajoutée le plus élevé.

L’analyse descriptive du degré d’efficacité (Tableau 52) met en évidence quelques

résultats importants. Premièrement, on constate que le degré d’efficacité est fortement

corrélé avec le niveau de performance actuel de l’unité de production. Plus l’unité de

production appartient en haut de la distribution de la valeur ajoutée, plus elle est efficace.

Le degré d’efficacité passe de 33% chez les unités du premier quartile (en termes de

valeur ajoutée) à plus de 63% chez les unités du quatrième quartile. L’existence d’un

salarié au sein de l’unité de production a une relation positive avec le degré d’efficacité :

l’écart est de 6 points entre le degré d’efficacité moyen des unités de production salariales

et non-salariales. Les unités de production dirigées par une femme sont, en moyenne,

largement moins efficaces que celles dirigées par un homme : 44% pour le première

catégorie contre 50% pour la deuxième catégorie. Le fait que le dirigeant de l’unité de

production ait suivi une formation professionnelle formelle ne se traduit pas visiblement

par un degré d’efficacité plus élevé : l’écart entre les deux catégories n’est que de 2 points

du degré d’efficacité moyen. Les autres variables telles que l’affiliation aux registres

administratifs, les problèmes d’accès au crédit, de local ou de la demande ne constituent

pas des facteurs discriminants du degré d’efficacité.

222

III.5. Déterminants de l’efficacité des unités de production

informelles

Afin d’identifier les facteurs déterminants de l’efficacité des unités de production

informelles, des modèles de régression linéaire simple ont été estimés. Ils vont dégager

simplement les relations avec les caractéristiques des ménages. Le modèle ne prétend

pas identifier les sens de la causalité potentiellement existante entre l’efficacité et

certaines variables explicatives. En effet, l’enregistrement au registre administratif ou

Tableau 52 : Description du degré d’efficacité des unités de production informelles en 2004 Degré d'efficacité moyen (%)

Année 2004 2001 branche d'activité

Industrie 48,2 55,0

Commerce 45,4 54,7

Service 48,1 55,9

Enregistrement

Non 46,0 52,9

Oui 48,0 56,6

Opérant à Antananarivo

Non 46,5 55,3

Oui 47,5 55,1

Unité salariale

Non 46,8 54,8

Oui 52,4 57,6

Dirigeant ayant suivi une formation professionnelle

Non 46,9 55,0

Oui 49,7 57,0

Sexe du dirigeant

Femme 44,3 53,0

Homme 50,5 57,0

Ayant subi des problèmes de demande

Non 47,2 54,7

Oui 47,3 55,5

Ayant subi des problèmes de crédit

Non 48,0 55,1

Oui 44,9 55,6

Ayant subi des problèmes de local

Non 47,7 55,1

Oui 45,9 55,2

quartile de valeur ajoutée

Quartile 1 33,2 43,9




Ensemble 47,3 55,2

Source : INSTAT/DIAL, Enquête 1-2-3, phase 1, 2001, 2004, calculs de l’auteur.

223

l’accès au crédit peut améliorer l’efficacité d’une unité de production. Dans l’autre sens,

plus l’une unité de production est efficace, plus l’accès au crédit et l’enregistrement

administratif sont plus probables. Les résultats sont présentés dans le Tableau 53. Un

premier modèle inclue toutes les observations, tandis que les trois autres modèles

considèrent séparément les unités de production des branches « industrie »,

« commerce » et « service », afin de contrôler les différences intersectorielles. Le test de

rapport de vraisemblance rejette la stabilité des coefficients dans les modèles séparés (LR

chi2(32) = 92,20 et P=0,000). Le niveau de McFadden R2 est relativement faible inhérent

à l’utilisation des données transversales.

Les coefficients estimés dans les modèles de l’efficacité sont, en général,

conformes aux signes attendus et aux résultats fournis par les analyses descriptives

précédentes. Selon la branche d’activité, on observe des différences en termes de niveau

d’efficacité entre les unités de production. En considérant la branche « service » comme

référence, les coefficients relatifs aux variables dummy « industrie » et « commerce » sont

tous négatifs, mais non significatifs. Ces résultats sont prévisibles au vu des statistiques

descriptives sur le degré d’efficacité moyen présentées dans le Tableau 52

Les estimations confirment l’impact négatif de la crise sur les performances des

unités de production qu’on a observé précédemment dans les statistiques descriptives. Si

l’on passe de 2001 à 2004, le degré d’efficacité diminue et cela pour n’importe quelle

branche d’activité. Le coefficient lié à la variable indicatrice de la période 2004 sont tous

négatifs et significatifs. On examine les effets sur l’efficacité des contraintes et problèmes

subis par les unités de production informelles selon les déclarations des chefs d’unité de

production. Les contraintes liées à l’offre plutôt que celles liées à la demande affectent

l’efficacité des activités du secteur informel. En effet, les coefficients relatifs aux variables

indiquant respectivement l’existence des problèmes d’accès au crédit et des problèmes

liés au local d’activité subis par l’unité de production sont négatifs, même s’ils ne sont

significatifs que dans la branche « service ». Par contre, pour la variable indiquant le

problème lié à la demande, le coefficient estimé n’est pas significatif. Au vu de ces

résultats, deux explications peuvent être avancées. D’un côté, l’accès au crédit et au local

de travail constituent de véritables obstacles qui empêchent le développement des

activités du secteur informel en limitant leur efficacité. Et comme le problème a été évoqué

par les chefs d’unités de production eux-mêmes, les demandes relatives à ces services

224

existent réellement et dont la satisfaction ne font certainement que d’améliorer les

performances de des activités. De l’autre côté, dans les petites unités de production, les

techniques de production utilisées sont relativement flexibles, et facilitent l’ajustement des

niveaux d’inputs mobilisés notamment le travail en fonction de la demande reçue. Ce

phénomène induit que les problèmes liés à la demande sont répercutés dans la quantité

d’inputs et non pas le degré d’efficacité.

Le ratio (capital)/(nombre d’heures travaillées) a une relation négative significative

avec le degré d’efficacité d’une unité de production informelle. Plus l’activité est intense en

capital par rapport au travail, moins elle est efficace. Si ce résultat semble être contre-

intuitif dans le secteur formel, dans le secteur informel, plusieurs explications sont

possibles. Tout d’abord, ce résultat montre le rôle déterminant que joue le facteur travail

dans le processus de production dans le secteur informel. A cause de l’insuffisance de la

capacité technique de la main-d’œuvre et le manque de formation professionnelle des

petits opérateurs informels, plus le capital ou les équipements sont sophistiqués et de

grande valeur, plus leur utilisation est sous-optimale. Par ailleurs, compte tenue de

l’étroitesse de la part de marché à cause du faible pouvoir d’achat, de la rareté des

grosses commandes ou de la sous-traitance, de la libre entrée et la rude concurrence

dans le secteur, certains secteurs sont saturés. Dans ce cas, le taux d’utilisation du capital

est faible et le montant du capital apparaît surévalué par rapport à ce qui est effectivement

utilisé et que seul le nombre d’heures de travail peut être ajusté à la baisse. De par la

nature des produits demandés surtout dans l’artisanat, le travail manuel caractérise les

activités de certains secteurs. Pour ces secteurs de l’artisanat, le label « fait main »

indique la bonne qualité des produits comme dans la sculpture ou la broderie, et

l’utilisation des machines n’y peut suppléer le travail manuel pour conserver la qualité des

produits

225

Tableau 53 : Régression linéaire simple du degré d’efficacité des unités de production informelles

Variable Ensemble Industrie Commerce Service

branche d'activité

Industrie -0,004

Commerce -0,005

Caractéristiques de l’Unité de production

Capital/heures (log) -0,004*** -0,007*** -0,008*** 0

Existence salarié (dummy) 0,035*** 0,027** 0,031 0,037***

Etre enregistré (dummy) 0,020*** 0,018* 0,024 0,015

Ayant problème de demande (dummy) 0,009 0,008 0,012 0,005

Ayant problème d’accès au crédit (dummy) -0,026*** -0,009 -0,022 -0,042***

Ayant problème de local (dummy) -0,018** -0,009 -0,005 -0,031***

Ayant autres problèmes (dummy) 0,018*** 0,033*** -0,013 0,013

Age de l’Unité (log) 0,004 0,014 -0,001 -0,009

Carré de l’âge de l’unité (log) 0 -0,001 0 0,003

Dirigeant ayant suivi formation (dummy) 0,012 0,022* -0,069 0,003

Caractéristiques du dirigeant

Dirigeant Homme (dummy) 0,040*** 0,043*** 0,029** 0,039***

Age du dirigeant (log) 0,133*** 0,139*** 0,887** 0,662***

Carré de l’âge du dirigeant (log) -0,023*** -0,028*** -0,128** -0,093***

Ayant accès au média (dummy) 0,017** 0,01 0,022 0,013

Perception positive de l’administration (dummy) 0,004 -0,005 0,025 0,001

Année 2004 (réf : 2001) -0,073*** -0,072*** -0,088*** -0,067***

Constante 0,311*** 0,341*** -1,025 -0,649*

Pseudo_R2 0,13 0,15 0,12 0,16

N 1821 701 407 713 Note : Significativité *** à 1%, ** à 5% et * à 10% Source : INSTAT-DIAL/Enquête 1-2-3 2001, 2004, phase 1, calculs de l’auteur.

Les autres variables caractéristiques de l’unité de production, qui ont des relations

significatives sur l’efficacité sont l’ « enregistrement » et l’« existence de salariés » au sein

d’une unité de production. Le coefficient de l’ « enregistrement » de l’unité de production

est positif et est significatif pour le modèle d’ensemble et pour l’ «industrie ». Le fait d’être

enregistré reflète une gestion plus rigoureuse et des techniques plus développées au sein

de l’unité de production. De plus, des coûts supplémentaires imposés par les contrôles

administratifs et l’insertion dans le circuit formel incitent à plus d’efficacité dans la gestion

des ressources. De même, la variable « existence de salariés » est associée à des

coefficients positifs et significatifs pour tous les modèles sauf dans le « commerce ». Le

recrutement de salariés marque un certain degré de professionnalisme aussi bien au

niveau de l’organisation des activités de l’unité de production qu’au niveau de l’exercice

226

des tâches attribuées à chaque employé. Le principe de l’obligation de résultats est

probablement plus pesant pour un salarié que pour un aide familial ou un apprenti. Les

coefficients liés respectivement à l’âge de l’unité de production informelle et son carré sont

non significatifs. Ainsi, les expériences acquises au sein de l’unité de production n’ont pas

d'effets significatifs sur l’efficacité de l’unité de production.

En ce qui concerne les caractéristiques du chef de l’unité de production, le

coefficient lié à la variable « ayant suivi une formation professionnelle » est positif mais

significatif seulement à 10% dans la branche « industrie ». Les activités de cette branche

nécessitent relativement plus de technicité et de technologie par rapport aux autres types

d’activités. Les caractéristiques démographiques du dirigeant de l’unité de production ont

des relations très fortes sur l’efficacité : le fait d’être dirigée par un homme et d’un âge

avancé agissent positivement avec des effets de second ordre négatifs significatifs pour

l’âge. En faisant le lien avec les résultats du paragraphe précédent, deux interprétations

sont possibles pour expliquer ce phénomène. D’un côté, l’efficacité d’une unité de

production informelle dépend de la dotation initiale, notamment de l'expérience du chef

acquise avant d’être à la tête de l’unité, plutôt que des compétences acquises au long de

l’exercice de l’activité. De l’autre, la qualité naturelle du chef de l’unité de production

(comme la force physique ou la maturité) importe plus sur l’efficacité que sa qualité

professionnelle. Par ailleurs, la faible efficacité des unités dirigées par des femmes peut

être due à la finalité même de l’exercice de ces activités considérées comme simple

sources de revenus d’appoint du ménage menées simultanément avec les occupations

ménagères. A l’opposé, les activités dirigées par les hommes constituent souvent des

sources de revenus principales des ménages, ce qui exige une plus grande rentabilité et

plus de rigueur.

Conclusion

Compte tenu de l’importance du rôle joué par les activités génératrices de revenus

dans le développement socio-économique et dans la lutte contre la pauvreté à

Madagascar, l’amélioration de leur efficacité doit constituer un pilier des politiques de

développement. Cette étude a pour objet d’analyser le degré d’efficacité technique des

unités de production informelles et ses déterminants dans le cas de l’agglomération

227

d’Antananarivo Madagascar en utilisant les bases de données issues d’une série

d’enquête 1-2-3 sur le secteur informel réalisée en 2001 et 2004. La méthode Statistical

Frontier Analysis (SFA) est retenue pour estimer le degré d’efficacité. En amont, la

méthode de régressions quantiles est mobilisée pour l’identification des facteurs de

production, afin de tenir compte de l’hétérogénéité du secteur informel.

Les résultats montrent que le degré d’efficacité des unités de production informelles

est très faible et qu’il est en baisse significative en 2004 par rapport à la situation en 2001 :

il se situe en moyenne à 47% en 2004 et 55% en 2001. Cela veut dire qu’avec les mêmes

ressources mobilisées, il serait tout à fait possible d’atteindre un niveau de production

deux fois supérieur à celui qu’on obtient actuellement. Moins d’une unité de production sur

quatre produit plus d’un quart du niveau de production potentielle maximale qu’elle

pourrait atteindre en cas de parfaite efficacité. La situation est pratiquement identique

dans les branches d’activité.

Plusieurs facteurs influent sur l’efficacité des unités de production, mais ils diffèrent

aussi selon la branche d’activité. Contrairement aux contraintes de la demande qui n’ont

pas d’effets significatifs sur l’efficacité, les contraintes d’offre comme les problèmes liés à

l’accès au crédit et au local agissent négativement notamment dans les activités du

« service ». Dans l’ « industrie » et le « commerce », la relation négative entre l’efficacité

et le rapport capital/heures travaillées montre le rôle déterminant tenu par le facteur travail

ne pouvant être substitué par le facteur capital, le manque de technicité rendant

l’utilisation de moins en moins optimale des équipements plus complexes et onéreux.

L’efficacité d’une unité de production informelle dépend de la dotation initiale, de

l’expérience du chef acquise avant d’être à la tête de l’unité, plutôt que des compétences

acquises au long de l’exercice de l’activité. En effet, les expériences acquises par la

pratique captées par l’âge de l’unité de production informelle et de son carré n’ont pas

d’impact significatif. De plus, l’impact de la formation professionnelle suivie par le chef

d’unité n’est significativement positif que dans la branche « industrie ». Par contre, les

caractéristiques démographiques du chef de l’unité de production agissent de la même

façon quelle que soit la branche d’activité considérée. Plus l’âge du chef de l’unité est

élevé, plus son degré d’efficacité est élevé. De plus, les unités dirigées par les hommes

sont plus efficaces que celles dirigées par des femmes, ce qui pourrait s'expliquer par le

fait que la finalité des activités consiste souvent à générer des revenus secondaires pour

228

le ménage tout en veillant aux activités domestiques. La gestion plus rigoureuse des

activités et le professionnalisme matérialisés par l’« existence de salarié » et l’

« enregistrement » officiel de l’unité de production favorise l’efficacité notamment dans la

branche « service ».

Ces résultats permettent de proposer quelques pistes de politiques sectorielles qui

pourraient être menées pour promouvoir les microentreprises. Pour le cas des activités de

service, les plans d’actions prioritaires doivent être axés sur l’amélioration des conditions

de l’offre : facilitation de l’accès au crédit, appuis au recrutement de salariés, amélioration

du local de travail. Dans la branche « industrie », les stratégies doivent être orientées

surtout sur l’amélioration du capital humain comme la formation professionnelle sur les

techniques de production. En ce qui concerne les activités commerciales, l’amélioration de

la relation avec l’administration, des techniques sur la gestion administrative et sur la

prospection de nouveaux marchés sont indispensables. Par ailleurs, la politique globale

pour l’ensemble du secteur informel doit mettre un accent particulier sur la

professionnalisation du métier et la promotion de l’esprit entrepreneurial, surtout chez les

femmes dirigeante d’unité de production.

229

Chapitre 3. Le secteur informel et le marché du

travail à Antananarivo

Compte tenu de la capacité limitée du secteur formel à absorber l’offre de travail sur le

marché, en dehors de l’agriculture, les activités génératrices de revenus jouent un rôle

important dans la création d’emplois dans les pays en développement comme

Madagascar. Par ailleurs, ce secteur d’activités constitue un refuge pour la majeure partie

des individus pauvres. L’amélioration des conditions d’activités et de la productivité du

travail dans ce secteur constitue un moyen efficace pour améliorer les conditions de vie de

la population et pour réduire la pauvreté. Ce chapitre tente de comprendre le

fonctionnement du marché du travail dans ce secteur, afin de pouvoir en déduire des

actions à mener pour son développement. Il comporte deux sections. La première section

a pour objectif d’identifier les déterminants de l’installation dans le secteur informel. La

deuxième section analyse la discrimination selon le genre dans le marché du travail en

général et dans le secteur informel en particulier.

230

I. Les déterminants du désir et de l’exercice effectif de travail

indépendant ? Quels enseignements à tirer pour la

microfinance ? : Cas de l’agglomération d’Antananarivo à

travers des données de panel

Introduction

La mise en place d’une économie à forte croissance figure parmi les engagements

à tenir dans le plan d’action pour le développement de Madagascar (MAP) pour la période

2007 à 20121. Pour atteindre cet objectif, la promotion du plein emploi et la reforme du

système bancaire et financier sont considérés comme des défis majeurs à relever. Dans

ce cadre, la promotion et création d’emplois productifs y compris l’emploi informel et le

développement du réseau de micro finance font parties des projets et activités prioritaires.

Le système de micro finance a connu un essor spectaculaire ces derniers temps avec la

création de l’Agence d’Exécution pour la Promotion de la microfinance (AGEPMF) en 1998

et l’adoption de la Politique Nationale de Microfinance en 2005. Malgré cela, le taux de

pénétration de la microfinance, défini comme le rapport entre le nombre de bénéficiaires

sur le nombre d’individus demandeurs potentiels de crédits, reste encore très faible : il ne

dépassait pas 8% à la fin 20072. Pour atteindre l’objectif fixé d’obtenir un taux de

pénétration de 12% en 2012, il est primordial de bien cerner la population cible ou la

demande potentielle de la microfinance. Il s’agit, en principe, de l’ensemble des offreurs

de travail souhaitant avoir ou exerçant le statut de travailleur indépendant c’est-à-dire

diriger leurs propres entreprises. Cette approche par la demande revêt une importance

particulière. En effet, une meilleure estimation de la demande potentielle améliorerait le

calcul du taux de pénétration, qui aiderait les décideurs politiques, les bailleurs de fond et

les responsables des institutions de microfinance dans l’élaboration des programmes

d’action, les négociations, la mise en œuvre, le suivi et l’évaluation d’impact de leurs

1 Suite à la crise de 2009, dont Madagascar n'est toujours pas sorti, le MAP a été abandonné. Il reste néanmoins la dernière

référence existante en matière de politique économique.

2 Selon Coordination Nationale de la Microfinance www.madamicrofinance.mg

231

activités. Plus spécifiquement, compte tenu de la rareté des ressources, cela devrait

permettre les interventions dans le sens d’une meilleure anticipation de l’offre de micro

crédits nécessaire, une meilleure adaptation des produits financiers.

La plupart des études sur lesquelles sont fondées les différentes politiques ou

programmes d’action dans le domaine de la microfinance sont axés sur l’offre. On évoque

souvent les problèmes lié à l’offre en microcrédit : volume global limité et dépendant en

grande partie de la disponibilité financière internationale, faible montant des crédits

alloués, taux d’intérêt élevé, faible couverture géographique des IMFs, etc.. Cependant,

des questions cruciales liées à la demande restent encore sans réponses.

Cette étude se propose d’apporter des éléments d’analyses originaux pour une

meilleure évaluation des besoins en microcrédit. Du point de vue de l’efficacité et de

l’équité, la microfinance doit viser avant toute autre catégorie de personnes, celles qui

optent volontairement pour se lancer ou rester dans le travail indépendant. Ce choix

témoigne de l’esprit d’entreprise et du goût du risque existants chez elles : des conditions

nécessaires à une meilleure efficacité et à la réussite de la réalisation de projet de mise à

son propre compte dans une perspective de long terme.

Ainsi, cette section s’intéresse à la problématique relative à la relation entre la

microfinance et les micro et petites entreprises, à travers les questions suivantes : Quelles

sont les caractéristiques de ceux qui désirent de travailler à leur propre compte ? Quels

facteurs peuvent influencer un individu amené à choisir ce statut ? Répondre à ces

questions doit permettre d’identifier la population à cibler pour les programmes d’appui au

secteur informel. Plusieurs facteurs peuvent agir sur le choix d’un individu à créer et gérer

sa propre unité de production. Certains d’entre eux sont observables. Ils concernent

différents domaines de la vie d’un individu comme les caractéristiques

sociodémographiques individuelles (telles que l’âge, le sexe, le niveau d’instruction ou de

formation professionnelle) ou du ménage d’appartenance (comme la taille du ménage, la

composition du ménage, la position par rapport au chef de ménage, le revenu et les actifs

du ménage). Peuvent également jouer la situation actuelle d’activité de l’individu et des

autres membres du ménage (telles que la situation vis-à-vis de l’emploi, le statut, le

secteur, le revenu et les conditions d’activité). Enfin, il convient de ne pas ignorer

232

l’influence du contexte socio-économique du pays en général telles que les performances

économiques du secteur formel, l’évolution de la demande et du pouvoir d’achat de la

population, les politiques fiscales, l’assainissement des marchés, etc. D’autres facteurs

sont en revanche inobservables ou difficilement mesurables. Il sont en général lié à la

préférence, au talent managérial, à la valeur de l’indépendance, au goût du risque des

individus.

Quels sont les facteurs favorisant l’installation effective dans une activité

indépendante ? Quelles en sont les autres contraintes ? Quelles enseignements à tirer

pour la politique en microfinance ?. La réponse à ces questions est fondamentale pour

l’étude de la relation entre la microfinance et le secteur informel. Premièrement, elle

permet d’apprécier l’utilité du microcrédit dans la création des micro et petites entreprises.

Deuxièmement, la meilleure connaissance des autres contraintes est un élément essentiel

pour mieux définir les rôles et les prestations des institutions de microfinance. A titre

d’illustration, si le fait d’être une femme ou le fait de ne pas être le chef de ménage

constituent des obstacles pour la mise au travail indépendant, les IMF doivent adapter les

produits et leurs procédures si elles veulent développer les activités féminines ou celles

des jeunes.

Cette section traite spécifiquement le cas de l’agglomération d’Antananarivo au

cours de la période 2000-2004, et vient combler le manque d’études abordant l’aspect

dynamique du choix du statut de travailleur indépendant dans les pays en développement.

La période couverte ici n’a pas été prise au hasard, mais a été choisie pour permettre

d’analyser l’impact du changement du contexte économique en général sur le choix des

individus (Blanchflower, 2000) : période de forte croissance entre 2000-2001, période de

crise en 2002, période de post-crise entre 2003-2004.

L’étude se veut innovante dans le choix de la variable d’intérêt. Ainsi, à la différence

de la plupart des études traitant ce sujet, au lieu de prendre l’occupation effective d’un

individu du statut de travailleur indépendant à un moment donné pour indiquer son choix à

ce moment précis, nous avons privilégié ses perspectives d’emploi. Contrairement à

l’hypothèse de « libre entrée » (Lewis, 1954 ; Harris-Todaro, 1970) dans le secteur

informel, cette nouvelle approche part du constat de l’existence des diverses contraintes

233

sur le marché du travail dans les pays en développement qui ne permettent pas aux

offreurs de travail de réaliser leurs « rêves » (Maloney, 1999). Il s’agit en particulier, dans

la perspective qui est la nôtre, d’appréhender la demande potentielle en microcrédit, la

difficulté d’accès au crédit constituant une des contraintes essentielles entravant le

développement des activités informelles. De plus, le choix d'un travail indépendant n'est

pas toujours volontaire. Selon la vision traditionnelle du secteur informel prônant le

dualisme sur le marché du travail (Lewis, 1954 ; Harris-Todaro, 1970), les travailleurs

indépendants de ce secteur ne comptent pas y exercer indéfiniment de plein gré, mais

n’attendent que des opportunités d’emplois pour intégrer le secteur formel. Enfin, des

salariés du secteur formel, les chômeurs ou les inactifs peuvent envisager, à un moment

opportun, de créer et de diriger leurs propres unités de production. Certains travailleurs

formels cherchent, depuis le début de leur carrière professionnelle, à acquérir des

compétences et à accumuler des capitaux physiques ou financiers dans le secteur formel

en attendant le moment favorable pour réaliser leur projet, très souvent dans le secteur

informel.

C'est donc à l'analyse des souhaits de se mettre à son propre compte et à leur

réalisation que nous consacrons cette étude.

Pour traiter l’aspect dynamique évoqué précédemment, des méthodologies basées

sur des données de panel ont été mobilisées. Les bases de données utilisées obtenues à

partir d’une série d’enquêtes annuelles sur l’emploi à Antananarivo sont très fournies. Non

seulement, elles contiennent des nombreuses variables au niveau individuel ou au niveau

ménage touchant les différentes dimensions du marché du travail, mais et surtout elles

concernent les mêmes individus au cours de quatre années successives. La disponibilité

de base de données d’une telle richesse est unique dans les pays en développement en

général, et en Afrique subsaharienne en particulier.

Deux modèles logit multinomial dynamique à effets aléatoires sont estimés pour

d’identifier les facteurs, dont le facteur financier, incitant un individu à avoir un statut de

travailleur indépendant. Pour le premier modèle, la variable dépendante est le désir de

s’installer dans le secteur informel. Tandis que, pour le deuxième modèle, l’exercice

effectif du travail indépendant est la variable dépendante.

234

Après cette partie introductive, une description de la base de données fait l’objet de

la deuxième partie. Elle est suivie de la troisième partie réservée aux déterminants du

désir du statut de travailleur indépendant, les spécifications des modèles suivies des

discussions des résultats des estimations. Des conclusions et recommandations de

politiques économiques font l’objet de la quatrième et dernière partie.

I.1. Base de données

Les données utilisées pour cette étude sont issues de la série d’enquêtes annuelles

sur l’emploi réalisées à Antananarivo en 2000, 2001, 2002 et 2004. Elle constitue la

première phase parmi les trois phases de l’enquête « 1-2-3 ». C’est une enquête auprès

d’un panel de ménages. Elle traite le côté offre du marché du travail dans toutes ses

dimensions. Elle fournit des informations sur les caractéristiques socio-démographiques

de la population active, la qualité du travail et sur la structure de l'emploi. Elle donne aussi

quelques indicateurs de la situation sur le marché du travail (rémunération du travail, taux

de chômage, taux de sous-emploi, taux de salarisation, mobilité, etc.) et les conditions

d'activités des actifs occupés (lieux de travail, horaire de travail, etc.). Elle fournit aussi des

données relatives aux caractéristiques du ménage telles que la possession de biens

durables, les caractéristiques du logement et l’accès aux services de bases (eau potable,

électricité, etc.). Des nombreux chercheurs des différentes Universités ou Institutions des

pays développés3 ont valorisé cette base de données témoignant sa qualité. Néanmoins,

cette étude fait partie des rares études à exploiter la version « panel » de la base de

données.

Entre 2000 et 2004, l’enquête a été effectuée auprès d’un échantillon de panel

intégral. Les détails sont présentés dans le Tableau 54. Pour corriger l’effet de l’attrition,

on a procédé au remplacement systématique des ménages non répondants (« sortants »

du panel). La taille initiale de l’échantillon de ménages enquêtés est de 3000 ménages.

Avec un taux d’attrition de l’ordre de 13%, environ 2500 ménages enquêtés l’année

précédente ont pu être retrouvés chaque année. Seuls les individus qui ont été pu être

3 DIAL-Paris (France), IRD (France), Université Paris Dauphine (France), Université Montesquieu Bordeaux IV (France), Cornell

University (USA)

235

enquêtés au moins pendant deux vagues consécutives de l’enquête au cours de la

période 2000 à 2004 ont été retenus dans la base de données (unbalanced panel). Les

individus moins de 18 ans au moment de l’entrée dans le panel ont été exclus de la base

de données car une partie d’entre eux continuent leur cursus scolaire et leurs perspectives

sont encore souvent très provisoires. In fine, telle qu’elle est résumé dans le Tableau 54,

la base de données de panel contient près de 24 000 individus-année4, dont 48% sont des

hommes et 52% des femmes. Plus de 46%, soit plus de 3 500 individus ont été enquêtés

pendant les 4 vagues de l’enquête, 24% pendant 3 vagues consécutives et 30% pendant

2 vagues consécutives. Un peu plus de 7500 individus-année (moitié hommes, moitié

femmes) souhaitent avoir le statut de travailleur indépendant.

Les problèmes liés à l’attrition du panel méritent une attention particulière puisqu’ils

diminuent la précision des estimateurs, augmentent les biais potentiels d’échantillonnage

et peuvent affecter la covariance entre les différentes variables. De plus, l’effet de l’attrition

ne dépend non seulement de l’importance du taux de déperdition, mais aussi de la

dépendance entre la variable d’intérêt et les caractéristiques des unités sortantes. Ainsi,

malgré le fait que le taux d’attrition soit relativement faible (de l’ordre de 13% par an), nous

avons testé l’existence du biais d’attrition on selon la méthode proposée par Fitzgerald

(1998). Dans une première étape, à l’aide d’un test de comparaison de moyenne, nous

avons comparé les caractéristiques des individus « restants » avec celles des « sortants »

du panel. Dans une deuxième étape, à l’aide d’un modèle « probit », nous avons analysé

l’impact sur l’attrition de la variable retardée indiquant le choix de statut de travailleur

indépendant.

4 Un individu est compté autant de fois que le nombre d’années pendant lesquelles il est enquêté.

Tableau 54 : Structure de la base de données de panel Année 2000 2001 2002 2004 Ensemble Nombre de ménages du panel 2 999 2 559 2 607 2 396 Individus-année de 18 ans et plus Hommes Femmes

5 826 2 822 3 004

6 774 3 274 3 500

6 384 3 054 3 330

4 954 2 354 2 600

23 938 11 504 12 434

Veut un statut de travailleur indépendant Hommes Femmes

1 851 902 955

2 060 1 006 1 054

1 900 964 936

1 712 810 902

7 529 3 682 3 847

Sources : INSTAT/DIAL, Enquêtes 1-2-3, phase 1, 2000-2001-2002-2004, calculs de l’auteur.

236

I.1.1. Caractéristiques moyennes des individus «restants » et « sortants » du

panel 2000-2001

Les raisons de sortie du panel sont souvent liées à des phénomènes

démographiques habituels, surtout à des recompositions familiales : départ pour un

mariage (plus de 30% des cas des sorties) ou pour rejoindre la famille (plus de 24% des

cas des sorties). Les raisons économiques liées à la recherche d’emploi, à la saisonnalité

de l’emploi (Gong. et Van Soest, 2002) sont plus rares (moins de 13% des cas de sortie).

Le choix du statut de travailleur indépendant pourrait avoir un impact sur l’attrition, dans la

mesure où la recherche de ce type d’emploi et de capitaux physiques ou financiers peut

conduire un individu à faire des déplacements au cours d’une période relativement longue

(plus de 6 mois) pendant laquelle il n’est plus membre du ménage par définition.

La proportion de ceux qui ont déclaré souhaiter travailler à leur propre varie suivant

qu'ils sont « sortants » ou « restants » dans le panel entre 2000 et 2001. La différence est

faible mais significative : près de 32% chez les « restants » et moins de 28% chez les «

sortants ». Malgré cet écart, à ce niveau d’analyse, on ne peut affirmer qu’il existe un biais

d’attrition massif sur la variable d’intérêt qu’est le choix du statut de travailleur

indépendant. Plusieurs variables de contrôle doivent être prises en compte pour identifier

l’effet propre de l’attrition. Deux groupes de variables ont été considérées : des variables

socio-démographiques (âge, sexe, niveau d’instruction, statut matrimonial, taille du

ménage ou nombre d’individus de 10 ans et plus dans le ménage d’appartenance) et des

variables économiques (revenu d’activité, secteur institutionnel).

Les tests de comparaison des moyennes présentés dans le Tableau 55 montrent

que l’attrition est significativement liée à l’âge et au statut matrimonial. Elle affecte plutôt

les jeunes et sans conjoint. En effet, entre 2000 et 2001, l’âge moyen des individus «

restants » dans le panel de 2001 est de 36,7 ans contre seulement 33,0 ans pour les «

sortants ». La proportion des individus mariés est plus faible dans l’ensemble des individus

« sortants » : seulement 52%, alors que pour l’ensemble des « restants », elle dépasse

63%.

237

A part ces deux variables, les caractéristiques sociodémographiques des individus

« restants » et « sortants » ne sont pas significativement différentes. Les niveaux d’étude

moyens atteignent 8,7 ans pour les « sortants » comme pour les « restants ». La

composition du ménage d’appartenance est elle aussi en moyenne identique : la taille du

ménage et le nombre d’individus de 10 ans et plus sont respectivement de 4,8 personnes

et 3,9 personnes pour les deux groupes.

Concernant les caractéristiques économiques, aucune différence significative n’a

été décelée. Qu’un individu soit sortant du panel ou non, le revenu d’activité mensuel

moyen est estimé à 64 000 Ariary par personnes. De même, si l’on considère le type

d’activités exercées, la proportion des individus travaillant dans le secteur informel est

statistiquement la même dans les deux groupes : 36% pour les « sortants » et 37% pour

les « restants ». Ainsi, l’attrition n’est pas due à des motifs économiques.

I.1.2. Déterminants de l’attrition

Pour avoir une idée plus précise sur le biais d’attrition, on a testé l’impact du choix

du statut de travailleur indépendant sur l’attrition à l’aide d’un modèle « probit ». En

n’introduisant que la seule variable de choix de statut de travailleur indépendant comme

variable explicative, l’effet de la variable sur l’attrition est significatif. L’effet sur l’attrition de

la variable indiquant le choix de statut de travailleur indépendant est devenu non

significatif, si l’on introduit dans le modèle d’autres variables de contrôle comme le sexe,

l’âge, le statut migratoire et matrimonial, le niveau d’étude, le secteur et le revenu d’activité

et le nombre d’actifs dans le ménage.

238

Les estimations du modèle confirment les résultats obtenus dans les analyses

descriptives. Ainsi, l’âge a un effet positif et non linéaire (convexe) sur le fait de sortir ou

non du panel. Plus on est jeune, avant un certain âge limite, la probabilité de rester dans

l’échantillon est plus faible. De même, les personnes âgées ont beaucoup plus de chance

de sortir de l’échantillon. Le statut matrimonial agit aussi sur l’attrition. Il est plus probable

que les célibataires quittent le panel d’une année à l'autre. L’autre facteur qui agit sur

l’attrition est le nombre d’individus de 10 ans et plus dans le ménage d’appartenance. Plus

il est élevé, plus la probabilité que l’individu reste dans le panel diminue. Le partage des

tâches au sein d’un ménage permettent à un de ses membres de se libérer et de quitter le

ménage pendant une durée relativement longue.

I.1.3. Efficacité de la correction de l’attrition par le remplacement des

ménages non répondants

Plusieurs méthodes peuvent être utilisées pour corriger l’attrition : pondération

longitudinale, imputation, méthode de Heckman, modèles de bootstrap, etc (Chagnon,

Bignami, 2007). Pour notre cas, nous avons retenu la méthode de remplacement

systématique des non répondants ou renouvellement de l’échantillon longitudinal. Notre

objectif est de conserver la représentativité des échantillons transversaux et de conserver

le niveau de précision des résultats. En faisant l’hypothèse que l’effet de proximité et de

voisinage joue un rôle dans l’opinion et le choix de statut de travailleur indépendant,

Tableau 55 : Comparaison des caractéristiques des individus « sortants » et « restants » du panel 2000-2001 Caractéristiques Ensemble

en 2001 Sortants en 2001

Restants en 2001

Test de comparaison T (df=7483)

Proportion des individus préférant le statut de travailleur indépendant (%) Proportion des femmes (%) Age moyen (année) Proportion des mariés (%) Niveau d’éducation moyen (année) Taille du ménage d’appartenance (personnes) Nombre d’individus de 10 ans et plus dans le ménage d’appartenance (personnes) Proportion des travailleurs dans le secteur informel (%) Proportion des travailleurs dans le secteur formel (%) Revenu d’activité mensuel moyen (1000 Ariary)

30,9

48,2 35,9 61,0 8,7 4,8 3,9

37,1 34,2 321

28,0

47,2 33,0 52,9 8,7 4,9 4,0

35,7 35,1 322

31,8***

48,4*** 36,8***

63,3 8,7

4,8** 3,9*

37,6 34,0 320

-2,9236

-0,9047 -9,5998 -7,7156 0,5087 1,1636 1,8861

-1,4046 0,8298 0,1200

Notes : Significativité *** à 1%, ** à 5%, * à 10% Sources : INSTAT/DIAL, Enquêtes 1-2-3, phase 1, 2000, 2001, calculs de l’auteur.

239

l’emplacement géographique constitue le critère principal retenu pour le choix des

ménages de remplacement. Il faut bien préciser que les remplacements ont été effectué

au niveau « ménage » mais non pas au niveau « individu » non répondant. Autrement dit,

on n’a procédé à aucun remplacement des individus non répondants, tant que leurs

ménages d’appartenance sont présents dans le panel.

Comme n’importe quelle méthode de correction, et tout comme pour les problèmes

de non-réponses, cette méthode de remplacement systématique ou renouvellement de

l’échantillon longitudinal ne peut pas éliminer totalement le biais d’attrition. Pour évaluer

l’efficacité de la démarche, nous avons testé la différence des caractéristiques sur les

variables déterminants de l’attrition (âge et statut matrimonial) pour deux vagues

successives d’échantillon.

Les résultats du Tableau 56 montrent que, après les remplacements des ménages

non répondants, l’effet de l’attrition a pratiquement disparu en ce qui concerne l’âge

moyen des individus. En termes d’âge moyen des individus enquêtés, les échantillons des

différentes périodes sont semblables. Par contre, la méthode de remplacements adoptée

n’a pas réussi à éliminer les différences entre les échantillons en termes de statut

matrimonial des individus enquêtés. En effet, l’égalité des proportions des individus

mariés ne peut pas être rejetée entre les échantillons de 2000 et 2001, tandis que des

écarts significatifs et de plus en plus importants ont réapparu entre les échantillons de

2001-2002 et 2002-2004. Ce résultat était plus ou moins prévisible du fait que les

remplacements ont été effectués au niveau « ménage » et non au niveau « individu ». A

priori, la corrélation entre la composition des ménages (et donc le statut matrimonial de

ses membres) et l’emplacement géographique est relativement faible.

Tableau 56 : Comparaison des caractéristiques des vagues d’échantillons entre deux années successives Echantillons 2000-2001 Echantillons 2001-2002 Echantillons 2002-2004 Ecart Test T

(df=12598) Ecart Test T

(df=13156) Ecart Test T

(df=11336) Age moyen Proportion des mariés

0,40 -0,5

1,5948 -0,6244

-0,21 -1,8

-0,8664 -2,1563

-0,35 -2,4

-1,3272 -2,6884


240

I.2. Les déterminants du désir et de l’exercice effectif

d’un travail indépendant

I.2.1. Revue de littérature

La plupart des études utilise des données transversales. Pour traiter le choix de

statut de travailleur indépendant, rares sont les études qui mobilisent des modèles

dynamiques basées sur des données de panel (Packard, 2007 ; Glick et Sahn, 2005 ;

Zissimopoulos et Karoly, 2005 ; Gong et Soest, 2002 ; Blanchflower, 2000 ; Fuchs, 1981).

La quasi-totalité de ces études a retenu la variable sur la situation vis-à-vis de l’emploi et

le secteur d’activité pour indiquer le choix d’un individu quant à son statut d’activité et

seule une d’entre elles considère le véritable choix au sens du désir (Fuchs, 1981).

Certaines études sont limitées à l’identification des déterminants du choix de travail

indépendant pour une période donnée, alors que d’autres traitent les déterminants des

changements de statut d’une période à l'autre. La plupart d’entre elles mobilisent des

modèles économétriques à variables qualitatives sur des données de panel combinés ou

non avec des modèles de correction du biais de sélection sur le salaire (Packard, 2007 ;

Gong et Soest, 2002). Blanchpower (2000) quant à lui utilise des modèles sur données

agrégées à partir de séries temporelles de pays. Les populations étudiées sont très

différentes et qui rend difficile les comparaisons des résultats et des faits stylisés

identifiés. En effet, Packard (2007) et Gong et Soest (2002) étudient l’ensemble de l’offre

de travail dans des pays en développement, respectivement au Chili et à Mexico. Fuchs

(1981) analyse aussi l’ensemble de l’offre de travail mais dans un pays développé : les

Etats-Unis. Zissimopoulos et Karoly (2005) concentrent leur analyse sur les personnes

âgées aux Etats-Unis ; Glick et Sahn (2005) se focalisent sur les femmes dans la ville de

Conakry (Guinée) et Blanchflower (2000) prend 23 pays de l’OCDE comme individus

d’analyse.

En ce qui concerne l'impact des caractéristiques sociodémographiques

individuelles, les résultats sont très variables que ce soit pour le choix du statut d’activité à

une période donnée, ou pour la modification des choix entre deux périodes successives.

Si, pour Glick et Sahn (2005) l’âge et le niveau d’éducation agissent fortement sur le choix

d’être travailleur indépendant pour une période donnée, leur impact est non significatif

selon Gong et Soest (2002). Quant à leurs effets sur les changements de statut d’une

241

période à l'autre, Packard (2007) trouve que l’âge augmente la probabilité qu’un travailleur

indépendant conserve ce statut et le statut matrimonial influe positivement sur le passage

du salariat formel au travail indépendant. Pour Glick et Sahn (2005), si l’âge augmente la

probabilité qu’une femme sans emploi devienne travailleur indépendant, il n’a pas d’effet

significatif sur la probabilité qu’un travailleur indépendant garde son statut. Pour

Zissimopoulos et Karoly (2005) et pour Fuchs (1981), l’âge, le sexe le statut matrimonial

et le niveau d’éducation n’ont pas d’effet significatif sur la mobilité d’un individu salarié du

secteur formel vers le statut d’indépendant.

En général, les caractéristiques démographiques du ménage ont une influence sur

le choix de statut d’activité des individus. Selon Glick et Sahn (2005), le nombre d’enfants

moins de 5 ans et celui des filles de plus de 5 ans ont des effets positifs respectivement

sur le choix d’une femme d’avoir un statut de travailleur indépendant et sur la conservation

de ce statut d’une période à l'autre. De même, pour Packard (2007), le nombre d’enfants

de moins de 5 ans augmente la probabilité qu’un inactif devienne travailleur indépendant.

Les études existantes sont presque unanimes quant à l’impact des caractéristiques

économiques au niveau individuel ou au niveau du ménage sur le choix de statut de

travailleur indépendant. En effet, Gong et Soest (2002), tout comme Glick et Sahn (2005)

montrent l’importance des effets de « state dependence » sur le choix de travailleur

indépendant surtout chez les femmes. Ces effets se présentent sous d’autres formes dans

certaines études. Pour Packard (2007), c’est le nombre des autres membres de ménages

ayant le statut de travailleur indépendant qui favorise la poursuite des activités

indépendantes d’une période à l'autre ; tandis que pour Fuchs (1981), la probabilité de la

mobilité d’un salarié du formel vers un emploi indépendant augmente si l’individu a déjà

vécu auparavant des années d’expériences antérieures dans un travail indépendant.

D’autres facteurs microéconomiques ont été évoqués dans la littérature.

Zissimopoulos et Karoly (2007) insistent sur les effets de l’affiliation à des systèmes de

protection sociale tels que la caisse de retraite ou l’assurance maladie sur la décision de

se mettre à son compte pour les personnes âgées. Pour les femmes, selon Glick et Sahn

(2005), le chômage du conjoint influe positivement sur le choix du travail indépendant,

alors que le revenu hors activité du ménage joue négativement. Ces mêmes auteurs

242

trouvent aussi un effet positif du revenu hors activité du ménage sur le maintien de statut

d’indépendant des femmes entre deux périodes consécutives. Pour Gong et Soest (2002),

le différentiel de salaire entre secteur formel et secteur informel agit fortement sur le

changement de statut d’activité : il favorise la mobilité des offreurs de travail vers les

statuts plus rémunérateurs. Enfin, pour Packard (2007), la possession de maison ou

d’autres biens durables en location agit positivement sur le changement de statut d’un

travailleur du secteur formel vers un travailleur indépendant.

En ce qui concerne les facteurs macroéconomiques, Blanchflower (2000) met en

lumière l’impact négatif du taux de chômage sur le choix du statut de travailleur

indépendant.

I.2.2. Statistiques descriptives sur le choix du statut de travailleur

indépendant

Le Tableau 57 renseigne sur le choix du statut d’indépendance pour différents

groupes d’individus au cours de la période 2000-2004. Le désir du statut de travailleur

indépendant est assez stable dans le temps. En effet, au cours de cette période, environ

trois individus sur dix veulent créer une entreprise individuelle. Il semble ainsi que les

effets de la crise de 2002 n’ont pas d’influence marquée sur le choix des individus. Ce

choix dépend-il des caractéristiques sociodémographiques ? Aucune différence n’est

observée entre les hommes et les femmes. En revanche, l’âge constitue un facteur

déterminant des souhaits des individus. Ainsi, les jeunes entre 18 et 25 ans et, dans une

moindre mesure, les plus de 60 ans sont relativement moins attirés par le statut

d’indépendant. Dans les autres tranches d’âge, le souhait de ce statut se situe à des

niveaux identiques et relativement élevés. De façon générale, le souhait d’être

indépendant dans le travail décroît avec le niveau d'éducation. Particulièrement, l’effet de

l’enseignement supérieur sur les préférences individuelles est très marqué par rapport aux

autres niveaux d’enseignement : chez ceux qui ont fréquenté l'université, la proportion de

ceux qui veulent s’installer à leur propre compte ne dépasse pas 18% au cours de la

période 2000-2004, alors que dans les autres groupes (sans instruction, primaire et

secondaire) cette proportion est toujours supérieure à 30%. En ce qui concerne le statut

matrimonial, les personnes mariées sont plus attirés par les activités indépendantes (plus

243

de 34% des cas). Chez les personnes qui ne vivent pas en couple, cette proportion est

toujours inférieure à 25% au cours de la période considérée. Quant au statut dans le

ménage, les chefs de ménage projettent plus fréquemment de créer leur propre

établissement que les autres membres. Enfin, en ce qui concerne les caractéristiques

sociodémographiques, le niveau de vie du ménage affecte l’opinion vis-à-vis des activités

indépendantes. En effet, plus le niveau de confort du ménage dans lequel un individu vit

est élevé moins il choisit d’être travailleur indépendant.

Le choix du statut d’indépendance d’un individu dépend fortement de ses

caractéristiques économiques. Premièrement, selon le statut vis-à-vis de l’emploi, les

actifs occupés affichent une préférence plus marquée pour le statut de travailleur

indépendant (plus de 35% des cas) que les inactifs ou les chômeurs (moins de 17% des

cas). Si l’on considère uniquement les actifs occupés et conformément aux attentes, la

majorité de ceux qui travaillent effectivement dans le secteur informel (plus de 56% des

cas) et, surtout de ceux qui possèdent déjà leur unité de production (plus de 70% des cas)

déclare privilégier la perspective de se mettre à leur compte. Néanmoins, la proportion des

travailleurs du secteur formel qui veulent ce nouveau statut n’est pas négligeable ; surtout

chez les ouvriers, puisque cela concerne plus d’un travailleur sur dix, sauf en 2001. Les

résultats montrent aussi l’impact des transferts intergénérationnels de compétence. Plus

de 35% des individus dont le père travaillait dans le secteur informel désirent exercer une

activité indépendante. Cependant, pour ceux dont le père travaillait dans le secteur formel,

plus d’un sur cinq d’entre eux a cette même ambition.

244

Tableau 57 : Proportion des individus désirant le statut de travailleur indépendant entre 2000-2004

Année 2000 2001 2002 2004

Sexe

Homme 32,5 30,1 30,2 33,4

Femme 31,2 29,6 28,4 34,0

Âge

25 ans ou moins 25,0 22,0 19,9 23,0

26 à 40 ans 35,4 33,6 33,7 39,0

41 à 60 ans 36,3 34,0 33,5 38,7

plus de 60 ans 22,7 23,0 23,4 22,8

Migration

Migrant 31,0 29,3 29,5 34,3

Non migrant 34,4 31,3 28,4 31,9

Niveau d'instruction

Sans instruction 28,1 37,2 31,4 38,1

Primaire 38,7 35,9 33,6 39,4

Secondaire 31,1 29,0 30,1 34,8

Universitaire 18,5 17,6 16,6 16,7

Rang dans le ménage

Membre secondaire 28,6 26,5 25,1 30,2

Chef de ménage 37,7 35,7 36,3 39,7

Statut matrimonial

Non marié 24,3 21,7 20,9 24,8

Marié 36,7 35,0 34,6 39,5

Statut vis-à-vis de l'emploi actuel

Chômeur 9,6 14,4 7,6 19,5

Inactif 16,9 14,8 11,8 14,8

Occupé 38,0 35,7 37,7 41,6

Secteur institutionnel actuel

Secteur informel 61,8 61,2 56,2 62,5

Secteur formel 10,9 8,7 11,5 14,1

Catégorie socioprofessionnelle actuelle

Cadres 6,4 5,9 9,6 8,8

Ouvrier 13,3 9,6 12,6 16,6

Indépendant 77,9 80,1 71,3 78,5

Autres 18,9 15,5 15,8 19,2

Secteur institutionnel du père

Secteur informel 36,2 34,5 35,0 39,2

Secteur formel 25,8 24,6 21,8 27,1

Inactif ou chômeur 33,8 30,8 31,3 34,3

Niveau de confort du ménage

Faible 37,4 34,8 33,4 39,7

Moyen 29,6 29,3 28,8 33,8

Elevé 24,8 20,9 25,0 27,6

Ensemble 31,8 29,9 29,3 33,7 Note : Les résultats ont été obtenus à partir des échantillons et pondérations transversaux pour chaque année.


245

Le Tableau 58 décrit les caractéristiques des individus désirant le statut de

travailleur indépendant comparées à ceux qui ne le souhaitent pas. Quatre critères les

diffèrent significativement du reste de la population en âge de travailler. En général, ils

sont relativement moins éduqués, plus fréquemment des chefs de ménage et mariés.

Dans une grande majorité des cas, ils exercent déjà effectivement une activité

indépendante et gagnent une rémunération relativement élevée. Par contre, les revenus

d’activité des autres membres de leur ménage sont relativement inférieurs aux revenus

d’activité des autres membres de ménage de ceux qui ne désirent pas le statut de

travailleur indépendant.

Le Tableau 59 indique l’importance de l’esprit d’entreprise ou le goût du risque des

individus vus à travers l’invariance au cours du temps des opinions de ceux qui veulent le

statut de travailleur indépendant. Les résultats sont ici mitigés. En effet, parmi ceux qui ont

déclaré préférer ce statut en 2000, plus de la moitié (52%) l’ont confirmé en 2001. Cette

proportion a baissé jusqu’à 44% au cours de la période 2001-2002. Cela peut être dû aux

effets néfastes de la crise de 2002 qui ont perturbé les performances des unités de

production et les anticipations des agents, surtout les chômeurs et les cadres dans les

établissements formels, qui veulent s’échapper à l’instabilité dans le travail indépendant.

Tableau 58 : Caractéristiques des individus désirant le statut de travailleur indépendant comparées à ceux ne le désirant pas

Caractéristiques 2000 2001 2002 2004

Valeur moyenne Ne

désirant pas Désirant

Ne désirant

pas Désirant

Ne désirant

pas Désirant

Ne désirant

pas Désirant

Âge (nombre d’années révolues) 36,7 37,3 37,1 37,9 38,6 39,2 42,5 41,6**

Proportion de femmes (%) 51,3 50,1 51,8 51,2 53,3 50,6*** 51,9 52,2

Niveau d’instruction (nombre d’années d’études) 8,5 7,4*** 8,5 7,3*** 8,6 7,5*** 9,5 8,2***

Taille du ménage (personnes) 5,6 5,7** 5,5 5,4 5,3 5,2 5,0 5,2***

Nombre d’individus de 10 ans et plus (personnes) 4,6 4,4** 4,5 4,1*** 4,3 4,0*** 4,2 4,2

Proportion des chefs de ménage (%) 35,5 44,0*** 35,6 45,2*** 37,4 48,7*** 43,8 49,4***

Proportion des mariés (%) 59,1 70,9*** 59,7 74,0*** 62,1 75,4*** 65,8 75,3***

Proportion des migrants (%) 77,8 74,4 72,2 69,8 81,6 83,0** 79,7 82,1***

Proportion des travailleurs indépendants effectifs (%) 9,0 67,8 7,8 72,8 12,4 73,6 10,7 73,7

Proportion des dépendants informels (%) 13,1 7,1*** 13,8 4,6*** 14,6 6,0*** 14,8 5,5***

Revenu d’activité mensuel (1000 Ariary*) 41,3 50,1*** 45,6 55,5*** 49,0 61,6*** 63,6 71,3***

Revenu d’activité des autres membres (1000 Ariary) 104,9 88,4*** 117,0 83,1*** 108,9 86,1*** 126,1 97,9***

Expérience professionnelle (nombre d’années) 1,5 1,7*** 1,5 1,8*** 1,7 1,9*** 1,7 1,9***

Notes : (1) Significativité *** à 1%, ** à 5%, * à 10%. (2) Les résultats ont été obtenus à partir des échantillons et pondérations transversaux pour chaque année. (3) 1 euro=2543 Ariary Sources : INSTAT/DIAL, Enquêtes 1-2-3, phase 1, 2000-2001-2002-2004, phase 1, calculs de l’auteur.

246

La situation s’est redressée progressivement entre 2002-2004 : 46% sont fidèles à

leur choix d’être travailleur indépendant. Si l'on adopte une période plus longue, parmi

ceux qui ont déclaré préférer ce statut en 2000, un tiers ont tenu ce choix jusqu’en 2002 et

un peu plus d’un quart jusqu’en 2004.

Tableau 59 : Proportion de ceux ne changeant pas d’idée les années suivantes parmi ceux désirant le statut d’indépendance pour l’année de référence Période 2000-2001 2001-2002 2002-2004 2000-2002 2001-2003 2000-2004

Sexe

Femme 50,8 42,1 46,3 30,3 33,8 22,8

Homme 53,3 47,4 45,7 35,8 40,0 28,9

Âge

25 ans ou moins 34,0 28,1 36,7 16,1 22,0 13,8

26 à 40 ans 55,7 45,4 44,8 35,8 36,0 25,7

41 à 60 ans 57,3 51,0 51,1 37,3 42,1 30,2

plus de 60 ans 63,1 53,5 45,3 40,0 43,3 30,5

Migration

Migrant 56,5 43,8 43,5 36,7 37,4 28,8

Non migrant 50,6 45,1 46,5 31,9 36,5 24,9

Niveau d'instruction

Sans instruction 61,3 47,2 51,2 39,2 40,3 35,7

Primaire 57,5 50,3 49,6 39,0 42,2 31,5

Secondaire 49,6 43,5 44,7 29,7 35,4 21,8

Universitaire 34,1 30,6 33,8 23,3 19,1 13,4

Rang dans le ménage

Membre secondaire 45,0 36,4 41,1 24,8 28,8 17,9

Chef de ménage 61,1 54,7 51,2 42,8 45,3 34,4

Statut matrimonial

Non marié 41,5 33,3 38,7 21,6 29,0 16,8

Marié 56,4 48,7 48,4 36,7 38,7 28,4

Statut vis-à-vis de l'emploi actuel

Chômeur 48,7 17,9 31,5 19,3 4,3 12,6

Inactif 33,3 27,7 31,5 13,6 16,1 11,5

Occupé 55,0 47,3 47,7 35,9 39,7 27,7

Secteur institutionnel actuel

Secteur informel 59,5 50,5 50,4 39,7 42,0 30,6

Secteur formel 24,8 23,0 27,6 8,7 18,3 6,8

Catégorie socioprofessionnelle actuelle

Cadres 4,8 15,6 5,6 3,1 0,0 0,0

Ouvrier 30,6 23,1 26,4 12,8 14,2 6,6

Indépendant 62,3 52,3 52,6 41,9 44,0 32,9

Autres 23,1 22,3 29,6 9,6 17,6 5,2

Secteur institutionnel du père

Secteur informel 54,8 49,9 48,6 35,4 41,4 28,5

Secteur formel 47,2 36,7 42,2 28,2 27,8 21,5

Inactif ou chômeur 53,2 45,0 44,0 33,9 39,9 24,4

Ensemble 52,1 44,7 46,0 33,0 36,8 25,7

Note : Les résultats ont été obtenus à partir des échantillons et pondérations des années de référence.


247

L'analyse selon les caractéristiques sociodémographiques et économiques des

individus met en lumière les points suivants. Les jeunes moins de 25 ans, les

universitaires, les salariés cadres ou ouvriers dans le secteur formel sont relativement

moins constants dans leur perspective d’exercer une activité indépendante : ils changent

plus fréquemment d’idée d’une année à l’autre. Par contre, les hommes, les mariés, les

chefs de ménages, les travailleurs indépendants actuels dans le secteur informel sont

relativement fermes quant à leur souhait de devenir ou rester de travailleur indépendant.

Les caractéristiques telles que le statut migratoire et le secteur institutionnel du père

semblent avoir peu d’influence sur la fidélité des choix des offreurs de travail.

I.2.3. Stratégie d’estimation

L’analyse s’effectue en deux étapes. Dans un premier temps, on identifie les

caractéristiques des individus et les facteurs qui les poussent à souhaiter avoir le statut de

travailleur indépendant en analysant les déterminants du désir de ce statut. Un reproche

que l’on pourrait apporter à ce type d’approche est la variabilité trop importante du délai de

réalisation que les individus comptent mettre en œuvre leurs « rêves » de s’installer à leur

compte : perspectives de court terme, de moyen terme ou de long terme. Cette difficulté

ne pèse pas très lourd dans notre démarche dans la mesure où, particulièrement dans le

cas de l’agglomération d’Antananarivo – domaine couvert par cette étude, la plus grande

partie des individus enquêtés ont annoncé des perspectives de court terme. En effet, entre

2000 et 2004, plus de 82% d’entre eux ont déclaré qu’ils désirent réaliser leurs « rêves »

dans cinq ans au plus tard.

Dans un deuxième temps, l’objectif est d’identifier des contraintes potentielles sur la

mise à son propre compte en analysant les déterminants de l’exercice d’une activité

indépendante une année donnée (en tenant compte de son statut au cours de la période

précédente). Les contraintes potentielles sont ainsi assimilées aux facteurs ayant des

influences négatives sur cette mobilité.

248

Deux modèles de type logit dichotomique dynamique à effets aléatoires sont

estimés5. Ce type de modèles présente plusieurs avantages. Premièrement, il prend en

compte l'hétérogénéité individuelle inobservable, phénomène qu’il est d'autant plus

important de contrôler qu'une des variables d'intérêt correspond à l'expression d'une

opinion. Deuxièmement, son aspect dynamique permet de bien cerner l’impact de

l’accumulation du capital le capital financier et le statut dans la période précédente sur les

perspectives professionnelles d’un individu. Ensuite, contrairement au modèle à effets

fixes, ce type de modèle permet d’analyser les effets des caractéristiques individuelles

invariables dans le temps, notamment le statut d’activité des parents sur les perspectives.

Enfin, il fournit des estimateurs efficaces par rapport aux estimateurs du modèle à effets

fixes (Gong, Soest, 2002).

Dans le premier modèle, la variable dépendante est une variable dichotomique

indiquant le désir du statut de travailleur indépendant exprimé une année donnée. Pour le

second modèle, la variable dépendante est aussi une variable dichotomique indiquant

l’exercice effectif du statut de travailleur indépendant. L’objectif étant de focaliser l’analyse

sur la comparaison entre le travail indépendant et le travail salarié, les populations

étudiées sont restreintes aux seuls individus « offreurs du travail » qui ont manifesté leur

souhait de travailler soit en tant que travailleur indépendant soit comme salarié pour le

premier modèle, et seulement à ceux qui exercent effectivement l’un de ces deux statuts

pour le second modèle. Ceux qui ont choisi d’être inactif, aide familial ou qui le sont

effectivement sont exclus de l’étude. Sur le plan technique, ces restrictions présentent

l'avantage de définir une catégorie de référence plus homogène afin de faciliter

l’interprétation des résultats.

Le choix des variables explicatives est motivé par le fait que la décision individuelle

en matière de profession est prise non seulement en fonction des caractéristiques

individuelles mais aussi des « conventions » collectives sur la répartition des tâches au

sein du ménage, ainsi que l'allocation des capitaux ou des ressources communes. Des

variables communes et des variables spécifiques sont retenues pour chacun des deux

modèles.

5 Le test de Chow est appliqué pour tester si la démarche est valide i.e si on peut rejeter l’égalité systématique des estimateurs des

modèles pour les femmes et pour les hommes

249

Parmi les variables explicatives communes aux deux modèles, on retient, en

premier lieu, les différentes dotations ou capitaux individuels accumulés au cours des

périodes précédentes. Elles peuvent être corrélées positivement au désir d’être travailleur

indépendant et à sa réalisation effective puisqu’elles contribuent principalement à la

constitution du capital initial et réduisent l’aversion au risque lié à l’installation à son propre

compte. A contrario , la richesse peut être un atout pour faciliter l’accès à des opportunités

d’emplois salariés dans le secteur formel en contribuant aux coûts de la recherche

d’emploi et d’accès à l'information, au développement des réseaux de connaissances et

des relations (capital social).

La première composante des dotations individuelles concerne le capital financier.

L’objectif est d’appréhender l’influence d’un appui financier extérieur tel qu’un microcrédit

sur le comportement d’un individu vis-à-vis du travail indépendant. Dans l’étude, on a

utilisée une variable proxy qui est le montant total des revenus des membres du ménage

autres que l’individu enquêté au cours de l’année précédente. Avec son caractère

relativement plus facile à transformer en liquidité ou en capital productif, ce capital agit en

premier lieu sur les perspectives professionnelles individuelles en servant, d’une part de

gage matériel, financier et/ou psychologique pour appuyer la réalisation effective des

projets : capital initial pour la création d’une unité de production ou moyens pour supporter

le financement de la recherche d’emplois salariés.

En ce qui concerne le capital humain, le niveau d’éducation en est la première

composante. On peut s’attendre à des changements mineurs au cours du temps compte

tenu que quelques individus de 18 ans et plus de l’échantillon sont encore en cours de

scolarité. Il peut avoir un impact négatif sur le désir de statut d’indépendance avec l’idée

reçue que ce sont les moins éduqués, conscients de leur faible capacité à concourir pour

le salariat formel, qui sont plus fréquemment attirés et exercent le travail indépendant. Par

contre, il n’est pas exclure que les formations supérieures favorisent la créativité, le

comportement entrepreneurial, l’aptitude de diriger, le goût du risque et la volonté

d’indépendance (Fairlee, Robb, 2003; Blanchflower, 2000). Ainsi, l’introduction de la

variable « niveau d’éducation au carré » permet de tenir compte de potentielles non

linéarités du capital humain.

250

L’expérience professionnelle acquise dans le métier exprimée en nombre d’année

constitue une autre composante du capital humain spécifique d’un individu. D’un côté, Elle

peut pousser un individu à passer à l’étape de l’indépendance compte tenu des

compétences accumulées et la trajectoire professionnelle habituelle i.e. : débutant

pendant la jeunesse comme travailleur dépendant non rémunéré (aide familial ou apprenti)

pour acquérir des expériences professionnelles, puis comme travailleur dépendant dans le

secteur formel pendant l’âge mature pour accumuler des fonds et, enfin comme travailleur

indépendant pendant la période post-retraite (Zissimopoulos, Karoly, 2005) . De l’autre

côté, l’effet de l’expérience professionnelle peut être de faible ampleur. En effet, on

observe souvent des travailleurs indépendants, qui changent d’activités et, qui ne valorise

pas leurs expériences antérieures tout en restant toujours indépendant.

La dernière composante du capital humain qu’on peut considérer est les

compétences transmises par les ascendants d'un individu. Pour cela, la catégorie

socioprofessionnelle du père biologique pendant que l’individu avait 15 ans a été retenue

dans le modèle6. En fait, il ne s’agit pas uniquement du capital humain (technique, esprit

d’entrepreneuriat, etc.), mais pourrait être aussi du capital physique (fond de commerce,

matériels, local, etc.), financier (produits financiers, loyers, comptes bancaires, etc.), ou

social (associations de producteurs, fournisseurs, etc.). Or, ces héritages peuvent influer

fortement aux trajectoires professionnelles des individus.

Le niveau d’équipement du ménage en termes de score des biens durables

possédés par le ménage est introduit dans les deux modèles. Malgré le fait que ce type de

capital est en général plus difficile à convertir directement en capital productif, il peut dans

certains cas servir de capital immobilier : garantie hypothécaire pour les prêts bancaires

ou les microcrédits, local pour les travaux à domicile, etc. Sous un autre angle, cette

variable peut refléter les préférences du ménage entre investissement non productif et

investissement productif. Dans ce cas, elle est corrélée négativement au souhait de (ou au

passage à) la création d’une unité de production.

6 En principe, cette variable devait être constante dans le temps dès qu’on ne retient que les individus de 18 ans et plus. Cependant,

quelques variations (très rares) ont été observées dans la base de données compte tenu des erreurs d’observations (certains enquêtés

ayant pu confondre éventuellement l’activité du père au moment de l’enquête et l’activité du père au moment où l’individu avait 15 ans).

251

Pour contrôler l’effet de la coordination ou partage des rôles dans les activités

économiques au sein du ménage, la variable dummy indiquant l’existence d’au moins un

autre membre du ménage travaillant déjà à son propre compte a été introduite dans le

modèle. La décision d’un individu de se mettre à son compte ultérieurement peut être

corrélée positivement à cette variable, par l’effet d’anticipation de l’héritage ou tout

simplement de l’effet de contagion (imitation) au sein du ménage. La relation peut aussi

être négative compte tenu de stratégies du ménage de diversifier les activités et les

sources de revenus pour faire face aux risques.

Une variable dichotomique indiquant la période après 2002 est introduite dans le

modèle pour contrôler les effets de la crise sociopolitique de 2002. De nouvelles

perspectives ont pu surgir après la crise qui a conduit à un changement de régime et qui a

provoqué des restructurations non seulement sur le plan politique, mais aussi sur le plan

économique et social. L’impact de la crise sur la situation économique dans son ensemble

(hausse du taux de chômage, inflation élevée, etc.) et sur la situation financière

individuelle (chute du niveau de revenus, absence de protection sociale, etc.) ont pu

orienter la perspective en faveur des activités salariales formelles stables et bénéficiant

des protections sociales au détriment des activités indépendantes trop risqués et à

revenus irréguliers. Par contre, étant donné la priorité accordée par le nouveau régime à la

promotion du secteur privé, le statut de patron ou travailleur indépendant peut avoir un

pouvoir d’attraction de plus en plus fort.

La composition du ménage (nombre d'enfants en bas âge, de jeunes et d'adultes

selon le genre) et certaines caractéristiques sociodémographiques individuelles tels que

l’âge, le statut matrimonial sont introduites dans le modèle. Elles peuvent aussi avoir des

effets sur la préférence individuelle compte tenu du partage des rôles dans les activités

familiales et dans les obligations domestiques selon l’âge et le genre. Les effets attendus

sont beaucoup plus importants chez les femmes que chez les hommes. L’existence

d'enfants de moins de cinq ans peut être corrélée positivement avec le choix d’être à son

propre compte du fait de sa souplesse en termes de lieu ou d’horaire du travail pour

pouvoir exercer l’activité économique en même temps que les travaux domestiques et les

gardes d’enfants.

252

Outre ces variables explicatives communes, sont introduites spécifiquement pour le

deuxième modèle traitant la mise en son propre compte effective quatre autres variables.

Les deux premières variables sont des variables dummies indiquant si l’individu a

exprimé l’année précédente son désir d’exercer une activité indépendante respectivement

à court terme ou à moyen et long terme. La catégorie de référence est ainsi les individus

qui n’ont jamais eu envie d’exercer un travail indépendant pour l’année précédente. Les

effets de ces variables vont montrer si l’exercice des activités indépendantes est un choix

délibéré qui ne change pas avec le temps ou bien au contraire un choix contraint.

Les deux autres variables sont aussi des variables dummies concernant le statut

d’activité de l’année précédente : travailleur dépendant du secteur informel (aide familial),

et salarié dans le secteur formel. La catégorie de référence est l’ensemble des travailleurs

indépendant l’année précédente. Elles tentent de capter à la fois l’importance de la

mobilité intersectorielle de la main-d’œuvre et de la trajectoire professionnelle individuelle

des offreurs de travail.

Dans toutes les étapes de l’analyse, la base de données utilisée est le panel non-

cylindré7 sur les quatre années (2000, 2001, 2002 et 2004). Considérant l’importance du

sexe dans l’insertion sur le marché du travail compte tenu des valeurs culturelles, les

différentes formes de discrimination et le partage des tâches au sein des ménages, deux

modèles séparés sont formulés pour les hommes et pour les femmes. Le test de Chow

montre qu’on rejette l’hypothèse d’égalité systématique des coefficients des deux

modèles8.

7 Individus qui ont apparu au moins deux fois consécutives dans les échantillons entre 2000 et 2004

8 Avec Chi2(21)=55,27, Le test de Hausman rejette l’hypothèse de la différence non systématique des coefficients entre le modèle à

effets fixes et le modèle à effets aléatoires

253

I.2.4. Les déterminants du désir d’un travail indépendant

Le Tableau 60 montre les résultats des estimations portant sur le désir de travail

indépendant. Sur l’ensemble de la population, le capital financier extérieur approché par

les revenus des autres membres du ménage au cours de l’année précédente n’a pas

d’effet significatif sur le désir du travail indépendant. Le résultat est valable aussi bien chez

les hommes que chez les femmes. Ainsi, on ne peut pas affirmer que seuls les plus

pauvres financièrement qui veulent se réfugier dans les activités indépendantes pour

survivre. De plus, si on considère l’autre indicateur de richesse qui est le score des

équipements possédés par le ménage, l’effet n’est pas non plus significatif sur l’ensemble

des individus. Il est positif et significatif seulement au seuil de 10% chez les femmes.

Malgré cela, sa valeur est assez faible. Le désir du statut de travailleur indépendant ne se

caractérise pas par le bien-être matériel. Il touche aussi bien les pauvres que les riches.

Conclure que le statut de travailleur indépendant est réservé uniquement à ceux qui sont

en manque de moyens ou de dotations pour pouvoir rêver occuper un emploi salarié n'est

pas justifié à ce stade.

Les autres types de dotations agissent fortement sur cette perspective sur

l’ensemble de la population. Néanmoins, sur ce plan, entre les hommes et les femmes, les

phénomènes se présentent différemment. Si les dotations ou capitaux individuels

importent toujours chez les hommes, ce n’est pas toujours le cas chez les femmes.

Premièrement, l’effet non linéaire du niveau d’éducation est négatif et significatif

surtout chez les hommes. Cela montre que, jusqu’à un certain niveau d’études, la volonté

d’exercer une activité indépendante devient de plus en plus importante. Ainsi, ceux qui

désirent exercer une activité indépendante ne sont pas les moins éduqués. Cette situation

concerne aussi bien les hommes que les femmes. Deuxièmement, les estimations mettent

en lumière l’importance de l’effet positif de l’« héritage » professionnel du père sur les

perspectives professionnelles. Par rapport à un homme dont le père était inactif quand il

avait 15 ans, le fait d’avoir un père ayant exercé un travail indépendant augmente la

probabilité de choisir le même statut. Cette influence est très significative chez les

hommes mais pas chez les femmes. Ceci est tout à fait compréhensible du fait que le

transfert de compétences se passe souvent du père au fils. Ces phénomènes indiquent

254

que ceux qui désirent le travail indépendant possèdent des dotations spécifiques par

rapport à celles des travailleurs salariés et dont la privation peut constituer une barrière à

l’entrée dans ce type d’activité.

En ce qui concerne l’expérience professionnelle, elle agit négativement sur le désir

de travail indépendant aussi bien chez les hommes que chez les femmes. Deux

enseignements peuvent être tirés de ce résultat. Tout d’abord, ce sont les individus en

première quête d’emploi ou inactif qui préfèrent le plus se lancer directement à se mettre

sur leur compte plutôt que ceux qui ont acquis une certaine pratique. Ensuite, les salariés

essaient en général de conserver ce statut tout au long de leur vie professionnelle. Ce qui

remet en cause l’idée reçue faisant de l’activité indépendante la dernière étape du cycle

vie professionnel d’un individu après l’apprentissage, le statut d’aide familial et celui de

salarié.

Le fait qu’un autre membre du ménage exerce déjà une activité indépendante a une

influence positive chez les hommes (mais non significative chez les femmes). Si on

considère les perspectives à court terme, on observe ainsi un effet d’« imitation » au sein

d’un ménage ou bien une stratégie du ménage visant à diversifier ses activités afin

d’affaiblir les risques éventuels liés aux changements de la conjoncture économique. Pour

les perspectives à moyen ou long terme, ce résultat corrobore l’importance de l’effet de

l’ « héritage » chez les hommes tel qu’il a été évoqué précédemment.

Parmi les caractéristiques sociodémographiques individuelles et du ménage, deux

facteurs seulement ont des effets significatifs sur le désir d’un travail indépendant.

Inversement au cas des dotations, ils affectent surtout les femmes et un peu moins les

hommes. Le fait de vivre en union (mariage ou union libre) augmente la probabilité du

désir de se mettre à son compte pour une femme. La volonté de contribuer aux revenus

du ménage, tout en veillant aux obligations familiales, conduit les femmes à choisir plutôt

des activités indépendantes que des activités salariales plus contraignantes en termes

d'horaires et de lieu d’activité. En ce qui concerne la composition du ménage, le nombre

de femmes de 21 à 60 ans a un effet négatif surtout chez les femmes.

255

Enfin, après la crise de 2002, un offreur de travail, qu'il soit masculin ou féminin, a

plus de chance qu’avant cette période de préférer être travailleur indépendant, plutôt

qu’être travailleur salarié. Plusieurs interprétations peuvent être avancées pour expliquer

ce phénomène. En premier lieu, on peut citer les contreperformances enregistrées par le

secteur formel, surtout les entreprises nationales après la crise et qui ont assombris leurs

perspectives. A part cela, la nouvelle vision du nouveau régime sur le développement rural

et sur la promotion de la microfinance peut inciter les actifs à profiter des opportunités

pour créer leur propre unité de production. Enfin, on peut aussi imaginer que l’image

imprimée par le « success story » du petit fabricant de Yaourt devenu Président de la

république a joué.

256

Tableau 60 : Déterminants du désir d’un travail indépendant (Odds ratio avec logit dichotomique à effet aléatoire) Variable Ensemble Hommes Femmes Homme (dummy) 0.883 (0.097) Âge 1.007 0.982 1.046 (0.023) (0.029) (0.040) Âge au carré (/100) 0.998 1.015 0.956 (0.027) (0.035) (0.048) Vit avec un conjoint (dummy) 1.449*** 0.967 1.680*** (0.153) (0.201) (0.304) Être chef de ménage (dummy) 0.864 1.142 1.131 (0.116) (0.280) (0.289) Nombre d’enfants de moins de 5 ans 1.082 1.020 1.125 (0.066) (0.086) (0.100) Nombre de garçons de 5 à 14 ans 0.988 1.023 0.942 (0.050) (0.068) (0.073) Nombre de filles de 5 à 14 ans 1.022 1.026 1.024 (0.052) (0.071) (0.077) Nombre de garçons de 15 à 20 ans 1.053 1.006 1.088 (0.066) (0.082) (0.109) Nombre de filles de 15 à 20 ans 0.970 0.908 1.091 (0.063) (0.083) (0.104) Nombre d’hommes de 21 à 60 ans 0.953 0.887* 1.061 (0.051) (0.061) (0.092) Nombre de femmes de 21 à 60 ans 0.881** 1.049 0.811** (0.047) (0.081) (0.070) Nombre de personnes âges de 61 ans et plus 0.915* 0.940 0.924 (0.042) (0.059) (0.063) Revenus des autres membres l’année précédente (log) 0.998 1.010 0.970 (0.019) (0.023) (0.034) Niveau d’éducation (nombre d’années) 1.038 1.142** 0.964 (0.041) (0.064) (0.055) Niveau d’éducation au carré 0.993*** 0.990*** 0.995* (0.002) (0.003) (0.003) Expérience professionnelle (nombre d’années) 0.680*** 0.853*** 0.539*** (0.027) (0.046) (0.033) Catégorie socioprofessionnelle du père : cadre (dummy) 1.443** 1.464* 1.422 (référence : inactif) (0.221) (0.305) (0.323) Catégorie socioprofessionnelle du père : ouvrier (dummy) 1.266** 1.364* 1.136 (référence : inactif) (0.148) (0.223) (0.191) Catégorie socioprofessionnelle du père : indépendant (dummy) 1.466*** 1.764*** 1.161 (référence : inactif) (0.175) (0.298) (0.199) Score des équipements ménagers possédés par le ménage 1.033 1.013 1.077* (0.026) (0.034) (0.041) Existence d’un travailleur indépendant dans le ménage (dummy) 1.235*** 1.404*** 1.122 (0.096) (0.148) (0.131) Période après la crise 2001 (dummy) 1.417*** 1.457*** 1.354*** (0.106) (0.149) (0.148) Nombre d’observations 7393 3930 3463 Likelihoo-ratio test of rho=0 34,8 10,1 26,5 Log likelihood -3248,8 -1646,4 -1569,9 Test de Chow (hommes-femmes) LR chi2(23) 65,1

Catégorie de référence : Désir du statut de salarié Ecart type entre parenthèses ; * significative à 10%; ** significative à 5%; *** significative à 1% Sources : INSTAT/DIAL, Enquêtes 1-2-3, phase 1, 2000, 2001, 2002, 2004, calculs de l’auteur.

257

I.2.5. Les déterminants de l’exercice effectif d’un travail indépendant

Le Tableau 61 montre les résultats des estimations portant sur les déterminants de

l’exercice effectif d’un travail indépendant. Le fait d’être homme réduit plus de 47% la

probabilité de travailler à son propre compte plutôt que d’être salarié. Ceci doit conduire à

accorder une attention à l’égard des femmes en ce qui concerne la politique d’appui aux

petites entreprises.

La variable indiquant au cours de l’année précédente le désir d’exercer à court

terme une activité indépendante a une influence positive significative très forte et

augmente de plus de 68% les chances qu’un individu se mette effectivement à son

compte l’année d’après. Ainsi, on peut affirmer que dans de nombreux cas la mise en son

propre compte est un choix délibéré et non un statut provisoire ou d’attente contraint par

le manque d’opportunités d’emplois dans le secteur formel. Cependant, il faut mentionner

que ce résultat est valable surtout pour les hommes. Pour les femmes, l’effet est toujours

positif mais non significatif. Cela peut refléter une certaine indifférence des femmes quant

à leur statut d’activité. L’autre variable indiquant toujours au cours de l’année précédente

le désir d’exercer une activité indépendante, mais cette fois-ci à un horizon moyen ou long

terme, a un effet négatif mais non significatif. Ce résultat montre à quel point la mise en

son compte est une décision programmée à l’avance et non une situation accidentelle

tributaire des changements de la conjoncture à court terme.

D’autres types de dotation ou capital ont des effets significatifs sur l’exercice d’une

activité indépendante. La première variable est les revenus des autres membres du

ménage au cours de l’année précédente, qui a un effet nettement positif. Ceux qui

viennent de s’installer effectivement à son propre compte sont caractérisés par un capital

financier extérieur relativement élevé. Cela montre que la mise en son compte effective

demande un appui financier extérieur assez conséquent pour compléter le capital initial et

aussi pour diminuer l’aversion au risque de se lancer effectivement dans la création d’une

unité de production. Ainsi, la faiblesse de l’appui financier extérieur constitue un obstacle à

la concrétisation du désir de se mettre à son propre compte ; un résultat qui remet en

cause l’idée reçue qu’il y a une libre entrée sur ce secteur d’activité. La situation concerne

surtout les femmes, alors que pour les hommes l’effet est non significatif. Ce qui met en

258

lumière l’importance de mener des efforts particuliers à l’égard des femmes en matière

d’appui financier pour le développement de ces activités féminines génératrices de

revenus.

La deuxième variable est l’expérience professionnelle, qui agit négativement. Ainsi,

la mise à son compte ne résulte pas d'abord d’une valorisation des compétences

professionnelles acquises dans la même activité mais plutôt de l'exercice d'un statut de

travailleur dépendant au cours des périodes antérieures. On se lance dans le travail

indépendant pour découvrir une nouvelle activité plus intéressante. Cette situation mérite

une attention particulière et doit remettre en cause certaines pratiques dans la mesure où

l’expérience professionnelle fait partie des principaux critères d’éligibilité dans la plupart

des programmes de promotion des activités génératrices de revenus notamment la

microfinance.

Le niveau d’éducation a une influence négative : une année d’enseignement

supplémentaire réussi réduit de 17% les chances qu’un individu exerce une activité

indépendante. L’interprétation de ce résultat seul peut induire en erreur. Par contre, en le

combinant avec l’effet non linéaire négatif du niveau d’éducation sur le désir de travail

indépendant évoqué précédemment, on trouve un phénomène intéressant. Les individus

ayant un niveau d’éducation moyen qui ont la plus forte probabilité de désirer le statut de

travailleur indépendant ont moins de chance de le concrétiser. Le phénomène affecte

surtout les hommes. Pour eux, d’autres contraintes existent et qui méritent des analyses

plus approfondies.

Le statut d’activité du père n’a pas d’effet significatif sur la mise en son propre

compte effective. A première vue, ce résultat semble contradictoire avec la forte influence

positive de cette variable sur le désir de travail indépendant. Deux interprétations sont

possibles. D’un côté, on peut penser aussi que la perspective de mise en son compte des

descendants d’un père travailleur indépendant est souvent un projet à moyen ou à long

terme. De l’autre côté, il peut exister d’autres contraintes non identifiées dans le modèle,

qui empêchent la réalisation du souhait de la mise en son compte de cette catégorie de

personnes descendantes de travailleurs indépendants. Comme on a évoqué

précédemment, ces contraintes peuvent être liées au capital financier ou au niveau

259

d’éducation. Les ménages des descendants d’un père travailleur indépendant peuvent

avoir des revenus relativement inférieurs par rapport aux ménages des autres catégories

d’individus.

L’autre variable qui agit fortement de façon positive sur l’installation dans le statut

de travailleur indépendant est l’existence d’un autre membre jouissant ce même statut.

Plus il y déjà de travailleurs indépendants dans le ménage, plus un individu crée son

propre unité de production, qu’il soit un homme ou une femme. L’effet de d’ « imitation »

ou de la stratégie de diversification des activités du ménage déjà observé lors de l’analyse

du désir de travail indépendant se vérifie également. Ceci infirme l’idée intuitive qu’une

entreprise familiale absorbe systématiquement tous les membres du ménage. Le

développement des activités familiales passe plutôt par une multiplication mais non d’une

intensification des activités existantes.

Les variables sociodémographiques influent de manière marquée sur la mise en

son propre compte notamment, chez les femmes. Le passage d’une vie de célibataire à

une vie en couple agit positivement et pousse les femmes à exercer une activité

indépendante plutôt qu’une activité salariale. De plus, le nombre d’enfants de moins de

cinq ans et ceux des enfants de 5 à 14 ans augmente la chance d’une femme d’exercer un

tel type d’activité. Dans le but de participer aux revenus du ménage, il est le mieux adapté

aux obligations des femmes d’assurer en même temps les activités économiques et les

travaux domestiques quotidiennes y compris les soins des enfants. Par contre, le nombre

de femmes actives entre 21 et 60 ans dans le ménage réduit la probabilité qu’une femme

s’installe à la tête de sa propre unité de production.

Du côté des hommes, on peut noter l’effet non linéaire positif de l’âge montrant que

la mise en son propre compte est relativement plus probable chez les plus jeunes dont le

goût de l’aventure et du risque est encore vif et chez les personnes âgées qui ne peuvent

plus supporter de travailler sous l’autorité d’un employeur. Le nombre de personnes âgées

de plus de 60 ans dans le ménage augmente la probabilité pour qu’un homme soit un

travailleur indépendant. Une partie de l’effet d’ « héritage » peut être capté par cette

variable. Le statut de chef de ménage accordé souvent aux ascendants âgés favorise le

transfert des activités qu’ils ne peuvent plus pratiquer compte tenu de leur incapacité

260

physique. Enfin, les nombres d’individus de 15 à 20 ans agissent négativement sur la mise

en son propre compte chez les hommes.

L’effet nettement positif de la variable indiquant la période après la crise de 2002

montre à quel point la prolifération des activités indépendantes est très importante. Des

nouveaux venus sur le marché du travail choisissent directement de s’installer dans ce

secteur. D’autres qui sont venus d’autres types d’activités salariales y débarquent soit à

cause des contre performances de leurs entreprises d’origine soit pour profiter d’autres

opportunités plus intéressantes (Rakotomanana, 2007).

261

Tableau 61 : Déterminants de l’exercice d’un travail indépendant (Catégorie de référence : Être salarié) (Odds Ratio avec Logit dichotomique dynamique) Variable Ensemble Hommes Femmes

Ayant désiré le travail indépendant à court terme (dummy) 1.681*** 1.865** 1.464

(0.337) (0.468) (0.479)

Ayant désiré de travail indépendant à moyen terme (dummy) 0.731 0.783 0.677

(0.297) (0.448) (0.398)

Homme (dummy) 0.527***

(0.081)

Âge 0.965 0.899*** 1.030

(0.027) (0.032) (0.046)

Âge au carré (divisé par 100) 1.074** 1.135*** 1.014

(0.034) (0.045) (0.053)

Vit avec un conjoint (dummy) 1.408*** 0.682 2.723***

(0.185) (0.167) (0.668)

Être chef de ménage (dummy) 0.707** 1.733* 1.609

(0.121) (0.517) (0.509)

Nombre d’enfants de moins de 5 ans 1.324*** 0.987 1.868***

(0.107) (0.103) (0.244)

Nombre de garçons de 5 à 14 ans 1.108 0.981 1.296**

(0.074) (0.085) (0.138)

Nombre de filles de 5 à 14 ans 1.172** 1.143 1.240**

(0.080) (0.099) (0.134)

Nombre de garçons de 15 à 20 ans 0.892 0.742*** 1.066

(0.077) (0.085) (0.144)

Nombre de filles de 15 à 20 ans 0.798** 0.753** 0.935

(0.074) (0.093) (0.134)

Nombre d’hommes de 21 à 60 ans 0.901 0.915 0.807*

(0.066) (0.086) (0.097)

Nombre de femmes de 21 à 60 ans 0.648*** 0.913 0.643***

(0.048) (0.096) (0.076)

Nombre de personnes âges de 61 ans et plus 1.130** 1.333*** 1.059

(0.064) (0.099) (0.097)

Revenus des autres membres l’année précédente (log) 1.084*** 1.036 1.191***

(0.026) (0.028) (0.055)

Niveau d’éducation (nombre d’années) 0.832*** 0.760*** 0.909

(0.040) (0.048) (0.069)

Niveau d’éducation au carré 1.000 1.006* 0.994

(0.003) (0.003) (0.004)

Expérience professionnelle (nombre d’années) 0.773*** 0.803*** 0.763***

(0.038) (0.053) (0.058)

Catégorie socioprofessionnelle du père : cadre (dummy) 1.079 0.985 1.172

(référence : inactif) (0.219) (0.260) (0.375)

Catégorie socioprofessionnelle du père : ouvrier (dummy) 0.913 0.856 0.960


Catégorie socioprofessionnelle du père : indépendant (dummy) 1.185 1.228 1.088


Travailleur dépendant dans le secteur informel l’année précédente 0.834 0.814 0.457


Travailleur dépendant dans le secteur formel l’année précédente 0.402** 0.421** 0.296*


Score des équipements ménagers possédés par le ménage 0.983 1.006 0.949

(0.034) (0.045) (0.051)

Existence d’un travailleur indépendant dans le ménage (dummy) 1.567*** 1.328** 2.101***

(0.162) (0.176) (0.351)

Période avant la crise 2002 (dummy) 2.722*** 2.245*** 3.367***

(0.273) (0.294) (0.538)

Nombre d’observations 6900 3720 3180

Likelihood-ratio test of rho=0 211,5 59,7 137,4

Log likelihood -3367,4 -1670,3 -1645,5

Test de Chow (homes-femmes) LR chi2(27) 103,3

Ecart type entre parenthèses ; * significative à 10%; ** significative à 5%; *** significative à 1%

262

Conclusion

Cette étude a permis d'identifier les caractéristiques des individus qui désirent être

travailleur indépendant, ces derniers constituant la population cible des institutions de

microfinance. Les résultats montrent des spécificités du cas des activités génératrices de

revenus à Madagascar et remettent en cause certaines théories traditionnelles sur le

secteur informel, bien que celles-ci dictent des pratiques dans la mise en œuvre des

politiques de développement. Les activités indépendantes ne constituent pas le refuge des

mal-lotis. La pauvreté matérielle ou monétaire n’est pas une caractéristique des individus

qui veulent exercer une activité indépendante. De plus, en matière de niveau d’éducation,

le désir de s’y mettre est le plus important chez ceux ont suivi des études de niveau

moyen. Par contre, cette catégorie de personnes connaît certaines contraintes pour

réaliser leur souhait. L’effet « héritage » sur le statut de travailleur indépendant est très

important. Cependant, ce statut ne constitue pas obligatoirement la dernière étape du

cycle de vie professionnel pour valoriser des expériences acquises lors des activités

antérieures sous le statut de travail dépendant. Il est aussi désiré pour explorer pour la

première fois une nouvelle activité sous un nouveau statut. L’existence d’une unité de

production familiale n’absorbe pas toute la main-d’œuvre familiale. Au contraire, cela incite

les autres membres à en créer d’autres pour diversifier les activités du ménage afin de

réduire sa vulnérabilité ou bien tout simplement par effet d’« imitation ». L’analyse montre

que pour l’installation effective dans le statut de travailleur indépendant, l’appui financier

extérieur constitue un facteur déterminant. Son effet est beaucoup plus important chez les

femmes. Il est indispensable non seulement pour l’apport en capital initial mais représente

aussi une garantie psychologique pour la création d’une nouvelle unité de production.

Enfin, le désir et l’installation effective dans le travail indépendant est de plus en plus

probable au cours de la période après la crise politico-économique de 2002.

Des enseignements peuvent être tirés de ces résultats pour améliorer l’efficacité

des activités mises en œuvre dans le cadre des programmes d’appui aux petites et micro

entreprises notamment la microfinance. Les institutions de microfinance doivent redoubler

d'efforts pour satisfaire une demande potentielle en hausse suite à la crise de 2002.

Cependant, elles doivent bien cerner leur population cible et modifier certaines pratiques.

Pour être plus efficace, l’octroi de crédits doit cibler les ménages bénéficiaires, mais pas

263

seulement les établissements ou les unités de production. Un crédit octroyé à un individu

pour sa propre unité de production profite à tous les membres du ménage par deux

canaux. D’une part, l’effet direct sur le revenu du ménage provient de l’amélioration des

performances économiques, et donc du revenu disponible pour le gérant. D’autre part,

l’effet indirect sur le revenu du ménage se fait par le biais de l’effet d’entraînement positif

sur la diversification des activités génératrices de revenus pour les autres membres du

ménage, augmentant le revenu et réduisant la vulnérabilité au risque du ménage. Ce

dernier phénomène ne peut pas être capté par une approche par unité de production. Il

doit conduire à privilégier des actions auprès des ménages avec plusieurs actifs pour

optimiser les effets et améliorer l’efficacité globale des aides octroyées.

Les institutions de microfinance doivent orienter beaucoup plus leurs interventions

dans la promotion des activités féminines où la demande est beaucoup plus importante.

Elles doivent adapter leur gamme de produits pour répondre aux exigences des femmes.

Pour cela, il faut privilégier les activités permettent aux femmes de mener à la fois leurs

activités économiques et leurs obligations domestiques telles que les travaux à domicile.

Les actions doivent viser les femmes vivant en couple avec un certain nombre d’enfants

inactifs qui peuvent aider leur mère dans le cadre des travaux domestiques.

La sensibilisation et les interventions ne doivent pas viser uniquement les mal-lotis

mais doivent aussi être adressées à des populations éduquées et non pauvres. Pour les

crédits de création d’établissement, parmi les critères de sélection des dossiers, ceux liés

aux expériences professionnelles doivent être relégué au deuxième rang. Au contraire, les

actions doivent viser les inactifs. De ce fait, des séances de formation initiale à la gestion

et à l'organisation d’entreprises doivent être dispensées aux bénéficiaires de crédits. Elles

doivent être suivies de formations continues ponctuelles au cours du lancement effectif

des travaux. Les institutions de microfinance doivent consolider leur système de suivi

technique, financier et organisationnel dans une optique de formation plutôt que dans une

optique d’inspection.

264

II. Gender Disparities in the Malagasy Labour Market#

Introduction

Gender differences in terms of the labour market performances are common around

the world. In the case of least developed countries, understanding the roots of inequalities

between the sexes and reducing the gender gap is expected to play an important role in

the fight against poverty. Policies designed to counter gender discrimination are indeed

among the most often recommended solutions to reduce poverty: Goal 3 of the Millennium

Development Goals (MDG) is specifically aimed at reducing gender inequalities.

In the case of Africa, there is in fact very little known about gender inequalities in

labour market outcomes, in particular earnings. In developed countries, many attempts

have been made to estimate the extent to which the average gender wage gap is due to

differences in human capital attributes, such as schooling and work experience, versus

differences between genders in wages paid for given attributes (Blau, Kahn, 2000;

Weichselbaumer, Winter-Ebmer, 2005). The part of the gender wage gap that is not

explained by differences in observed endowments across genders (the unexplained

portion of the gap) is then often attributed to the effect of “pure discrimination” against

women. For Africa, while evidences are still relatively scarce, there is a wide consensus on

the presence of important earnings inequalities between men and women, both for

salaried and self-employed workers.1 For instance, in Guinea, Glick, Sahn, 1997 find that

# This study was commissioned by the French Development Agency (AFD), under the overall guidance of Ewa Filipiak and Alexandre

Kolev. It is part of a broader labour market work programme undertaken from the World Bank office in Madagascar, led by Stefano

Paternostro (AFTH3). The report is also one of the country studies conducted in the context of the joint AFD-World Bank research

framework aiming to improve the understanding of gender disparities in Africa's labour market. The authors would like to thank Jorge

Arbache, Elena Bardasi, Ewa Filipiak, Markus Goldstein, Alexandre Kolev, David Stifel and Stefano Paternostro for helpful suggestions

on a first draft of this study. The usual disclaimer applies.

1Glewwe (1990) for Ghana; Cohen, House (1993) for Sudan; Milne, Neitzert (1994) and Agesa (1999) for Kenya; Glick, Sahn (1997)

for Guinea; Lachaud (1997) for Burkina and Cameroun; Armitage, Sabot (1991) for Kenya and Tanzania; Appleton, Hoddinott, Krishnan

(1999) for Uganda, Côte d'Ivoire and Ethiopia; Isemonger, Roberts (1999) for South Africa; Siphambe, Thokweng-Bakwena (2001) for

Botswana; Kabubo-Mariara (2003) for Kenya; Nordman (2004) for Tunisia; Nordman, Roubaud (2005) for Madagascar; Temesgen

265

differences in characteristics account for 45 percent of the male-female gap in earnings

from self-employment and 25 percent of the differences in earnings from public-sector

employment while, in the private sector, women actually earn more than men. Armitage,

Sabot, 1991 also found that such gender inequality exists in the public sector of Tanzania

but observed no gender discrimination in Kenya's labour market. The latter result is true

both for the public and private sectors of the Kenyan economy. Similarly, Glewwe, 1990

found no wage discrimination against women in Ghana. On the contrary, females seem

better off than males in the public sector. More recently, Siphambe, Thokweng-Bakwena,

2001 show that in the public sector of Botswana most of the wage gap is due to

differences in characteristics between men and women and not to discrimination. On the

other hand, in the private sector, most of the wage gap is due to discrimination. Likewise,

in Uganda and Côte d'Ivoire, Appleton et al., 1999 find evidence that the public sector

practises less wage discrimination than the private sector. However, from their data on

Côte d'Ivoire, Ethiopia and Uganda, they conclude that there is no common cross-country

pattern in the relative magnitudes of the gender wage gaps in the public and private

sectors.2

In the Malagasy case, the deterioration of the labour market as well as the partial

freeze on public sector recruitment from the mid-1980s may have accentuated the

circumstances (i.e. labour market entry and exit) that could give rise to gender inequalities

in the labour market. Indeed, the decrease in jobs for women in the public sector was

particularly significant while this sector offered the most rewarding labour market segment

(Razafindrakoto, Roubaud, 1999; Roubaud, 2002). In this context, the predominance of

the informal activity for women as well as the decreasing role of the public sector in

providing stable jobs may have given rise to increased poverty and consequently to

significant selection effects at the formal labour market entry.

In this paper, we cast new light on these issues by using household surveys carried

out in 2001 and 2005 in Madagascar. In this country, the only previous studies we are

aware of are those of Nicita, Razzaz, 2003; Nordman, Roubaud, 2005 and Nordman,

(2006) for Ethiopia; Nordman, Wolff (2007) for Morocco; Kolev, Suarez Robles (2007) for Ethiopia; Nordman, Wolff (2008) for

Madagascar and Mauritius.

2 In Uganda, the authors find that the wage gaps in the public and private sector are comparable. In Ethiopia, there is a much wider

gap in the private sector than in the public sector. In Côte d'Ivoire, the reverse is true.

266

Wolff, 2008. The first authors investigate the gender wage gap in relation to an analysis of

the growing potential of a particular economic sector, the textile industry. From their

earnings differential decomposition, they first show that both the endowments and the

unexplained part of the wage difference favour male workers, although the latter

dominates the former.3 Second, education and potential experience are similarly important

in determining the wage differential. Third, level of education and being resident in urban

Antananarivo slightly reduce the unexplained part of the wage differential. However, an

important limitation of their study is that, as a result of lack of information, they proxy total

experience by age and include very few regressors in their wage equations by sexes. As

pointed out by some authors (e.g., Weichselbaumer, Winter-Ebmer, 2005; Nordman,

Roubaud, 2005), this may have serious consequences on the extent to which gender

wage discrimination is appreciated (potentially upward bias).

By contrast, using linked worker-firm data from the manufacturing sectors, thereby

enabling perfect controls of the employer effects on earnings, Nordman, Wolff, 2008 show

that the magnitude of the adjusted gender wage gap is almost insignificant. Yet, no

general conclusion on Madagascar can be drawn from this analysis as it only concerns the

formal sector of the economy whereas informal activity largely dominates the Malagasy

labour market.

Nordman, Roubaud, 2005 adopt a different approach by matching two original

urban surveys conducted in Madagascar in 1998 – a labour force survey and a

biographical survey. They build a dataset that enables them to combine the original

information gathered from each survey, particularly the earnings from current employment

and the workers’ entire professional trajectories. They results lead to a reassessment of

the returns to human capital for both males and females. They show that controlling for

further qualitative aspects of labour force attachment (unemployment, inactivity spells or

the number of work interruptions) increases the portion of the gender gap explained by

observable characteristics.

3 In 1999, the gross unadjusted wage differential is about 51 percent in favour of males. The results of the decomposition attribute

about 14 percent to differences in endowments. The unexplained part accounts for about 59 percent of the wage differential, while the

remaining 27 percent is due to selectivity.

267

In this study, we extend the analysis of the previous authors to the entire country

(rural and urban), though with more data constraints concerning the workers’ and

employers’ observed characteristics, notably the lack of precise labour force attachment

variables. However, the originality of our study lies in the longer time perspective of gender

differences in labour market performances that is made possible by the availability of two

cross-sectional household surveys (2001 and 2005). During this period, the Madagascar

economy experienced several large scale shocks: in addition to recurrent weather

problems, the 2002 political crisis resulted in a major disruption of economic activity due to

general strikes and roadblocks on major national roads. More recently, the Madagascar

economy had to face the strong depreciation of the currency and rise in international oil

and rice prices in 2004 and 2005 as well as the final phase-out of the Multi-Fibre

Arrangement in 2005 (Cling, Razafindrakoto, Roubaud, 2007). These shocks may have

affected men and women differently and, as result, changed their relative positions on the

labour market. In order to address that question, we examine two aspects of gender

differences in labour market outcomes: (i) employment status, and (ii) wages and

earnings.

Our results for labour allocation show that the structure of employment has changed

between 2001 and 2005. We find a strong positive impact of education on the probability

of getting a paid job, for both males and females. This effect is also increasing with the

education levels. For men and women alike, education has the strongest positive impact

on the probability of accessing the public sector, followed by private formal wage

employment and finally informal self-employment. Interestingly, education seems to be

more favourable to having a self-employed job in the informal sector rather than a salaried

job in this sector.

Regarding gender inequality in earnings4, the results show that the average gender

wage gap (i.e. for wage workers, including farm salaried workers) is relatively small and

stable over time. In non-farm self-employment, however, the gap is much higher and

declined between 2001 and 2005. Earning equations estimates indicate that human capital

is an important determinant of earnings for both men and women and across sectors of

employment. They also provide evidence that returns to education are higher for men, an

4 We consider earnings resulting from primary activities only.

268

indication of possible discrimination against women in the labour market. Decompositions

of the gender wage gap show that differences in individual characteristics of men and

women account for almost 70 percent of the gap in 2001. However, this share is down to

less than 40 percent in 2005. When also taking into account job characteristics of men and

women, differences in characteristics explain over 60 percent of the gap and the share

remains stable over time. Across wage employment sectors, the gender gap appears to be

the lowest in the public sector and the highest in the informal sector. Using full sectoral

decomposition techniques, we also highlight that gender specific sectoral location explains

a significant share of the gender wage gap in both years. This result is mainly driven by

the fact that the proportion of women is higher in the informal wage sector where earnings

are lower. Augmented earnings equations estimates carried out for the non-farm self-

employment sector suggest that the gap in this sector is driven by the very unequal

distribution of micro-firm attributes between men and women. This result points to a

potential source of “discrimination” often ignored in the gender earnings gap literature

which is access to physical capital, whether through gender biased inheritance rules or

through discrimination in credit lending practices.

The remainder of the paper is divided as follows. Section 2 briefly presents the

background of the Malagasy labour market and its main characteristics. Section 3

discusses the data, concepts and methods used in this study. In section 4 we comment on

the results. Finally, in section 5, we draw together the main findings and conclude.

II.1. Characteristics of Malagasy labour market5

Workforce participation in Madagascar is high. Table 1 provides some basic labour

market indicators for 2001 and 2005. These numbers show that 86.9 percent of the

population report some form of productive activity in 2005, an increase of 4.4 percentage

points from 2001. This growth in activity was driven by greater participation among

women, with female activity rate growing from 77.7 percent to 84.6 percent, relative to

5 Stifel, Rakotomanana, Celada (2007) for more details on labour market conditions in Madagascar based on an analysis of EPM

2001 and 2005.

269

male activity rate rising from 87.5 to 89.4. Open unemployment is structurally low, though it

may be problematic in urban areas and is found to be higher for women than for men.

Over 85 percent of workers in Madagascar were employed in nonwage activities in

2005 and this share of nonwage to total employment rose by 3.4 percentage points

between 2001 and 2005. Unsurprisingly, the informal sector dominates the labour market

in Madagascar. A conservative estimate places 64.5 percent of the 1.2 million wage

workers in the informal sector. Considering the total workforce, including nonwage

workers, approximately 95 percent of the 8.3 million working age adults are informally

employed.

Despite relatively equal access to the general workforce, men have greater access

to “good” jobs than women, i.e. non-agricultural wage employment. Men and women have

similar nonwage agricultural earnings, but men fare better than women in terms of

earnings in every other employment category. Women tend to be employed more in

agriculture and the informal sector where earnings are relatively low, while men tend to

have higher rates of employment in the formal sector where earnings are relatively high.

Further, for those women who are employed in the formal sector and/or better wage jobs,

their earnings fall below those of men in the same sectors on average.

The Malagasy labour market is characterized by the coexistence of different types

of employment sectors with different entry, exit, and wage setting rules. However,

according to Stifel, Rakotomanana, Celada, 2007, there is no evidence of labour market

segmentation between the private formal and informal wage sectors. Differences in

earnings between those employed in the private formal and informal sectors appear to be

driven by differences in endowments, not by differences in returns to education and labour

Table 1 : Selected labour market indicators in Madagascar All (%) Male (%) Female (%) 2001 2005 2001 2005 2001 2005

Activity rate 82.5 86.9 87.5 89.4 77.7 84.6 Employment ratio 81.5 84.7 86.8 87.8 76.5 81.7 Wage employment ratio 18.2 14.6 22.6 17.5 13.5 11.6 Unemployment rate 1.2 2.6 0.9 1.8 1.6 3.5 Inactivity rate 17.5 13.1 12.5 10.6 22.3 15.4

Note: Individuals aged 15 and above. Source: INSTAT/EPM 2001, EPM 2005; author’s calculations.

270

market experience. The exception is that the gap between men’s earnings (higher) and

women’s earnings (lower) is larger in the informal sector than in the formal sector.

However, there does appear to be some segmentation between the private and public

sectors as there are higher returns to education in the latter.

II.2. Data, definitions and methods

In this section, we first the data and concepts used in this study before discussing

the methodology of earnings equations and gender earnings decompositions, an essential

aspect of our investigation of the gender disparities in the labour market.

II.2.1. Data and definitions

This study is based primarily on an analysis of the 2001 and 2005 Enquête

Périodique auprès des Ménages (EPM). The EPM are nationally representative integrated

household surveys of 5,080 households (23,167 individuals) and 11,781 households

(55,995 individuals) in 2001 and 2005, respectively. Our study is carried out on the sub-

sample of individuals aged 15 years and older. In 2005, women represent 51.3 percent of

this sample of individuals.

The multipurpose questionnaires include sections on education, health, housing,

agriculture, household expenditure, assets, non-farm enterprises and employment.

Employment and earnings information are available in the employment, non-farm

enterprise and agriculture sections.

The choice of these databases to analyse gender disparities on the Malagasy

labour market can be justified on the following grounds:

• The EPM is the only survey that provides information on labour market conditions

and is representative at the national and regional level without any restriction on the

271

type of jobs (paid or unpaid, wage or non wage), on the sectors (agricultural or not),

and on the institutional sector (public or private, formal or informal).

• Another advantage of these data bases lies in their multipurpose characteristic. The

fact of having access to a large set of data in different domains stemming from the

same survey allows analyzing a wide range of issues within a comprehensive and

coherent framework. It improves the quality of analysis carried out on determinants of

labour participation such as individual characteristics (age, gender, education) and

household living condition (household size and structure, consumption and wealth).

• The questionnaires in 2001 and 2005 are very similar thus allowing for a consistent

analysis of the evolution of labour market indicators.

Among the 15 sections of the questionnaire, the employment section covers more

specifically the supply side of the labour market with information on the main variables

used in our study: employment status, sector of employment, wage labour earnings, hours

worked, as well as other data on employment conditions. The section on non-farm

enterprises (NFE) provides information on earnings for self-employed workers as well as

some characteristics of NFEs. The other variables used in this study are derived from the

section on the demographic composition of the household as well as from the section on

education.

Gender differences on labour market performances will be grasped through the

analysis of two types of labour market outcomes: employment status and earnings. As

pointed out in Section 2, more than 85 percent of workers in Madagascar are employed in

nonwage activities. Although the EPM are designed to measure both wage and non wage

earnings, this latter type of earnings are typically often generated at the household level,

making it difficult to analyse in relation with individual characteristics such as gender.

Another issue is that non wage earnings are usually derived not only from human capital

but also from physical capital. However, the data at hand does not allow separating labour

from capital income. We therefore chose to estimate modified earnings equations for

independent workers taking into account the value of capital.

The construction of the earnings variable was based upon the following rules:

272

• For wage workers, earnings data is collected at the individual level and wage

earnings are defined as the sum of net wages paid, other advantages (rent, clothes,

transport or gas, etc.) and food provided by the employer earned as compensation

for the main activity (secondary activities are excluded from our analysis6).

• For self-employed workers, earnings are collected in two different sections

depending on whether the self-employment activity is related to the operation of a

farm or of a non-farm enterprise.

• In the case of non-farm self-employment, earnings are defined as the net income of

non-farm enterprises (sales minus paid wages, non wage costs and taxes). This

information is collected at the level of the firm but family members involved in the

activity are listed. In the case of multiple family member participation, it is however

not possible to attribute individual earnings to each member involved: the income is

therefore attributed exclusively to head of the enterprise and other household

members are treated as unpaid family workers.

• Since agricultural incomes cannot be assigned similarly to a single household

member, these earnings are excluded from the analysis. In the participation equation

agricultural self-employment is treated as a specific category.

• All earnings are divided by the number of hours worked in the corresponding activity.

Given that, as mentioned above, the two types of income (wages and earnings from

self-employment) uncover different types of incomes and are measured using different

rules and different parts of the questionnaire, we analyse separately gender earnings

differences for wage employment (including farm salaried workers) and for non-farm self-

employment.

II.2.2. Methods

The empirical analysis is carried out for the two years separately (2001 and 2005).

We rely on three different types of approaches: First, we tackle the question of

6 We chose to exclude secondary wage activities from our analysis for reasons of homogeneity of our earnings measures. The gender

dimension of multiple jobs holdings is left for further research.

273

employment status and sector allocation across gender. After a preliminary discussion

using descriptive statistics, we make use of multinomial logit models that allow

disentangling the determinants of labour allocation across different institutional sectors:

public employment, private formal wage employment, private informal wage employment,

private informal self-employment and agricultural self-employment.7

Our analysis of gender differences then focuses on another main labour market

outcome, namely earnings. Average earnings are first compared across gender. We then

rely on estimations of Mincer-type earnings functions for men and women to decompose

the earnings gap. The objective is to determine the extent to which the average gender

wage gap is due to differences in human capital attributes such as schooling and work

experience, versus differences between genders in wages paid for given attributes (Blau,

Kahn, 2000).

The specifications of the earnings equations and an additional discussion on

sample selection issues related to paid-work participation and sector choice are reported

in the box below. In this box, we also present the most common approach to identifying

sources of gender earnings gaps (Oaxaca-Blinder and Neumark decompositions) together

with a full sectoral decomposition that takes explicitly into account the sectoral structures

between genders in the measure of the gender earnings gaps (Appleton et al., 1999).

7 In a previous version of this study, we analysed the determinants of hours worked in productive activities and housework production

across gender. Due to important heterogeneity issues in the estimation of hours worked, we preferred to drop this section which was

arguably difficult to make sense of. The related results remain available from the authors upon request.

274

In the following, we discuss the econometric methods used for earnings determination and decomposition in this paper. We first present the chosen specification for earnings determination, then provide a discussion about the sample selection issue in a context of sectoral choice, and finally present different decomposition techniques traditionally used for analysing the gender earnings gaps.

A1. Earnings determination

Let the earning function take the form:

iii xw εβ +=ln (1)

where iwln is the natural logarithm of the observed hourly earnings for individual i, ix is a vector

of observed characteristics, β is a vector of coefficients and iε is a disturbance term with an

expected value of zero.

We estimate the log earning functions separately for males and females, and also for the different sectors. There is no universally accepted set of conditioning variables that should be included for describing the causes of gender labour market outcomes differentials. Yet, the consensus is that controls for productivity-related factors such as education, labour market experience and marital status should be included. However, it is debatable whether job characteristics, occupation and industry should be taken into account: if employers differentiate between men and women through their tendency to hire into certain occupations, then occupational assignment is an outcome of employer practices rather than an outcome of individual choice or productivity differences.8

We also incorporate in the earnings functions a few dummy variables aimed at capturing the worker’s specific human capital (vocational training received in school), religion (catholic versus other religion), ethnicity (Merina, the dominant ethnic group, versus other ethnic groups), and the place of residence (a dummy for urban versus rural, and six indicators of provinces of residence). These last dummies are expected to capture spatial specificities in earnings determination: firstly, they capture price differences across regions which are significant given that weak infrastructures prevent the integration of regional markets for goods and labour; secondly, there are also important differences across regions in terms of economic and social development; thirdly, labour market regulation are different across regions given that regulating institutions are in part decentralised.

Education, a main variable in our study, is split into four dummies indicating the schooling level attained by workers, namely no schooling or incomplete primary education, beyond primary education (i.e. primary achieved but incomplete first cycle of secondary education), beyond first cycle of secondary education (i.e. incomplete second cycle of secondary school), and beyond secondary education (or higher education). Recent empirical literature on the returns to education

8 Conversely, one can argue that analyzes that omit occupation and industry may underestimate the importance of background and

choice-based characteristics on labour market outcomes (Altonji, Blank, 1999).

275

in Africa has indeed shown that the marginal returns to schooling are non-linear9 with a convex profile, i.e. increasing with the level of education. Using a series of dummy variables instead of a continuous variable for the years of schooling better allows for this non linearity in the returns to education.

In this paper, it is not possible to account for the workers’ actual experience in the labour market, but only for potential experience which can be viewed as reflecting the ‘gross’ time that individuals have spent while in the labour force (measured as age minus years of schooling minus six – the legal age at school entry). This is a possible limitation of our study since, as argued in the empirical literature, differences in labour force attachment across gender are important to explain the extent of the gender wage gap. Indeed, measures of women’s work experience are particularly prone to errors given their discontinuity in labour market participation (for child care for instance). Using proxy measures such as potential experience may lead to overestimate the amount of experience for females, while it might be a good approximation of true experience for men with higher labour force attachment. Nordman, Roubaud, 2005 show for Madagascar, however, that the corresponding potential bias in the estimates of the returns to experience depends on the institutional sector and on whether other labour force attachment variables can also be controlled for (the number of work interruptions, unemployment, spells of inactivity, etc.). In absence of such measures, potential experience might be a better proxy than the solely used actual experience since including this variable may introduce additional endogeneity problem in the estimation of the earnings function.10

We also estimate earnings functions for the category of self-employed workers.11 Apart from the probability of greater measurement errors, estimating earnings with standard human capital wage functions for these workers is problematic as other factors not taken into account in the equation, such as the amount of capital or access to credit, are likely to have a significant impact on their incomes. This is the reason why, for modelling their earnings, we perform additional regressions including the log of value of capital and number of potential employees used in their activity.

A.2. Sample selection

Concerns arise over possible sample selection biases in the estimations. Strictly speaking, there are two sources of selectivity bias involved. One arises from the fact that wage-earners are only observed when they work, and not everyone is working. The second comes from the selective decision to engage in public wage employment rather than private wage employment or the informal sector. We use Heckman’s two-step procedure to address the first issue. In the first stage, probit estimates of the probability of participation are separately performed for males and females.

9 Constant rates of return to education are more and more challenged in both developed and developing countries (Card, 1999),

especially in Africa (Bigsten et al., 2000; Schultz, 2004; Söderbom et al., 2006; Kuepie et al., 2006).

10 Regan and Oaxaca (2006) show that using potential versus actual experience in earnings models is best viewed as a model

misspecification problem rather than a classical errors-in-variable framework. Instrumental variable techniques are the traditional

approach taken to correct classical measurement error. Then, as underline Regan and Oaxaca (2006), instrumenting potential

experience would not solve the model specification problem.

11 Remember that, in our study, the self-employed workers are independent individuals working in informal non-agricultural activities.

276

We then include the appropriate estimated correction term (Inverse Mill’s Ratios, IMR) into the second-stage earnings equations, for males and females respectively. The inclusion of the correction term ensures that the OLS gives consistent estimates of the augmented earnings functions.

One way to account for the second issue is to determine whether the returns to characteristics of a wage-earner differ from one institutional sector to another. However, given the over-representation of men in the public sector in both years 2001 and 2005, the decision to work in a particular sector may not be determined exogenously. Apart from the observed characteristics discussed above, it may correlate with unobserved characteristics. We use Lee’s two-stage approach to take into account the possible effect of endogenous selection in different sectors on earnings (Lee, 1983). In the first stage, multinomial logit models of individual i’s participation in sector j are used to compute

the correction terms ijλ from the predicted probabilities Pij. The appropriate correction term is then

included in the respective earnings equation as an additional regressor in the second stage. 12

Lee’s method has been recently criticised because it relies upon a strong assumption regarding the joint distribution of error terms of the equations of interest (Bourguignon, Fournier, Gurgand, 2007). However, the existing alternative methods we tried, such as Dubin and McFadden’s or Dahl’s, did not appear more efficient given the limited size of our sectoral sub-samples.13 Another potential problem is that the multinomial logit may suffer from the Independence of Irrelevant Alternatives assumption (IIA), which in most cases is questionable. We perform Hausman-type tests proposed by Hausman, McFadden, 1984 which all provide evidence that the IIA assumption is not violated for both the male and female samples.

A multinomial logit model with five categories is then specified. It includes non-participation in paid employment (as the base category), public wage employment, private formal wage employment, private informal wage employment and self-employed workers. In both Heckman’s and Lee’s procedures, identification is achieved by the inclusion of three additional individual variables in the first stage selection equations which are omitted in the second stage earnings regressions: the log income of other household members, the log of the surface of land potentially owned by the worker and the log of the individual’s value of potential livestock. Our assumption is that these variables have arguably no reason to influence earnings level as these incomes stem from non-agricultural activities. For women and men alike, these instruments do appear to be strong predictors of both participation and sector choice. Relying on the distributional assumptions of the selection correction models, we tested the appropriateness of this identification strategy using Wald tests of joint significance of the identifying variables in the first stage and insignificance in the second stage of the analysis for males and females in the different sectors. The tests highlight the appropriateness of their choice as excluding conditions.14

12 The presence of the additional constructed selectivity correction terms renders the standard errors incorrect. Standard errors are

then bootstrapped to provide asymptotically consistent values.

13 Indeed, based on Monte-Carlo simulations, Bourguignon et al. (2007) conclude that Lee’s method is adapted to very small samples.

14 Note that these tests are made possible because, under the normality assumption, the inverse Mills’ ratio in sample selection

models is a non-linear function of the variables included in the first-stage probit and multinomial equations. Hence, the selection models

are still identified even without exclusion restrictions due to this non-linearity (Olsen, 1980).

277

A.3 Gender earnings gap decomposition techniques

A.3.1. Oaxaca and Neumark’s traditional earnings decompositions

The most common approach to identifying sources of gender wage gaps is the Oaxaca-Blinder decomposition. Two separate standard Mincerian log earnings equations are estimated for males and females. The Oaxaca decomposition is:

ffmfmmfm xxxww )()(lnln βββ −+−=− (2)

where mw and fw are the means of males and females’ earnings, respectively; mx and fx are

vectors containing the respective means of the independent variables for males and females; and

mβ and fβ are the estimated coefficients. The first term on the right hand side captures the

earnings differential due to different characteristics of males and females. The second term is the earnings gap attributable to different returns to those characteristics or coefficients.

It can be argued that, under discrimination, males are paid competitive wages but females are underpaid. If this is the case, the male coefficients should be taken as the non-discriminatory wage structure, as in equation (2). Conversely, if employers pay females competitive wages but pay males more (nepotism), then the female coefficients should be used as the non-discriminatory

wage structure. Therefore, the issue is how to determine the wage structure *β that would prevail

in the absence of discrimination. This choice poses the well-known index number problem given that we could use either the male or the female wage structure as the non-discriminatory benchmark. While a priori there is no preferable alternative, the decomposition can be quite sensitive to the selection made. The literature has proposed different weighting schemes to deal with the underlying index problem (Oaxaca, 1973; Reimers, 1983; Cotton, 1988). We use that of Neumark, 1988 who proposes a general decomposition of the gender wage differential such as:

])()[()(lnln ***

ffmmfmfm xxxxww βββββ −+−+−=− (3)

This decomposition can be reduced to Oaxaca’s two special cases if it is assumed that there is no

discrimination in the male wage structure, i.e. mββ =* , or if it is assumed that fββ =* . Neumark

shows that *β can be estimated using the weighted average of the wage structures of males and

females and advocates using the pooled sample to estimate *β . The first term is the gender wage

gap attributable to differences in characteristics. The second and the third terms capture the difference between the actual and pooled returns for men and women, respectively.

While the improvement proposed by Neumark’s decomposition is attractive, it fails to account for differences in sectoral structures between gender groups. This is why we also turn to Appleton, Hoddinott and Krishnan (1999)’s sectoral decomposition.

278

A.3.2. A full sectoral decomposition

This decomposition technique takes into account sectoral structures between genders. Appleton et al., 1999 adopt a similar approach to that of Neumark and decompose the gender earnings gap into three components. Since this technique is based on Neumark’s decomposition, it does not suffer from the index number problem encountered by previous authors who attempted to account

for differences in occupational choices (Brown et al., 1980). Let mW and fW be the means of the

natural logs of male and female earnings and mjp and fjp be the sample proportions of men and

women in sector j respectively. Similarly to Neumark, 1988; Appleton et al., 1999 assume a sectoral structure that would prevail in the absence of gender differences in the impact of

characteristics on sectoral choice ( *

jp , the proportion of employees in sector j under this common

structure). They then decompose the difference in proportions employed in three sectors such as:

∑ ∑∑= ==

−+−+−=−3

1

3

1

*3

1

** )()()(j j

fjjfj

j

jmjmjfjmjjfm ppWppWWWpWW (4)

A multinomial logit model is used to specify the selection process of an individual into the different sectors. If qi is a vector of i’s relevant characteristics, the probability of a worker i being in sector j is

given by: ∑=

=3

1

)exp(/)exp(j

iijiijij qqP γγ with fmi ,= .

If the distribution of men and women across sectors is determined by the same set of coefficients *

jγ , then the probability of a worker with characteristics qi being in sector j is:

∑=

=3

1

*** )exp(/)exp(j

ijijij qqP γγ .

Hence, by estimating pooled and separate multinomial logit models for men and women, it is possible to derive the average probability for male and female workers in the different sectors.

These mean probabilities are denoted by *

ijp . The relationship between *γ and iγ is similar to that

of *β and jβ in Neumark’s decomposition. Embedding the self-selection process in (4), the full

decomposition can be written in the following way:

. )()()()(

)()()(

3

1

*3

1

3

1

***3

1

**

3

1

3

1

*3

1

**

∑∑ ∑∑

∑ ∑∑

== ==

= ==

−+−+−+−+

−+−+−=−

j

fjfjfj

j j

mjmjmjfjjfj

j

jmjmj

j j

fjjfjj

j

jmjmjjjfjmjjfm

ppWppWppWppW

xpxpxxpWW βββββ

(5)

The first three terms are similar to Neumark decompositions of within-sector earnings gaps. The fourth and fifth terms measure the difference in earnings due to differences in distribution of male and female workers in different sectors. The last two terms account for differences in earnings resulting from the deviations between predicted and actual sectoral compositions of men and women not accounted for by differences in characteristics.

279

II.3. Results

We examine in turn two aspects of labour market performances of men and women

in 2001 and 2005: (1) employment status, (2) earnings.15

II.3.1. Employment status

Before turning to the determinants of employment status across sectors and sexes,

we describe global statistics of labour allocation in Madagascar.

II.3.1.1. Labour allocation across sectors

Statistics of employment status are reported in Table 2 to Table 4. The main results

are summarised in Figure 1.

15 Summary statistics of the various variables used in these econometric analyses are reported in Table B1 and B2 in Appendix B.

280

Table 2 : Nature and Terms of Employment in Total Employment in Madagascar

All (%) Male (%) Female (%) 2001 2005 2001 2005 2001 2005 Type of employment Public formal wage employment 3.9 2.7 5.3 3.6 2.4 1.8 Private formal wage employment 4.7 2.4 5.8 3.1 3.5 1.7 Private informal wage employment 9.6 9.5 11.5 10.8 7.5 8.1 Self-employed 44.3 37.8 55.0 57.4 33.0 17.8 Family Workers 37.4 47.7 22.4 25.1 53.5 70.6 Activity sector Primary production activity 73.9 80.4 72.5 79.8 75.3 81.1 Manufacturing 5.6 2.3 5.6 2.9 5.6 1.7 Electricity. gas & water supply 1.1 0.2 2.0 0.3 0.1 0.0 Construction 0.7 1.3 0.7 2.5 0.6 0.1 Trade 6.1 5.3 3.9 3.9 8.5 6.8 Hotel and restaurants 1.2 0.7 0.8 0.7 1.5 0.8 Transport. storage & communications 1.8 0.9 3.4 1.7 0.0 0.0 Financial and business activities 0.1 0.1 0.1 0.1 0.0 0.0 Public administration 3.7 2.5 4.4 3.2 2.9 1.7 Other services 5.6 3.6 5.7 2.3 5.4 4.9 Education and Health 0.4 0.3 0.8 0.7 0.0 0.0 Other 0.0 2.4 0.0 2.0 0.0 2.9 Occupation category Managers 3.2 1.5 4.3 2.0 1.9 0.9 Skilled employed 5.8 5.1 7.3 6.8 4.2 3.3 Unskilled employed 9.4 8.1 11.1 8.7 7.5 7.4 Self-employed 44.3 37.8 55.0 57.4 33.0 17.8 Family workers 37.4 47.7 22.4 25.1 53.5 70.6 Type of contract Permanent employment 82.6 85.2 82.9 86.2 82.2 84.2 Temporary employment 17.4 14.8 17.1 13.8 17.8 15.8

Note: Individuals aged 15 and above.

Source: INSTAT/EPM 2001, 2005, author’s calculations.

281

Table 3 : Nature and Terms of Employment in Total Employment in Urban Areas


Note : Individuals aged 15 and above.

Source: INSTAT/EPM 2001, 2005; author’s calculations.

282

Table 4 : Nature and Terms of Employment in Total Employment in Rural Areas


Note: Individuals aged 15 and above.


283

Overall, the structure of employment has changed between 2001 and 2005. This is

mainly due to the increase in the proportion of family workers (22.4 percent to 32 percent)

and to the slight concomitant decrease in the share of self-employed workers (35.1

percent to 31.7 percent). This change in the structure of employment is mostly explained

by the shift in women’s labour allocation whose proportion in the category of family

workers has substantially increased from 53.5 percent to 70.6 percent in four years. The

expansion went along with the decline in the share of women in the category of self-

employed workers. In fact, according to these figures, the nature of employment differs a

lot between men and women:

• Women are much more often family workers than men (70.6 percent versus 25.1

percent in 2005), and less often declare themselves as self-employed (17.8 percent

versus 57.4 percent of men in 2005).

• Only 3.5 percent of women are employment in the formal sector, versus 6.7 percent

of men.

The evolution in employment status can be explained in part by some of the shocks

experienced by the Malagasy labour market between 2001 and 2005. More specifically,

the final phase-out of the Multi-Fibre Arrangement in 2005 generated massive layoffs in

the textile sector and induced self-employment in that sector to diminish.

The distribution of labour greatly differs between rural and urban areas as well

(Figure 2). First, private formal and informal wage workers are scarce in rural areas whilst

their proportion is much higher in towns. Employment structure in rural location is thus

essentially made of self-employed workers (39 percent in 2005) and family workers (51

percent in 2005). Men are much more likely to be self-employed than women in rural area

(respectively 61 percent versus 17 percent in 2005) and women are found predominant in

the category of family workers (75 percent versus 27 percent in 2005)16.

16 Additional statistics reporting the distribution of workers across activity sectors and occupations can be found in Tables C1 to C3 in

Annex C.

284

II.3.1.2. The determinants of labour allocation across sectors

We now turn to discussing the determinants of labour allocation across sectors

using multinomial logit models. Our estimates proceed in the following way. First, gender

specific multinomial logit models of labour allocation are carried out using three broad

categories: “inactive, unemployed, family worker” (thus defining a category of “unpaid”

individuals in the labour market), “non-farm paid employment” (including public, private

formal and informal wage employment, and non-agricultural self-employment), and

“agricultural self-employment”. Summary statistics of variables are reported in Table 5 and

Table 6. The results of these estimations are reported in Table 7.

Figure 1 : Distribution of individuals aged 15 and above across all sectors of employment in Madagascar

(%)

0

10

20

30

40

50

60

70

80

2001 2005 2001 2005 2001 2005

All (%) Male (%) Female (%)

Public formal wageemployment

Private formal wageemployment

Private informal wageemployment

Self-employed

Family Workers


285

Table 5 : Summary Statistics of the variables used in the labour allocation models

2001 2005

Males Females Males Females

Under primary education 55.8% 60.7% 68.3% 72.5% Beyond primary education 23.2% 23.3% 21.0% 20.4% Beyond first cycle of secondary education 14.7% 12.0% 8.6% 6.0% Beyond secondary education 6.3% 4.0% 2.1% 1.2% Potential experience 22.5 22.7 24.3 24.1 Training 13.5% 8.0% 7.0% 5.6% Married 60.0% 54.4% 60.8% 57.9% Non Christian 8.9% 8.8% 16.7% 15.5% Merina 37.0% 36.6% 23.1% 22.0% Urban 59.0% 62.7% 49.4% 51.0% Observations 6,409 7,197 14,635 15,624

Note : Individuals aged 15 and above.


286

Table 6 : Summary Statistics of the variables used in the earnings equations

Wage Workers Non-Farm Self-Employed Workers

2001 2005 2001 2005

Males Females Males Females Males Females Males Females

Under primary education 39.9% 46.3% 48.0% 52.1% 59.2% 66.2% 67.0% 79.1% Beyond primary education 24.5% 26.3% 24.3% 24.9% 23.4% 23.4% 22.8% 15.9% Beyond first cycle of secondary education 24.4% 19.0% 20.4% 15.3% 13.2% 8.9% 8.4% 4.2% Beyond secondary education 11.2% 8.4% 7.3% 7.7% 4.2% 1.5% 1.8% 0.8% Potential experience 23.1 21.4 23.8 22.7 n.a. n.a. n.a. n.a. Training 25.5% 18.7% 20.0% 16.4% n.a. n.a. n.a. n.a. Married 74.2% 47.8% 75.0% 53.1% 86.7% 56.5% 90.1% 54.8% Non Christian 8.4% 7.9% 7.6% 5.2% 10.2% 6.9% 9.4% 11.4% Merina 51.5% 54.0% 52.1% 52.4% 39.0% 29.6% 43.2% 29.5% Urban 44.0% 50.0% 50.0% 49.5% 28.8% 33.5% 31.9% 25.6% Number of employees n.a. n.a. n.a. n.a. 2.1 1.4 1.2 1.1 Value of Capital n.a. n.a. n.a. n.a. 311 311 74 799 318 901 47 500 Observations 1,845 1,089 2,390 1,474 632 619 1,630 1,573 Note : Individuals aged 15 and above.

Source : INSTAT/EPM 2001, 2005; author’s calculations.

287

Table 7: The Determinants of Labour allocation Across Paid Employment and Agricultural Self-Employment (Multinomial Logit Models)

2001 2005

Males Females Males Females Paid

Employment

Agricultural self-

employment

Paid Employment

Agricultural self-

employment

Paid Employment

Agricultural self-

employment

Paid Employment

Agricultural self-

employment

Beyond primary education (Reference category: no schooling or primary incomplete)

0.496*** -0.477*** 0.389*** 0.079 0.526*** 0.007 0.446*** 0.261** (4.56) (-3.43) (4.79) (0.61) (5.91) (0.07) (6.63) (2.36)

Beyond first cycle of secondary education 0.561*** -1.175*** 0.593*** -0.502* 0.685*** -0.626*** 1.034*** -0.214 (4.20) (-5.68) (5.85) (-1.95) (5.66) (-4.130) (10.76) (-0.81) Beyond secondary education 0.899*** -1.405*** 0.636*** -0.852 1.173*** -0.631* 1.677*** -0.697 (4.72) (-3.44) (4.16) (-1.41) (5.01) (-1.82) (9.01) (-0.66) Potential experience 0.222*** 0.192*** 0.186*** 0.161*** 0.273*** 0.250*** 0.199*** 0.247*** (20.40) (15.77) (22.46) (15.14) (30.16) (31.24) (28.72) (28.75) Potential experience squared -0.004*** -0.003*** -0.003*** -0.002*** -0.004*** -0.003*** -0.003*** -0.003*** (-20.14) (-15.01) (-19.65) (-12.70) (-27.67) (-27.84) (-24.79) (-24.63) Training 0.821*** -0.589*** 1.139*** 0.303 1.084*** -0.530*** 1.077*** -0.180 (6.21) (-2.92) (10.82) (1.28) (8.46) (-3.38) (12.04) (-1.02) Married 2.137*** 3.379*** -0.817*** -0.921*** 2.221*** 3.689*** -1.398*** -2.864*** (20.59) (26.37) (-11.34) (-10.05) (28.20) (48.48) (-23.32) (-36.73) Non Christian 0.259* -0.134 0.058 0.067 -0.053 0.084 -0.061 0.004 (1.80) (-0.76) (0.55) (0.44) (-0.54) (0.94) (-0.74) (0.04) Merina 0.350*** 0.127 0.085 0.064 0.296** 0.042 0.085 -0.251 (2.64) (0.66) (0.87) (0.35) (2.46) (0.31) (0.93) (-1.635) Urban 0.279*** -1.151*** 0.359*** -0.818*** 0.241*** -0.385*** 0.051 -0.267*** (2.77) (-10.35) (4.38) (-8.41) (3.32) (-5.52) (0.86) (-3.84) Other household members earnings per capita (log) 0.022*** -0.075*** 0.021*** -0.037*** 0.046*** -0.072*** 0.043*** -0.043***

(4.81) (-10.99) (5.79) (-6.75) (10.85) (-12.92) (13.69) (-7.241) Land area (log) -0.048*** 0.060*** -0.055*** 0.051*** -0.093*** 0.313*** -0.087*** 0.188*** (-5.18) (6.72) (-6.68) (6.91) (-12.71) (18.54) (-16.97) (11.31) Livestock value (log) -0.020*** 0.024*** -0.024*** 0.013*** -0.034*** -0.003 -0.030*** -0.021*** (-4.45) (5.09) (-6.50) (3.11) (-10.04) (-0.982) (-11.14) (-6.412) Constant -4.012*** -4.590*** -3.570*** -2.952*** -4.382*** -6.744*** -3.265*** -5.365*** (-20.27) (-17.24) (-23.12) (-12.40) (-25.38) (-32.25) (-25.26) (-23.78) Observations 6,409 7,197 14,635 15,624 Pseudo R-squared 0.49 0.20 0.55 0.27

Notes : (1) Individuals aged 15 and above (2)- The multinomial logits are performed for each sex. The reference category is “Inactive – Unemployed – Family workers”. Dummies for

location are also included in the models. (3) Robust t statistics in parentheses: * significant at 10%, ** significant at 5%, *** significant at 1%.


288

Table 8: The Determinants of Labour Allocation Across Sectors for Males (Multinomial Logit Models)

2001 2005

Public employmen

t

Private formal wage employment

Private informal wage

employment

Private informal self-employment

Agricultural self-

employment

Public employm

ent



employment


Agricultural self-employm

ent

Beyond primary education 1.528*** 0.901*** 0.174 0.410*** -0.418*** 1.410***

1.287*** 0.169* 0.610*** 0.060

(7.79) (5.63) (1.41) (2.89) (-3.00) (8.75) (7.71) (1.68) (5.42) (0.63) Beyond first cycle of sec. Education 2.233*** 1.151*** 0.016 0.342** -0.997*** 2.696*** 1.881*** -0.022 0.467*** -0.372**

(10.58) (6.36) (0.10) (1.97) (-4.76) (15.20) (9.85) (-0.15) (2.93) (-2.37)

Beyond secondary education 3.169*** 1.716*** -0.024 0.501** -1.091*** 3.918*** 2.860*** -0.172 0.903*** -0.088

(11.89) (7.30) (-0.10) (1.99) (-2.65) (13.17) (9.35) (-0.57) (2.91) (-0.24) Potential experience 0.341*** 0.234*** 0.203*** 0.207*** 0.195*** 0.382*** 0.344*** 0.248*** 0.263*** 0.252***

(15.12) (13.35) (15.14) (13.46) (15.91) (19.94) (16.79) (22.89) (21.31) (31.32) Potential experience squared -0.005*** -0.004*** -0.003*** -0.003*** -0.003*** -0.005*** -0.005*** -0.004*** -0.004*** -0.003***

(-13.21) (-12.52) (-15.11) (-13.13) (-15.08) (-16.79) (-14.19) (-21.06) (-19.27) (-27.86) Training 1.227*** 1.182*** 0.547*** 0.674*** -0.561*** 1.724*** 1.427*** 0.948*** 0.754*** -0.492*** (7.21) (7.55) (3.63) (4.14) (-2.77) (10.68) (8.26) (6.65) (4.78) (-3.09) Married 2.708*** 2.166*** 1.917*** 2.336*** 3.357*** 2.582*** 2.247*** 1.868*** 2.735*** 3.686*** (12.17) (13.62) (15.47) (15.93) (26.26) (15.15) (13.36) (20.11) (23.79) (48.43) Non Christian -0.098 0.050 0.294* 0.337* -0.154 -0.293 -0.353 -0.088 0.133 0.092 (-0.41) (0.24) (1.86) (1.84) (-0.87) (-1.55) (-1.63) (-0.76) (1.08) (1.03) Merina -0.354* 0.249 0.433*** 0.578*** 0.103 -0.222 0.062 0.279** 0.610*** 0.066 (-1.81) (1.42) (2.87) (3.37) (0.54) (-1.21) (0.33) (2.08) (4.09) (0.48) Urban 0.122 0.547*** 0.238** 0.227* -1.163*** 0.046 0.880*** 0.083 0.434*** -0.361*** (0.70) (3.34) (2.01) (1.67) (-10.43) (0.35) (5.32) (0.99) (4.49) (-5.16) Other household members earnings per capita (log)

0.012* 0.012* 0.044*** -0.009 -0.077*** 0.021*** 0.038*** 0.073*** -0.004 -0.079*** (1.77) (1.91) (8.37) (-1.52) (-11.21) (3.06) (5.28) (15.74) (-0.78) (-14.02)

Land area (log) -0.045*** -0.071*** -0.043*** -0.044*** 0.061*** -0.091*** -0.103*** -0.094*** -0.083*** 0.314*** (-2.59) (-4.34) (-3.80) (-3.39) (6.80) (-8.21) (-9.00) (-11.90) (-9.13) (18.57) Livestock value (log) -0.011 -0.019*** -0.019*** -0.025*** 0.024*** -0.030*** -0.045*** -0.031*** -0.038*** -0.004

(-1.39) (-2.62) (-3.56) (-4.03) (5.13) (-5.12) (-6.67) (-7.94) (-8.57) (-1.08) Constant -8.891*** -6.199*** -4.282*** -5.466*** -4.641*** -9.329*** -8.361*** -4.066*** -6.642*** -6.934*** (-20.92) (-19.90) (-18.50) (-19.60) (-17.34) (-25.97) (-23.57) (-20.93) (-27.06) (-32.67)

Observations 6,409 14,635 Pseudo R-squared 0.37 0.47




289

Table 9 : The Determinants of Labour Allocation Across Sectors for Females (Multinomial Logit Models)

2001 2005

Public employment



employment


Agricultural self-

employment

Public employment



employment


Agricultural self-

employment

Beyond primary education 1.644*** 0.912*** -0.228* 0.544*** 0.100 2.272*** 1.433*** -0.092 0.572*** 0.279** (6.87) (5.09) (-1.89) (5.07) (0.77) (9.90) (6.61) (-0.99) (6.22) (2.53)

Beyond first cycle of sec. education

2.913*** 1.450*** -0.433*** 0.471*** -0.434* 4.214*** 2.646*** -0.043 0.718*** -0.101 (11.72) (7.47) (-2.62) (3.24) (-1.69) (17.72) (11.31) (-0.28) (4.94) (-0.38)

Beyond secondary education 3.486*** 1.645*** -0.421* -0.341 -0.722 5.553*** 3.641*** 0.421 0.408 -0.439 (11.41) (6.75) (-1.68) (-1.12) (-1.20) (16.91) (11.39) (1.47) (1.03) (-0.42)

Potential experience 0.388*** 0.216*** 0.160*** 0.167*** 0.160*** 0.306*** 0.248*** 0.198*** 0.185*** 0.245*** (12.71) (11.95) (12.49) (14.94) (15.05) (13.73) (10.39) (18.81) (20.47) (28.63)

Potential experience squared -0.006*** -0.003*** -0.003*** -0.002*** -0.002*** -0.004*** -0.004*** -0.003*** -0.002*** -0.003*** (-10.18) (-9.77) (-11.57) (-12.72) (-12.58) (-10.13) (-8.02) (-16.88) (-17.27) (-24.49)

Training 1.820*** 1.445*** 0.694*** 1.019*** 0.311 1.853*** 1.635*** 0.638*** 0.981*** -0.191 (10.07) (9.07) (4.22) (7.16) (1.33) (11.38) (9.15) (4.74) (8.07) (-1.08) Married -1.058*** -1.268*** -1.157*** -0.327*** -0.902*** -1.139*** -1.302*** -1.592*** -1.243*** -2.852*** (-5.95) (-8.49) (-10.60) (-3.40) (-9.84) (-6.87) (-7.30) (-18.92) (-15.68) (-36.61) Non christian -0.707** -0.196 0.265* 0.080 0.068 -0.520 -0.433 -0.307** 0.144 0.008 (-2.14) (-0.83) (1.77) (0.57) (0.45) (-1.55) (-1.25) (-2.38) (1.42) (0.09) Merina -0.009 0.186 0.252* -0.098 0.062 -0.353* 0.104 0.079 0.195 -0.246 (-0.04) (1.02) (1.70) (-0.72) (0.34) (-1.66) (0.48) (0.63) (1.56) (-1.60) Urban 0.338 0.471** 0.359*** 0.352*** -0.822*** -0.005 0.191 -0.192** 0.251*** -0.262*** (1.41) (2.24) (2.75) (3.25) (-8.45) (-0.03) (0.98) (-2.33) (3.13) (-3.78) Other household members earnings per capita (log)

0.021** 0.031*** 0.052*** -0.002 -0.037*** 0.016* 0.042*** 0.084*** 0.008* -0.044*** (2.29) (3.81) (8.73) (-0.41) (-6.79) (1.83) (4.48) (18.52) (1.95) (-7.28)

Land area (log) -0.062** -0.058*** -0.062*** -0.044*** 0.051*** -0.084*** -0.104*** -0.082*** -0.091*** 0.187*** (-2.39) (-2.64) (-4.61) (-4.06) (6.97) (-6.37) (-7.80) (-11.79) (-13.05) (11.29) Livestock value (log) -0.012 -0.036*** -0.017*** -0.030*** 0.013*** -0.023*** -0.029*** -0.029*** -0.031*** -0.021***

(-1.21) (-3.31) (-2.83) (-6.08) (3.10) (-2.95) (-3.38) (-7.47) (-8.49) (-6.41) Constant -10.069*** -5.864*** -3.930*** -4.534*** -2.971*** -9.331*** -6.876*** -3.156*** -4.766*** -5.380*** (-19.24) (-17.05) (-16.54) (-20.58) (-12.44) (-22.56) (-19.04) (-17.83) (-25.17) (-23.79)

Observations 7,197 15,624 Pseudo R-squared 0.19 0.26




290

A second model refines the second modality of the preceding model (non-farm

paid employment) in order to account for differentiated determinants of labour

allocation, in particular for “public employment”, “private formal wage employment”,

“private informal wage employment”, and “private informal self-employment”. The

“agricultural self-

Figure 2 : Distribution of individuals aged 15 and above across all sectors of employment in urban

and rural areas (%)

Urban Area

0

10

20

30

40

50

60

2001 2005 2001 2005 2001 2005





Self-employed

Family Workers

Rural Area

0

10

20

30

40

50

60

70

80

2001 2005 2001 2005 2001 2005





Self-employed

Family Workers


291

employment” category is left unchanged. Table 8 and Table 9 report the coefficient

estimates of this multinomial logit model with six modalities. All the coefficients must

be interpreted in relation to the reference category which is “unpaid” individuals.47

The list of covariates includes a set of human capital variables and individual

demographics deemed to influence labour supply. Household characteristics are also

accounted for as well as three variables reflecting physical capital endowments.

These variables, namely the Log of other household members earnings per capita,

the Log of the amount of land and value of livestock owned by the individual’s

household, are indeed good candidates to affect both the opportunity cost of labour,

and labour allocation across sectors.

From Table 7, we observe the following results. First, unsurprisingly, education

has differentiated effects on the sector ‘choice’. While schooling attainment positively

affects the likelihood of being in paid work for both males and females (the result

being also robust to both years), the reverse is true for agricultural self-employment

which is often negatively associated with higher levels of schooling, in particular for

males. For women, however this negative association is actually not observed in

particular for low levels of education. For instance, reaching the first cycle of

secondary education is positively associated with access to self-employed

agricultural employment for females in 2005.

Second, other human capital indicators such as potential experience in the

labour market and past vocational training are positively associated with access to

paid employment (with a decreasing marginal effect for experience). Experience in

the labour market is also positively related to agricultural self-employment for males

and females as compared to unpaid individuals. Nonetheless, vocational training is

significantly negatively associated with a job in agriculture for males in both years.

47 We performed Hausman-type tests proposed by Hausman and McFadden (1984) which provide evidence that the

Independence of Irrelevant Alternatives (IIA) assumption is not violated for both male and female samples with the exception of

males in public wage employment.

292

The marital status (married versus single or divorced or widow) presents an

interesting pattern. For men, being married is associated with a greater likelihood of

having access to a farm and non farm paid employment, whatever the considered

sector. The reverse is observed for women whose marriage appears to be negatively

associated to access to a paid job.

Finally, the additional household and property (land and livestock) variables

are always highly significant. The variable indicating the sum of other household

members’ earnings is positively associated with the probability of having access to

paid employment. Conversely, its effect is always negative on the ‘choice’ of an

agricultural self-employed job. A possible explanation for these findings is that this

variable is capturing an income effect of the household, i.e. reflecting the fact that

workers in wealthier households are mostly found in non farm paid employment

rather than in agricultural self-employment. Similarly, the opposite – and expected –

effect is found for the land value variable: the higher the land value owned, the higher

the probability of having a self-employed agricultural job. Interestingly, the magnitude

of this effect is stronger for males than for females, especially in 2005. The same

comment can be made as for the variable of livestock value in 2001 which exhibits

positive coefficients for self-agricultural jobs and negative coefficients for paid jobs.

However, the coefficient shifts sign for females in 2005 indicating a negative

association between the value of the livestock and the probability to have a self-

employed job in agriculture. In the meantime, the coefficient loses significance for

self-employed agricultural males. This could reflect the improvement in the

profitability of cropping activities that could have resulted in a shift away from cattle.

We now turn to more detailed estimates reported in Table 8 (males) and Table

9 (females). For men and women alike, education has the strongest positive impact

on the probability of accessing the public sector, followed by private formal wage

employment and finally informal self-employment. This finding is robust to both years

considered. Interestingly, then, education seems to be more favourable to having a

self-employed job in the informal sector rather than a salaried job in this sector. This

is may be reflective of the fact that schooling is necessary to acquire managerial

293

skills, even in informal activities. Note that the main difference across sexes is that

education has a much stronger impact for females, especially in the formal sector of

the economy, and that schooling is negatively associated with an informal wage

employment in 2001 for women whereas, for men, the impact is insignificant.

The other human capital variables (vocational training, experience) exhibit

expected signs (positive and concave profile for experience), with the exception of

vocational training in agricultural self-employment where it is insignificant for females

and even found to have a negative effect for men. Concerning marital status being

married is again positively associated to being in paid employment for men, and

negatively for women.

Finally, other household members’ earnings are significantly and positively

associated to having a wage employment while this variable is negatively related to

self-employed jobs. This result is robust to both years and sexes (with the exception

of females’ informal self-employment). Also, the effect of the land value owned is

consistent with expectation and across years and sexes: its effect is significantly

negative for non-agricultural jobs and positive for agricultural self-employment. The

same comment can be made for the livestock value, with the exception that its effect

is not systematically positive for self-employed agricultural jobs in 2005 (notably,

significantly negative for females).

We now turn to explaining workers’ earnings in their jobs, thus disentangling

the various determinants of earnings differentials across sectors and sexes.

Table 10 : Hours worked in Madagascar 2001 2005 Males Females Males Females

Wage Employment Full sample (15+) 185.9 162.7 198.2 168.1 Public formal wage employment 170.3 146.9 181.5 151.9 Private formal wage employment 189.9 179.8 218.1 197.2 Private informal wage employment 191.0 159.1 198.2 165.6

Non-Farm Self-employment Full sample (15+) 230.0 213.3 203.3 187.2


294

II.3.2. Decomposing the gender earnings gap

Before turning to the gender earnings gaps decompositions, it is necessary to

discuss simple descriptive statistics of the gender earnings gap across years. This is

followed by a analysis of the determinants of earnings for wage and non wage

employment (excluding agriculture) across gender and for the two years of the

survey. We then comment on the results of the various gender earnings gap

decompositions.

II.3.2.1. Gender earnings gaps in Madagascar

Both monthly and hourly gender earnings gaps are reported. Taking into

account the hours worked by gender is important if one wants a proper view of the

gender pay gap as there also exist important gender-specific time allocation choices.

This is apparent in Table 10 that shows that men work on average longer wage hours

than women. This holds true across wage employment sectors. Concerning non-farm

self-employment, individuals appear to be working longer hours than in other sectors

and the gender difference is smaller.48

Earnings gaps are here computed as the difference in average earnings of

men and women expressed as a percentage of average men earnings49, figures from

Table 11 indicate that, for wage employment, the aggregate monthly earnings gap

increased from 42.8 percent to 49.5 percent between 2001 and 2005, while the

aggregate hourly earnings gap decreased slightly. The lower hourly earnings gap is

coherent with the fact that men work longer hours in the wage and non-farm self-

employment sector. Moreover, the concomitant increase in the monthly earnings gap

and decrease in hourly earnings gap between the two years is reflective of the fact

48 Data on housework hours collected in the 2005 survey indicate that, on total, women work much more hours than men.

49 In the decomposition techniques that follow, the gap is defined instead as the difference in log earnings of men and women.

This difference is identical to the coefficient of a female dummy in a regression of log earnings carried out over a pooled sample

of wage workers with no other control variables..

295

that the gender gap in hours worked increased between 2001 and 2005 in the formal

sectors and in the non-farm self-employment sector (Table 10). More specifically, the

growth in hours worked has been greater for men in all sectors but the informal wage

sector.

Although lower than the monthly earnings gap, the gender gap in hourly

earnings is still significant in Madagascar. It was equal to 26.4 percent (resp. 24.6

percent) in 2001 (resp. 2005) for wage employment and to 83 percent (resp. 69

percent) in 2001 (resp. 2005) for non-farm self-employment.

Data from Table 11 also suggest that the earnings gap varies across cohorts:

it is higher for older workers than for younger ones. In 2005, the hourly earnings gap

is actually slightly negative (i.e. to the advantage of females) for the 15-24 cohort.

Finally, the size of the gap differs across wage sectors. For both years, it is

highest in the informal wage sector. In 2001, it is smaller in the public sector and

actually negative when one accounts for hours worked. In 2005, the smallest gap is

in the private formal sector. For non-farm self-employed workers, the gap appears

much higher but slightly decreased between the two years.

296

Whether these gaps are due to differences in endowments between males

and females (the “explained” share of the gap) or to differences in returns to

endowments (the “unexplained” portion of the gap, which may be attributed in part to

discrimination) is an empirical question that is addressed using the decomposition

techniques presented in the box in methods. These techniques rely on the estimation

of earnings equations which are presented in the following section.

II.3.2.2. Earnings determination

In order to eliminate the effect of the number of hours worked on earnings,

hourly earnings are used to analyse gender differences. Earnings equations are

estimated separately for men and for women over the sample of individuals with

positive earnings.

Table 11 : Gender earnings gaps (%) in Madagascar 2001 2005 Monthly Hourly Monthly Hourly

Wage Employment Full sample (15+) 42.8 26.4 49.5 24.6 Age groups 15-24 11.0 6.7 20.6 -1.4 25-34 29.7 14.3 50.1 22.1 35+ 52.7 28.5 53.4 29.8 Employment sectors Public formal wage employment 7.4 -3.8 35.0 13.1 Private formal wage employment 25.5 19.2 15.8 7.8 Private informal wage employment 52.2 27.4 45.5 18.3

Non-Farm Self-employment

Full sample (15+) 99.0 83.1 93.3 69.6 Age groups 15-24 97.8 107.1 88.9 66.0 25-34 78.6 63.6 70.2 41.3 35+ 117.5 93.1 105.6 85.0

Note : Gaps are computed as the difference in average earnings of men and women expressed as a percentage of average earnings


297

Wage Employment

The sample of wage workers includes all wage workers and excludes self-

employed workers, unpaid family workers as well as agricultural workers. The sample

contains 1,845 men and 1,089 women in 2001 and includes 2,390 men and 1,474

women in 2005.Table 12 reports Ordinary Least Squared (OLS) as well as selectivity

corrected earnings equations for 2001 and 2005. Selection into labour force

participation is accounted for using the methods advocated in the box above. Let us

first discuss the question of selection before turning to the main results. As indicated

by the coefficients on the selection correction terms (Mill’s ratios) in the Heckman

versions of the different models, selection into labour force participation does not

appear to be an issue here: the correction terms are never significantly different from

zero for men and for women for both years. In other words, the mechanism of

allocation between the two groups (individuals for which individual earnings can be

computed versus other individuals) does not affect earnings significantly. As a result,

the different coefficients on the human capital variables are only marginally modified

from OLS to Heckman equations. We then focus our comments on the OLS

estimates. Table 12 shows evidence of significant and positive returns to human

capital variables for both sexes and years. The coefficients on the three education

dummies highlight an increasing premium to schooling attainment in reference to the

category of workers with no schooling or incomplete primary education. There are

some differences across gender and years though. First, in 2001, education returns

are always larger for men than for women, in particular at low and high levels of

schooling attainment. This pattern holds true in 2005 except that education of female

workers having achieved the first cycle of secondary schooling is given more value

than that of their male counterparts. The experience-earnings profile is found to be

concave for both men and women (i.e. increasing, but less and less as workers age),

with slightly greater returns for men in 2001. In 2005, the reverse pattern for

experience is observed however, with greater return for women. This difference

between 2001 and 2005 may in part reflect the increased labour market participation

of women over this period (see Section 2) which may have accrued the market value

of experience of those women already working relative to new entrants.

298

Among the other regressors introduced in the earnings functions, vocational

training received in schools appears to be an important determinant of earnings for

both males and females. Training is indeed likely to increase workers’ productivity.

For this reason, Weichselbaumer, Winter-Ebmer, 2005 have shown that omitting it in

wage equations by gender can result in serious biases in the calculation of the

discrimination component of the gender wage gap.50 The fact of being married affects

positively the earnings of men in 2005 only while it has no impact on earnings

elsewhere. On developed country data, marriage is usually found to have a positive

impact on earnings, at least for men (Korenman, Neumark, 1991). However, the

insignificant impact of marriage for females is also an expected result when one uses

such cross-sectional dataset (Korenman, Neumark, 1992).51

We also present earnings equations estimated for each of the three wage

employment sectors using both OLS and Lee’s method to correct for sectoral

selection (Table 13 to Table 15). A first result worth noting is that correcting for

selectivity into the public sector is significant for males only (Table 13), while sectoral

selection does not appear to affect the distribution of earnings in the two other wage

employment sectors (private formal and informal). The only exception is for females

in the informal wage sector in 2005 (Table 13). The significant negative effect of the

selection term in this equation means that females’ unobserved characteristics that

positively affect their probability to participate in the informal wage sector in 2005

also influence their earnings levels, but negatively.

50 However, as other human capital variables, training is not immune from the common criticism that it might be the result of

individual choices and hence be correlated with individual ability.

51 Note that one should be careful in inferring any causal relationship between marriage, motherhood and wages with such

cross-sectional dataset.

299

Table 12 : Log Hourly Earnings Equations for Wage Employment

2001 2005 Men Women Men Women OLS Heckma

n OLS Heckma

n OLS Heckma

n OLS Heckma

n

Beyond primary education

0.548***

0.527*** 0.267***

0.254*** 0.319***

0.323*** 0.256*** 0.257***

(6.50) (6.09) (3.19) (3.03) (6.13) (6.28) (3.60) (3.62) Beyond first cycle of secondary education

0.778***

0.727*** 0.762***

0.735*** 0.568***

0.583*** 0.683*** 0.701***

(8.38) (7.81) (7.87) (7.69) (8.57) (8.65) (8.52) (8.52) Beyond secondary Education

1.369***

1.295*** 1.111***

1.053*** 1.217***

1.239*** 1.170*** 1.211***

(14.97) (11.59) (9.52) (8.36) (11.69) (11.78) (10.58) (10.33) Potential experience 0.033**

* 0.027** 0.026**

* 0.019* 0.027**

* 0.031*** 0.038*** 0.043***

(2.77) (1.97) (3.03) (1.76) (3.87) (3.92) (5.14) (5.14) Potential experience Squared

-0.000**

-0.000 -0.000**

-0.000 -0.000**

-0.000** -0.000*** -0.001***

(-2.00) (-1.26) (-2.06) (-0.97) (-2.19) (-2.39) (-3.66) (-3.85) Training 0.223**

* 0.187*** 0.348**

* 0.301*** 0.381**

* 0.402*** 0.228*** 0.260***

(3.59) (2.60) (3.62) (3.07) (6.68) (6.69) (2.90) (3.09) Married 0.121 0.117 0.038 0.075 0.233**

* 0.237*** 0.037 0.020

(1.17) (1.13) (0.61) (1.01) (4.27) (4.33) (0.71) (0.36) Non Christian -0.027 -0.034 -0.077 -0.082 -0.134* -0.136* -0.253* -0.262** (-0.36) (-0.45) (-0.98) (-1.03) (-1.80) (-1.84) (-1.92) (-1.99) Merina 0.023 0.016 0.166* 0.145 -0.019 -0.019 -0.055 -0.051 (0.22) (0.15) (1.69) (1.44) (-0.31) (-0.30) (-0.76) (-0.71) Urban 0.141** 0.111* 0.136** 0.109 0.177**

* 0.196*** 0.281*** 0.294***

(2.51) (1.76) (1.98) (1.42) (4.16) (4.65) (5.28) (5.40) Mill's ratio -0.126 -0.129 0.055 0.079 (-1.32) (-1.07) (1.23) (1.16) Constant 4.704**

* 4.939*** 4.667**

* 4.931*** 4.990**

* 4.885*** 4.870*** 4.727***

(31.58) (19.79) (32.46) (17.05) (47.29) (35.57) (41.54) (27.13) Observations 1,845 1,845 1,089 1,089 2,390 2,390 1,474 1,474 R-squared 0.33 0.33 0.34 0.34 0.32 0.32 0.32 0.32 Notes : (1) Individuals aged 15 and above (2) Robust t statistics in parentheses: * significant at 10%, ** significant

at 5%, *** significant at 1%.

Source: INSTAT/EPM 2001, 2005; author’s calculations. .

300

Table 13: Log Hourly Earnings Equations for Public Wage Employment

2001 2005

Men Women Men Women OLS Lee OLS Lee OLS Lee OLS Lee

Beyond primary education 0.407** -0.237 -0.391 -0.368 0.509*** 0.159 0.652** 0.447 (2.01) (-0.88) (-1.65) (-0.73) (3.66) (1.41) (2.36) (1.37) Beyond first cycle 0.600** -0.200 0.276** 0.062 0.506*** 0.077 0.923*** 0.639 of secondary education (2.37) (-0.52) (2.01) (0.10) (3.34) (0.41) (3.21) (1.21) Beyond secondary education 1.074*** 0.152 0.613*** 0.442 1.151*** 0.523** 1.348*** 0.992 (5.25) (0.29) (3.40) (0.61) (6.57) (2.23) (4.36) (1.53) Potential experience 0.044 -0.020 -0.001 -0.014 0.019 -0.001 0.017 0.020 (0.96) (-0.49) (-0.04) (-0.21) (1.30) (-0.04) (0.72) (0.66) Potential experience squared -0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 (-0.60) (0.55) (0.38) (0.30) (0.17) (0.90) (0.53) (0.28) Training 0.178 -0.204 0.167 0.111 0.251** 0.023 0.245* 0.020 (1.09) (-1.40) (1.43) (0.49) (2.19) (0.23) (1.93) (0.12) Married -0.259 -0.306 0.247** 0.269 -0.131 -0.064 0.264 0.140 (-0.59) (-1.48) (2.34) (1.42) (-0.72) (-0.53) (1.63) (1.31) Non Christian -0.058 0.029 -0.039 0.072 -0.036 0.078 0.109 0.215 (-0.38) (0.21) (-0.21) (0.24) (-0.22) (0.64) (0.40) (1.16) Merina 0.099 0.258* 0.328 0.316 0.016 0.105 0.051 0.082 (0.42) (1.67) (1.44) (0.93) (0.11) (1.17) (0.32) (0.70) Urban 0.229** 0.123 0.251** 0.131 0.269*** 0.178** 0.139 0.121 (2.23) (0.91) (2.31) (0.68) (2.89) (2.39) (1.11) (1.00) Mill's ratio 0.727* 0.183 0.379** 0.135 (1.76) (0.43) (2.38) (0.45) Constant 4.919*** 7.930*

** 5.397*** 6.095*

** 5.534*** 6.727*** 4.657*** 5.283**

* (7.83) (4.63) (24.39) (3.01) (19.42) (11.10) (11.72) (3.92) Observations 434 434 212 212 586 586 273 273 R-squared 0.17 0.22 0.27 0.20 0.20 0.21 0.34 0.31

Notes : (1) Individuals aged 15 and above. (2) Robust t statistics in parentheses. (3) * significant at 10%; **

significant at 5%; *** significant at 1%. (4) Dummies for location are also included in the models.


301

Table 14 : Log Hourly Earnings Equations for Formal Wage Employment

2001 2005


Beyond primary education 0.568*** 0.384*** 0.084 0.316** 0.243* 0.101 0.258* 0.192 (3.22) (3.25) (0.66) (2.55) (1.72) (0.74) (1.76) (1.13) Beyond first cycle 0.753*** 0.603*** 0.307** 0.599*** 0.293** 0.242 0.304** 0.382 of secondary education (6.45) (4.79) (2.21) (3.84) (2.32) (1.60) (2.00) (1.53) Beyond secondary education 1.473*** 1.330*** 0.825*** 1.192*** 0.866*** 0.753*** 0.905*** 0.867** (9.43) (8.06) (5.22) (6.53) (5.22) (3.72) (4.82) (2.39) Potential experience 0.014 0.022 0.032*** 0.035** 0.015 0.027 0.038** 0.029 (0.76) (1.41) (3.08) (2.13) (0.97) (1.52) (2.00) (1.03) Potential experience squared -0.000 -0.000 -0.000* -0.000 -0.000 -0.001 -0.000 -0.000 (-0.06) (-0.68) (-1.67) (-1.17) (-0.90) (-1.63) (-1.12) (-0.65) Training 0.152* 0.171* 0.181* 0.224** 0.325*** 0.153* 0.212* 0.282* (1.79) (1.81) (1.91) (2.10) (2.95) (1.65) (1.81) (1.67) Married 0.269** 0.117 -0.247*** -0.156 0.285** 0.165 -0.278** -0.274** (2.01) (0.99) (-3.02) (-1.44) (2.05) (1.61) (-2.48) (-2.22) Non Christian 0.197 0.166 -0.097 -0.018 0.021 -0.075 0.391 0.066 (1.37) (1.03) (-0.63) (-0.12) (0.14) (-0.59) (1.27) (0.26) Merina 0.032 -0.035 0.183 0.093 0.090 0.190* 0.044 0.339** (0.17) (-0.36) (1.43) (0.73) (0.65) (1.81) (0.34) (2.05) Urban 0.045 0.057 0.059 0.044 -0.035 -0.183 0.362*** 0.387** (0.44) (0.43) (0.75) (0.38) (-0.30) (-1.38) (2.90) (2.41) Mill's ratio 0.018 0.022 0.172 -0.114 (0.08) (0.10) (1.11) (-0.40) Constant 4.896*** 5.111*** 5.125*** 4.891*** 5.420*** 5.826*** 5.310*** 4.930*** (23.89) (7.46) (27.70) (7.58) (18.88) (10.31) (19.46) (5.24) Observations 532 532 302 302 395 395 209 209 R-squared 0.32 0.29 0.28 0.32 0.23 0.25 0.38 0.26




302

Table 15 : Log Hourly Earnings Equations for Informal Wage Employment

2001 2005


Beyond primary education 0.442*** 0.418*** 0.101 0.198*** 0.139** 0.176*** -0.015 0.064 (4.10) (5.97) (1.08) (2.69) (2.50) (3.79) (-0.18) (1.03) Beyond first cycle 0.616*** 0.534*** 0.627** 0.522*** 0.407*** 0.414*** 0.348*** 0.263*** of secondary education (5.61) (6.35) (2.32) (4.40) (4.50) (5.94) (3.05) (2.87) Beyond secondary education

1.136*** 1.084*** 0.803*** 0.818*** 1.057*** 1.056*** 0.782*** 0.920***

(8.44) (8.42) (3.16) (3.38) (5.22) (7.09) (3.80) (3.74) Potential experience 0.027* 0.028*** 0.010 0.028** 0.020** 0.030*** 0.027*** 0.021*** (1.88) (3.34) (0.82) (2.52) (2.41) (4.60) (3.28) (2.98) Potential experience squared

-0.000* -0.000*** -0.000 -0.000** -0.000 -0.000*** -0.000*** -0.000***

(-1.70) (-2.63) (-0.51) (-2.12) (-1.52) (-3.75) (-2.75) (-2.62) Training 0.249** 0.136* 0.561* 0.224** 0.321*** 0.254*** 0.075 0.219** (2.47) (1.90) (1.92) (1.98) (4.66) (4.69) (0.64) (2.55) Married 0.110 0.192** 0.106 0.001 0.223*** 0.209*** 0.073 0.031 (0.84) (2.55) (1.17) (0.02) (3.39) (4.38) (1.23) (0.62) Non Christian -0.022 -0.038 0.027 0.012 -0.148* -0.082 -0.393*** -0.367*** (-0.25) (-0.50) (0.29) (0.12) (-1.72) (-1.23) (-2.95) (-3.83) Merina 0.020 -0.052 -0.014 0.058 -0.011 0.133** -0.036 0.048 (0.18) (-0.55) (-0.10) (0.43) (-0.18) (2.32) (-0.39) (0.60) Urban 0.157** 0.133 0.080 0.098 0.147*** 0.151*** 0.283*** 0.163*** (2.02) (1.52) (0.68) (0.96) (3.12) (3.64) (4.58) (3.18) Mill's ratio 0.029 -0.161 -0.033 -0.129** (0.25) (-1.07) (-0.82) (-2.08) Constant 4.832*** 4.860*** 4.944*** 4.501*** 5.128*** 4.816*** 5.033*** 4.879*** (25.53) (18.45) (22.53) (11.59) (42.58) (41.54) (35.08) (29.21) Observations 868 868 555 555 1,409 1,409 992 992 R-squared 0.29 0.24 0.25 0.21 0.24 0.21 0.19 0.13




In the public sector, once sectoral selection is accounted for, the returns to

education are almost null for both males and females. This may be the result of high

entry costs into the public sector where earnings differentials have no direct relation

with educational attainment. In other words, earnings in this sector are probably

determined by a number of factors orthogonal to productive ability, so that the returns

to education have a different interpretation in this sector than in the private ones52.

Still, we rely on the OLS estimates in the following analysis (decompositions) given

that sample selection does not appear to be an issue for females, and so as to

preserve perfect comparability across the other sectors of the analysis where

selection appears mostly insignificant.

52 Alternatively, we cannot exclude the possibility that our model in the public sector is poorly identified due to the difficulty of

finding valid identifying instruments for the sectoral selection (see Appendix A, Section A2 for details).

303

Turning to the OLS estimates in the formal public and private sector, returns to

education are higher for men in 2001, while the reverse is true in 2005, which is

consistent with the previous finding using aggregate equations. In the informal wage

sector, returns are greater for men in both years, especially at low and high levels of

educational attainment.

Non-Farm Self-Employment

For the non farm self-employed (Table 16) the specification of the earnings

equations is slightly different. Indeed, there are many other aspects deemed to

influence self-employed workers’earnings other than their demographic

characteristics and human capital endowments. We believe it is important to account

for the micro-firm attributes as they arguably constitute crucial determinants of the

dispersion of earnings in self-employment. For that purpose we include two variables:

the first one indicates the eventual number of employees in the informal production

unit while the second is measure of the value of physical capital used in the workers’

activity.53 Two comments are in order.

53 Other potential sources of earnings differentials across self-employed workers have been introduced in the regressions

(such as access to credit or the rate of salaried workers in the informal production unit) and failed to provide meaningful results.

304

Table 16: Log Hourly Earnings Equations for Non-Farm Self-Employment

2001 2005

Men Women Men Women OLS Heckman OLS Heckman OLS Heckman OLS Heckman Enterprise characteristics Log(number of employees) 0.427*** 0.427*** 0.418** 0.421** 0.750*** 0.750*** 0.913*** 0.910*** (3.27) (3.25) (2.55) (2.57) (6.25) (6.25) (4.03) (4.01) Log(value of physical capital)

0.058*** 0.058*** 0.031** 0.030** 0.029*** 0.029*** 0.032*** 0.031***

(3.93) (3.90) (2.20) (2.16) (3.67) (3.66) (3.95) (3.91) Individual characteristics Beyond primary education 0.407** 0.405* 0.534*** 0.450** 0.135 0.202 0.428*** 0.291 (2.26) (1.95) (3.50) (2.13) (1.30) (1.32) (4.24) (1.17) Beyond first cycle of secondary

0.815*** 0.814*** 1.006*** 0.957*** 0.558*** 0.534*** 0.284 0.140

Education (4.39) (4.27) (4.22) (3.83) (3.53) (3.28) (1.55) (0.48) Beyond secondary education

0.720*** 0.720*** 2.052* 2.139** 1.035*** 0.911*** 1.550*** 1.202

(3.16) (3.16) (1.94) (2.00) (3.74) (2.63) (3.06) (1.54) Married -0.095 -0.102 0.070 0.071 -0.225* 0.262 0.174** 0.083 (-0.52) (-0.26) (0.53) (0.54) (-1.83) (0.32) (2.28) (0.51) Non Christian -0.272 -0.273 0.188 0.229 -0.012 -0.060 -0.032 -0.056 (-1.00) (-1.01) (0.81) (0.99) (-0.11) (-0.45) (-0.25) (-0.42) Merina 0.332 0.329 0.164 0.159 0.020 0.171 0.035 0.131 (1.57) (1.37) (0.73) (0.71) (0.16) (0.61) (0.24) (0.61) Urban 0.219* 0.218 0.319*** 0.240 0.300*** 0.426* 0.375*** 0.472*** (1.78) (1.54) (2.60) (1.39) (3.68) (1.86) (4.82) (2.70) Mill's ratio -0.012 -0.549 0.620 1.142 (-0.02) (-0.57) (0.60) (0.59) Constant 4.538*** 4.567*** 4.206*** 5.333*** 5.552*** 3.994 4.873*** 2.794 (14.69) (3.05) (16.08) (2.67) (31.55) (1.53) (30.36) (0.80)

Observations 632 632 619 619 1,630 1,630 1,573 1,573 R-squared 0.22 0.22 0.21 0.21 0.15 0.15 0.17 0.17




First, the two measures of the micro-firm attributes are highly significant and

exert a positive effect on the self-employed earnings differentials. This is an expected

effect as they act as production factors in the earnings determination. Interestingly

enough, we observe greater micro-firm attribute returns for men in 2001 and higher

micro-firm attribute returns for women in 2005.

Second, returns to self-employed workers’ education are significant and

positive even after taking account of the micro-firm effects on earnings. However,

returns are systematically higher for women in 2001 while, in 2005, they are higher

for men at the intermediate level of schooling.

305

To summarize, our results on earnings determination across gender point to a

number of stylized facts:

� Not surprisingly, human capital variables, particularly education, are strong

predictors of earnings for both men and women and across years.

� This holds true across sectors of activity. In particular, returns to education are

high in the non-farm self-employment sector, notably for higher levels of

education and for women in both years.

� However, returns vary markedly across sectors and years and no clear

sectoral or dynamic pattern emerges from our data.

� In line with similar work carried out on Madagascar but using different data

sources (e.g. Nordman, Roubaud, 2005), our results suggest that marginal

returns to education are non-constant with a convex profile, i.e. increasing with

the level of education.54

� The experience-earnings profile is found to be concave for wage employment

for both men and women, with slightly greater returns for men in 2001, while

the reverse is observed in 2005.

� Earnings functions for non-farm self-employed workers provide evidence that

the quantity of labour and the amount of physical capital used in their activity

are important determinants of their earnings. We find greater returns to these

production factors for men in 2001, while a reverse pattern to the advantage of

women is observed in 2005.

The results presented in this section are interesting in that they highlight

gender-specific earnings determination processes. In particular, these estimates

point to possible explanations of the differences in the earnings levels of men and

women. As mentioned previously, the gender gap may be due to differences in the

rewards for human capital attributes, but also to differences in average human capital

characteristics across gender. The earnings equation analysis conducted above

54 This result is obtained by replacing the dummy variables indicating educational level achievements by a continuous variable

for years of education as well as a quadratic term (years of education squared). We find that the sign of the quadratic term is

positive, an indication of a convex profile of returns to education.

306

indicates that returns to attributes differ between genders but is unable to provide a

synthetic decomposition of these different effects. This decomposition will be carried

out in the following section.

II.3.2.3. Gender earnings gaps decomposition

Gender earnings gap decompositions are presented in turn for wage and non

wage employment based on the OLS earnings equations estimates presented in the

previous section..

Wage Employment

Erreur ! Source du renvoi introuvable. reports the decomposition of the

gender gap for wage earnings in 2001 and 2005 respectively based on OLS

estimations of the earnings equations. Indeed, given that sample selection did not

appear to be a major issue in the previous section, the OLS estimations were

preferred.55 Two specifications are considered for the earnings equations. The first

specification corresponds to the specification presented in the previous section

where explanatory variables are limited to human capital endowments (education,

experience and training), socio-demographics characteristics (marital status, ethnic

group, religion) and geographical dummies indicating place of residence. In the

second specification, variables describing job characteristics are added. They

include dummies characterizing the type of occupation (executive, skilled or unskilled

worker) and the nature of employment (permanent or temporary). Since it is

debatable whether job characteristics such as occupations should be taken into

account in earnings equations, we choose to introduce them in a separate

decomposition. Indeed, controlling for occupations in earnings equations by sex

55 A similar rationale for this choice is given by Appleton et al. (1999) in their paper analysing the gender gap in three African

countries. They state “[We focus (d) on uncorrected estimates] partly for comparability with existing studies but also because of

methodological controversies surrounding the selectivity corrections.”

307

amounts to considering the possibility of occupational segregation across gender

and, for instance, the existence of high-paying occupations for men and low-paying

occupations for women. The difficulty, however, is to establish whether these

occupational outcomes are the result of discrimination practices from the employer or

of gender-specific occupational choices.

In 2001, differences in socio-demographic characteristics, human capital

endowments and geographical location explain 68.6 percent of the raw hourly

earnings gap using Neumark’s decomposition rule. Human capital endowments

explain up to 51.3 percent. Among human capital variables, it is the difference in

educational attainment that explains most of the gap (about 30 percent). This result

stems from the fact that education returns are positive and that men have on average

more education than women. The distribution of experience and training between

genders also contributes positively to explaining the earnings gap but at a much

lower level than education.

Surprisingly, including job characteristics such as occupation and terms of

employment actually leads to a small decrease of the explained share of the gap

from 68.6 percent to 66.5 percent using Neumark’s decomposition. As pointed out

earlier, it is unclear whether the employment status is an outcome of employer

practice or an outcome of individual choice and productivity differences. In other

words, the share explained by job characteristics could be at least in part attributable

to occupational segregation.

In 2005, the decomposition varies according to the specification of the

earnings equation. Not taking into account occupations, the explained share of the

gap amounts to 37.5 percent. This is an important decrease as compared to the

same decomposition computed for 2001 where the explained share of the gap attains

68.6 percent. This fall in the explained share is principally explained by the significant

decrease in the explanatory power of human capital variables in 2005, in particular

education and professional experience. These two variables explain indeed

respectively only 11.2 percent and 9.9 percent of the gender earnings gap in 2005

whereas the respective proportions are 30.1 percent and 13.7 percent in 2001.

308

Table 17: Neumark’s Decomposition of the Gender Log Hourly Earnings Gap (OLS estimates)

2001 2005 Gender log hourly earnings gap to be decomposed

0.234 0.220

First specification (not accounting for job characteristics) Difference due to: Explained (%) 68.6 37.5 Human Capital characteristics 51.3 26.5 Of which Education 30.1 11.2 Experience 13.7 9.9 Training 7.6 5.4 Unexplained (%) 31.4 62.5 Total (%) 100 100 Second specification (accounting for job characteristics) Difference due to: Explained (%) 66.5 61.7 Human Capital characteristics 32.1 14.9 Of which Education 17.7 5.0 Experience 9.0 7.3 Training 5.4 2.6 Job characteristics 23.4 39.1 Of which Occupation 23.8 41.2 Terms of employment -0.4 -2.1 Unexplained (%) 33.5 38.3 Total (%) 100 100


Introducing job characteristics increases the explained share up to 61.7

percent in 2005, a figure similar to the figure obtained for 2001. Among other

observables, job characteristics explain 39.1 percent of the gap, hence much more

than in 2001 where this proportion is only 23.8 percent. The other significant

contribution to explaining the earnings gap comes from the distribution of human

capital endowments: the gender difference in endowments contributes to 14.9

percent of the gap. However, among human capital variables, education no longer is

the main contributor.

By sector of wage employment

The Malagasy labour market is characterized by the coexistence of different

types of wage employment sectors with different entry, exit, and wage setting rules.

As noted earlier, the monthly gender gap appears negative (i.e. in favour of women)

in the public sector in 2001 and relatively high in the informal wage employment

sector for both years. Several results emerge from the decomposition of earnings by

sector and for each surveyed year (Table 18).

309

Table 18: Neumark’s Decomposition of the Gender Log Hourly Earnings Gap by Wage Employment

Sector (OLS estimates)

2001 2005

Public Wage

Employment

Formal Wage

Employment

Informal Wage

Employment

Public Wage

Employment

Formal Wage

Employment

Informal Wage

Employment

Gender log hourly earnings gap to be decomposed

-0.039 0.176 0.242 0.123 0.075 0.168

First specification (not accounting for job characteristics) Difference due to: Explained (%) -29.5 17.5 65.6 9.3 43.7 11.0 Human Capital characteristics

34.1 20.0 45.8 -24.4 -2.4 10.1

Of which education 1.0 -13.3 28.0 -19.9 -64.8 2.0 Experience 34.3 32.4 5.5 -11.0 71.8 4.8 Training -1.2 0.9 12.3 6.6 -9.4 3.3 Unexplained (%) 129.5 82.5 34.4 90.7 56.3 89.0 Total (%) 100 100 100 100 100 100 Second specification (accounting for job characteristics) Difference due to: Explained (%) -48.7 29.8 65.4 45.3 21.0 35.1 Human Capital characteristics

17.4 10.9 34.6 -16.2 2.6 7.6

Of which education -8.8 -9.7 19.0 -12.9 -46.3 1.1 Experience 27.2 20.1 4.5 -6.9 54.5 4.7 Training -1.0 0.4 11.1 3.6 -5.5 1.8 Job characteristics 43.2 11.0 15.3 40.9 -7.8 27.6 Of which Occupation 5.2 9.8 18.2 36.9 -9.0 32.9 Terms of employment 38.0 1.2 -3.0 4.0 1.3 -5.4 Unexplained (%) 148.7 70.2 34.6 54.7 79.0 64.9 Total (%) 100 100 100 100 100 100


First, in any given wage employment sector, the gap is lower than the average

gap over all wage employment sectors (except for informal wage employment in

2001), a possible indication of non-random gender allocation between wage

employment sectors.

Second, the share of explained gap varies across sectors and years. In

particular, looking at the decompositions without job characteristics, the patterns are

somewhat different across the two years, especially for the formal sectors. For

instance, while human capital endowments positively explain the gender gap in 2001

in the public sector, the pattern is reversed in 2005 as the contribution of human

capital to the gender gap shifts sign and becomes negative. In other words, women

have more favourable human capital characteristics in 2005 than in 2001 in the

310

public sector (on average, they are actually more educated than men in 2005). As for

the informal wage sector, the explained share of the gap falls dramatically between

the two years, probably revealing a greater heterogeneity in earnings and/or greater

unobserved heterogeneity among the sample of workers in this sector.

Third, job characteristics contribute positively to explaining the gap in most

sectors and the explained share of the gaps generally increases with the inclusion of

job characteristics in the earnings equations. The only exceptions are the informal

wage sector in 2001 where job characteristics add nothing to the explanation of the

gap and, more importantly, the formal wage sector in 2005 where the explained

portion actually decreases from 43.7 to 21.0 percent once occupations and terms of

employment are accounted for. This finding is somewhat difficult to explain and may

be due to the fact that occupational distribution across gender is already partly the

result of differences in educational attainment, therefore possibly creating colinearity

issues in the earnings equations which include both human capital and job

characteristics. The reader should then put more confidence into the decompositions

that do not include job characteristics, especially where the results are difficult to

interpret.

Full decomposition

As mentioned in the previous section, the fact that the gap in any given wage

employment sector is usually lower than the aggregate gap suggests that gender

location between sectors is not random. That of course is expected since observable

characteristics determine sectoral allocation. For instance, more educated individual

tend to work in formal sectors, and these characteristics are not distributed evenly

between genders. However, this gender specific sectoral location can possibly also

be the result of different effects of observable characteristics on sectoral location, a

reflection either of choice or discrimination. In order to examine the contribution of

different sectoral structures between men and women in Madagascar, we apply to

our data sets a full decomposition approach developed by Appleton, Hoddinott,

Krishnan, 1999.

311

As explained in the box in methods, the first three terms of this full

decomposition (A, B and C) are similar to those found in the decompositions

discussed previously (Neumark’s) and account for the within-sector earnings gaps.

The last three terms (D, E and F) measure the difference in earnings due to

differences in distribution of male and female workers in the different sectors. More

precisely, the last two terms account for differences in earnings resulting from the

deviations between predicted and actual sectoral compositions of men and women

not accounted for by differences in characteristics.

Results from Table 19 indicate that within-sector differences in earnings

contribute to 71.6 percent of the gender gap in 2001. In 2005, this share is smaller

but still represents 65.7 percent of the gap. Differences in characteristics account for

more than half of that share in 2001, but only to 15 percent in 2005, a possible

indication of increased discrimination in wage setting procedures. Given that the non

discriminatory wage structure is estimated on the pooled sample of males and

females, it is possible to compare the “distance” between this non discriminatory

wage structure and the returns to individual characteristics for men on one hand (this

term is interpreted as “nepotism”56), and the distance between this non discriminatory

wage structure and returns to individual characteristics for women (the so-called

56 Neumark (1988) refers to “nepotism” as this deviation in returns represents the distance between actual males’ returns and

lower returns that would be associated with competitive wages (the non-discriminatory benchmark of the pooled sample). See

Appendix A, section A.3.1 for more details.

Table 19 : Full Decomposition of the Gender Wage Gap (OLS estimates)

2001 % 2005 %

Raw wage gap 0.232 100 0.220 100

Difference due to within-sector differences in earnings attributable to:

A. Characteristics 0.090 38.7 0.020 8.9

B. Deviation in male returns 0.029 12.5 0.051 23.0

C. Deviation in female returns 0.047 20.4 0.074 33.8

Sub-total 0.166 71.6 0.145 65.7

Difference due to differences between sectoral location attributable to:

D. Characteristics 0.079 34.1 0.069 31.2

E. Deviation in effect of characteristics on male location -0.004 -1.9 0.002 1.1

F. Deviation in effect of characteristics on female location -0.009 -3.9 0.005 2.0

Sub-total 0.066 28.3 0.076 34.3

Source : INSTAT/EPM 2001, 2005; author’s calculations.

312

“pure discrimination”) on the other hand. Our results suggest that both nepotism and

pure discrimination contribute to discrimination with however a bigger share

explained by the latter: the contribution of the deviation in females’ return (B) to the

unexplained share of the gender gap appears indeed higher than the contribution of

the deviation in males’ return (C).

Results also show however that gender specific sectoral location explains a

significant share of the gender earnings gap in both years. This is highlighted by the

positive sums of the last three terms (D+E+F) for both years which suggest that the

differences in sectoral locations are more favourable to men than to women. The

gender earnings gap would have been 23.3 percent and 34.3 percent smaller,

respectively for 2001 and 2005, if men and women had been “equally” distributed

across the three sectors. These results are driven by the fact that the proportion of

women is higher in both years in the informal wage employment sector where

earnings are lower. Moreover, the increase in the sectoral location effect between the

two years (from 28.3 to 34.3 percent) is reflective of the greater proportion of women

in the lower paying wage sector in 2005 as compared to 2001 (67 percent versus 59

percent of female wage workers).

Finally, the decomposition of the contribution of the sectoral location further

indicates that characteristics explain an important part of sectoral location both in

2001 and in 2005. In other words, our results suggest that sectoral location

differences are mostly attributable to differences in characteristics and not to

difference in returns which could be qualified as “discrimination”. This is apparent in

the very small values of terms E and F in Table 19. On the contrary, differences in

returns account for an important share of the difference in within-sector earnings both

through nepotism (B) and discrimination (C). This stylized fact holds true across

years although the unexplained share of gap (B+C) appears to have increased

between 2001 and 2005.

313

Table 20 : Neumark’s Decomposition of the Gender Mean Log Hourly Earnings Gap in the Non-

Farm Self-Employment Sector (OLS estimates)

2001 2005 Gender log hourly earnings gap to be decomposed

0.605 0.528

First specification (not accounting for branch of activity) Difference due to: Explained (%) 57.1 59.0 Human Capital characteristics 16.3 18.8 Of which Education 16.3 18.8 Enterprise characteristics 47.1 26.9 Of which Log (nb of employees) 27.2 11.1 Log (value of capital) 19.9 15.7 Unexplained (%) 42.9 41.0 Total (%) 100 100 Second specification (accounting for branch of activity) Difference due to: Explained (%) 78.7 84.2 Human Capital characteristics 8.7 17.4 Of which Education 8.7 17.4 Enterprise characteristics 77.0 56.3 Of which Log(nb of employees) 34.3 11.1 Log(value of capital) 9.5 12.7 Sector 33.2 32.6 Unexplained (%) 21.3 15.8 Total (%) 100 100


Non-Farm Self-Employment

As noted above, the gender gap in the non-farm self-employment sector is

much higher than in wage employment sectors in both years. This comes as a

surprise in a sense since one does not expect discrimination to weigh on self-

employed workers (although, they could face discriminatory practices in access to

physical capital or from their clients).

Two specifications are considered for the earnings function: the first one

corresponds to the one discussed in the previous section, while in the second

additional dummies indicating the branch of activity are included. The decomposition

results presented in Table 20 reveal two things.

314

First, observable characteristics – both at the individual and the firm level –

explain most of the observed gap. Including the branch of activity results in

dramatically decreasing the unexplained share of the gap from 42.9 percent to 21.3

percent in 2001 and from 41.0 percent to 15.8 percent in 2005. Second, differences

in human capital endowment explain some of the gender gap but much less than firm

level characteristics: using the first specification, firm level characteristics in 2001

explain 47.1 percent of the gap vs. 16.3 percent for capital endowment; in 2005, the

respective contribution are 26.9 vs. 18.8 percent. This result suggests that including

firm level characteristics is important to properly decompose the gap in the non-farm

self-employment sector. It also points to a potential source of “discrimination” often

ignored in the gender gap literature which is access to physical capital (whether

through gender biased inheritance rules or through discrimination in credit lending

practices).

Summary

In this paper, we have examined two aspects of labour market performances

of men and women in Madagascar in 2001 and 2005: (1) participation and sectoral

allocation, and (2) earnings. Several results emerge.

Regarding labour allocation, participation of women in the Malagasy labour

market appears to be high and increased between 2001 and 2005. Overall, the

structure of employment has changed between 2001 and 2005. The evolution in

employment status can be explained in part by some of the shocks experienced by

the Malagasy labour market between 2001 and 2005, namely the massive layoffs

and contracting self-employment in the textile sector.

We found a strong positive impact of education on the probability of getting a

paid job, for both males and females. This effect is also increasing with the education

levels. For men and women alike, education has the strongest positive impact on the

probability of accessing the public sector, followed by private formal wage

315

employment and finally informal self-employment. Interestingly, education seems to

be more favourable to having a self-employed job in the informal sector rather than a

salaried job in this sector. This result is not inconsistent with the concept of dynamic

entrepreneurship in the informal self-employment sector (Maloney, 2004), where

entrepreneurial skills would be needed, as opposed to the informal salaried sector

which would be more reflective of hidden unemployment, or a stepping stone towards

better labour market opportunities in the future.

Regarding gender inequality in earnings, our results show that the average

gender wage gap (i.e. for wage workers, including farm employment) is relatively

small and stable over time. In non-farm self-employment, however, the gap is much

higher and declined between 2001 and 2005. Earnings equations estimates indicate

that human capital is an important determinant of earnings for both men and women

and across sectors of employment. They also highlight that returns to education are

often higher for men, an indication of possible discrimination against women in the

labour market.

Decomposition of the gender wage gap shows that differences in individual

characteristics of men and women account for almost 70 percent of the gap in 2001.

However, this share is down to less than 40 percent in 2005. When also taking into

account job characteristics of men and women, differences in individual endowments

and job characteristics across gender explain over 60 percent of the gap, and this

share remains stable over time.

Across wage employment sectors, the gender gap appears to be the lowest in

the public sector and the highest in the informal sector. Using full sectoral

decomposition techniques, we provide evidence that gender specific sectoral location

explains a significant share of the gender wage gap in both years. This result is

mainly driven by the fact that the proportion of women is higher in the informal wage

sector where earnings are lower. In a long-term perspective, the main characteristic

of the Malagasy labour market evolution was the partial freeze on public sector

recruitment from the mid-1980s, which went hand in hand with a fall in the numbers

316

of wage earners and an underlying rise in job precariousness. The decrease in jobs

in the public sector was particularly significant for women (Antoine, Bocquier,

Razafindratsima, Roubaud, 2000). Public sector downsizing has then probably

worsened women’s economic position as more women have moved away from the

state sector to the private sector.

Augmented earnings equations estimates carried out for the non-farm self-

employment sector suggest that the gap in this sector is driven by the very unequal

distribution of micro-firm attributes between men and women. This results points to a

potential source of “discrimination” often ignored in the gender gap literature which is

access to physical capital, whether through gender biased inheritance rules or

through discrimination in credit lending practices.

Between 2001 and 2005, Madagascar experienced several large scale

shocks. Although these shocks had different impacts on the labour market

participation of men and women, the gender wage gap remained relatively small and

stable over time. The contribution of differences in returns to attributes – possibly

related to some form of wage discrimination against women – did however increase.

Why this evolution did not result in an increase in the gender wage gap is due to the

fact that most productive characteristics of male and female wage workers converged

between the two years.

From a policy perspective, given the multifaceted aspect of gender disparities in

the Malagasy labour market, efforts to reduce gender earnings gap will entail various

types of policy:

• First, differences in human capital endowments must be reduced: if women and

men human capital characteristics were similar, the gender earnings gap would

be reduced by at least a third. This entails further efforts to enhance girls’

schooling achievements, particularly at higher levels.

317

• However, differences in individual characteristics do not explain the full

difference between men and women earnings. Further reduction of the gender

gap will entail policies aimed at promoting access of women to quality jobs in

the public and formal wage sectors, as well as policies to foster equal pay for

equal jobs.

• Finally, the very large gaps observed in the non-farm self-employment sector –

and the fact that these gaps are in large part explained by differences in micro-

firm characteristics – suggest that efforts must be made to allow women

informal entrepreneurs to access physical capital. This source of

“discrimination” against women is often ignored in the gender gap literature.

Whether it arises because of gender biased inheritance rules or through

discrimination in credit lending practices is an empirical question that should be

further investigated.

Finally, from a methodological perspective, some comments are in order. The

earnings models used in the decomposition analysis of this paper account for no

more than 40 percent of the variation in the earnings of men and women. Then, an

important variation in earnings remains unexplained by the observed workers’

characteristics. The models might then be better fitted to the data by including other

variables deemed to influence earnings. Typically, the data used comes from

household surveys. For a long time, researchers have been unable to document the

potential effect of job and firm characteristics – other than industry and firm size – on

the wages of men and women. We still provide a first attempt to account for other

determinants of individual earnings, in particular micro-firm attributes of the self-

employed workers. But for wage workers, linked employer–employee surveys would

allow researchers and policy makers to move beyond the individual worker to

consider the importance of the workplace in wage determination. There is much to

learn about the demand-side factors that may influence employers when they make

decisions concerning hiring and promotions, or use gender to predict future work

commitment.

318

Chapitre 4. Secteur informel, pauvreté et bien-

être

Ce chapitre décrit l’impact de la possession des unités de production informelles sur

les conditions de vie des ménages, en général, et la pauvreté en particulier. En effet, la

plupart des stratégies élaborées et mises en œuvre pour la lutte contre la pauvreté

accordent une importance particulière à la promotion de ces types d’entreprises non

agricoles. Par ailleurs, la création des activités génératrices de revenus fait partie des

stratégies adoptées par les ménages pour atténuer les effets de la crise économique.

Généralement, ces unités de production agissent sur le niveau de vie des ménages, qui

passent par plusieurs canaux. Au niveau microéconomique, les créations d’emplois et les

revenus générés par ces activités ont des effets directs et positifs sur les conditions de vie

des ménages. Au niveau macroéconomique, ce type d’entreprises peut constituer un

gisement fiscal non négligeable pouvant alimenter les ressources collectives, qui doivent

être destinées à l’amélioration du bien-être de la population et au développement des

activités génératrices de revenus. La première section s'intéresse à l’impact de la

possession d’une unité de production informelle sur l’incidence de la pauvreté monétaire.

Tandis que la deuxième section analyse l’effet de la possession d’une unité de production

informelle sur le « bonheur » individuel.

319

I. Contribution du secteur informel dans la lutte contre la

pauvreté : Cas d’Antananarivo

Introduction

Le cas de l’agglomération d’Antananarivo met en lumière les points positifs,

économiques et sociaux, du secteur informel. Ces derniers sont multiples et généralement

admis dans la plupart des pays en développement. Sur le plan économique, il constitue le

principal secteur créateur d’opportunités d’emplois surtout chez les couches vulnérables

comme les femmes et les moins qualifiés : un peu plus de 65% de l’ensemble des emplois

créés en 2010, en pleine période de crise politique et économique, sont attribuables au

secteur informel. De plus, ce secteur joue un rôle primordial dans la création et

consolidation des liens sociaux, notamment familiaux : en 2004, près de deux tiers des

salariés dans les unités de production informelles ont un lien de parenté avec le chef

d’unité de production. Sur le plan macroéconomique, la contribution du secteur informel à

la production intérieure brute est loin d’être négligeable. Par contre, au niveau ménage, les

informations sont relativement rares et l’impact réel des activités informelles sur la

réduction de la pauvreté dans les pays en développement est encore loin de faire

l’unanimité aussi bien entre les chercheurs qu’entre les décideurs politiques.

Pour le cas de Madagascar, en particulier, le fait que plus de 86% de la population

en âge de travailler exerce au moins une activité rémunérée, alors que près de 65%

d’entre eux sont classés comme pauvres suscite débat. De façon mécanique, tout emploi

créé dans un ménage possède une certaine capacité de faire sortir un ménage de la

situation de pauvreté, puisqu’il induit un revenu supplémentaire et améliore les conditions

de vie sur le plan financier. Cependant, sur ce point, certains emplois ont plus de

potentialité que d’autres, d’où les notions de « good-jobs » et « bad-jobs ». Plusieurs

questions s’imposent. Sur le court terme, les emplois nouvellement créés procurent-ils une

rémunération suffisamment élevée pour combler le gap entre le revenu initial du ménage

et le seuil de pauvreté ? Sur le moyen et le long terme, quelles sont leur influence sur la

320

participation au travail et la répartition des tâches au sein du ménage, la santé et

l’éducation, et sur le revenu permanent des ménages ? Ces emplois nouvellement créés

peuvent-ils maintenir les ménages en situation de non-pauvre ?

D’un côté, certains pensent que, malgré leur nombre assez élevé, les emplois créés

dans le secteur informel n’ont qu’un faible, voire aucun impact positif sur la pauvreté,

puisqu’ils sont, en grande partie, des « bad-jobs » : faible revenu, faible productivité,

conditions d’activités précaires et parfois même dangereuse notamment pour le cas du

travail des enfants. De l’autre côté, certains affirment que la promotion des activités de ces

unités de production informelles constitue un levier potentiel efficace pour lutter contre la

pauvreté, ou du moins atténuer ses effets dans la vie quotidienne des ménages. De ce

point de vue, leur promotion est considérée comme une étape primordiale dans tout

processus de développement.

Cette étude tente d’analyser le rôle joué par les activités des unités de production

informelles dans la réduction de la pauvreté. Pour cela, quelques dimensions sont

abordées : le niveau de rémunération générée par ces activités comparé au seuil de

pauvreté monétaire, leur contribution à la création d’emplois, aux revenus totaux des

ménages, à la réduction de l’incidence de la pauvreté, ainsi qu'à la promotion de l’entraide

familiale et sociale. Pour mieux appréhender la contribution propre du secteur informel,

des analyses comparatives sont menées par rapport aux emplois créés dans le secteur

formel.

L’utilisation des bases de données issues des séries d’enquêtes à plusieurs phases

de type 1-2-3 réalisées à Antananarivo permet d’avoir des informations assez détaillées,

précises, pertinentes et fiables compte tenu des objectifs de cette étude. En effet, la

première phase de l’enquête concernant l’emploi fournit des informations sur la situation

vis-à-vis de l’emploi, le type d’activité, ainsi que les conditions d’activités aussi bien pour

les activités principales que les activités secondaires pour chaque membre d’un ménage.

Elle permet d’analyser la composition des revenus des ménages selon l’origine et d’en

déduire la contribution des activités informelles dans le revenu total des ménages. Par

ailleurs, la deuxième phase de l’enquête concernant les unités de production informelles

321

donnent les informations quantitatives sur l’importance des gains procurés en termes de

revenus générés par une unité de production informelle par rapport aux besoins du

ménage propriétaire. Les besoins du ménage peuvent être approchés par la ligne de

pauvreté absolue utilisée pour déterminer le ratio de pauvreté à Madagascar.

Après cette partie introductive, la deuxième partie de l’étude est consacrée à la

description de la contribution effective du secteur informel à l’emploi et aux revenus au

niveau des ménages. Puis, dans la troisième partie, on se focalise sur l’impact sur

l’incidence de la pauvreté de l’exercice des emplois dans le secteur informel et de

l’augmentation éventuelle de la rémunération du travail dans ce secteur. La conclusion fait

l’objet de la quatrième et dernière partie.

I.1. Contribution du secteur informel sur l’emploi et les

revenus au niveau ménage

L’objectif de cette section est de montrer l’importance des activités du secteur

informel dans la création d’emplois au sein des ménages. Pour rester dans la logique de la

relation entre activités informelles et lutte contre la pauvreté, l’analyse s’écarte de

l’approche macro-économique habituelle, mais insiste surtout sur la contribution des

Unités de Production Informelles (UPI) dans la création d’emploi sous l’angle « ménage » ;

cela afin d’appréhender l’impact direct de ce type d’activités sur les conditions de vie des

ménages.

I.1.1. Approches et Indicateurs

Trois types d’indicateurs ont été conçus et retenus pour cette analyse. Ils évaluent

la contribution des activités informelles sur les emplois créés et les revenus d’un ménage.

Sous un autre angle, ils peuvent être interprétés comme le degré de dépendance des

ménages vis-à-vis des activités du secteur informel, dans le sens où ils permettent de

322

mesurer directement les effets des éventuels chocs touchant les activités informelles :

gains en cas de chocs positifs et vulnérabilité en cas de chocs négatifs.

Le premier type d’indicateurs est l’existence d’au moins un membre du ménage

exerçant une activité dans le secteur informel. Trois variantes d’indicateurs sont retenues :

la première variante prend en compte tous les emplois informels, quel que soit leur type,

salariés ou non salariés, rémunérés ou non rémunérés. La deuxième variante ne prend en

compte que les emplois informels rémunérés (salariés ou dirigeant d’une UPI) et exclut les

emplois informels non rémunérés de façon permanente comme les aides familiaux, les

apprentis ou les stagiaires. Ces deux variantes d’indicateurs permettent d’éviter les

problèmes d’interprétations dus au fait qu’une bonne partie des emplois informels sont des

aides familiaux d’un ou de quelques membres de leur propre ménage dirigeant des UPI et

qui ne génèrent pas des revenus supplémentaires à leur ménage. La troisième variante

indique si le chef de ménage lui-même exerce une activité dans le secteur informel ou

non.

Le deuxième type d’indicateurs est la proportion, en termes d’effectif, des emplois

informels sur l’ensemble des emplois exercés par tous les membres d’un ménage.

Comme dans le premier type d’indicateur, deux variantes sont considérées. La première

variante prend en compte dans le numérateur, tous les emplois informels, quel que soit

leur type. La deuxième variante ne prend en compte, dans le numérateur, que les emplois

informels rémunérés et exclut les emplois informels non rémunérés de façon permanente.

Le troisième type d’indicateurs est la proportion, en valeur, des revenus générés

par les emplois dans le secteur informel exercés par les membres du ménage sur les

revenus d’activités totaux du ménage. Il faut mentionner les biais dus aux erreurs

d’observations sur les revenus. Comme les revenus ont été obtenus par une approche

« déclarative », les erreurs d’observations ne sont pas aléatoires mais sont fortement

dépendantes du type et du secteur d’activité. En effet, la probabilité d’obtenir un chiffre

exact sur la rémunération est plus grande pour les emplois salariés et formels par rapport

aux emplois non salariés et informels. Le flou autour du concept de rémunération du

travail concernant les activités informelles, la prépondérance des aides familiaux non

323

rémunérés, l’absence de comptabilité écrite dans ce secteur réduisent la fiabilité des

réponses déclaratives sur les revenus.

Dans un premier temps, l’analyse est basée sur les proportions des ménages dont

un membre, au moins, exerce une activité dans le secteur informel (SI), ou dont un

membre, au moins, dirige une Unité de Production Informelle (UPI). Ensuite, elle est axée

sur les répartitions des ménages pour les quatre catégories suivantes : ménages à

contribution d’emplois informels très forte, élevée, faible et quasi inexistante. Elles sont

définies par la proportion des emplois informels sur l’ensemble des emplois exercés par

les membres du ménage, ou par la part des revenus générés par des activités informelles

sur les revenus totaux des ménages : comprise respectivement entre 95% à 100%, 50% à

90%, 5% à 50% et moins de 5%. Il paraît intéressant de détailler ces informations en

fonction des caractéristiques sociodémographiques du chef de ménage comme le niveau

d’instruction, le sexe ou l'âge.

I.1.2. Résultats

Le Tableau 62 résume la contribution des activités du secteur informel sur l’emploi

et sur les revenus au niveau ménage. Les chiffres mettent en évidence la forte implication

des activités informelles sur les conditions de vie des ménages comparée aux autres

types d’activités. En 2006, plus de sept ménages sur dix à Antananarivo possèdent au

moins un membre exerçant une activité dans le secteur informel (SI) à titre principal ou

secondaire et, parmi ces ménages, plus de la moitié possède plus de deux membres

engagés dans le secteur informel. Si l’on n’inclut que les emplois indépendants, près de

58% des ménages possèdent au moins un membre dirigeant une Unité de Production

Informelle (UPI). Ces proportions varient négativement avec le niveau d’instruction du chef

de ménage. Elles atteignent respectivement plus de 84% et 73% pour les ménages dirigés

par un individu n’ayant pas dépassé le niveau primaire, et descendent jusqu’à 49% et 36%

pour les ménages dirigés par un universitaire. A titre de comparaison, si l’on considère la

contribution du secteur formel, les proportions de ménages possédant au moins un

membre travaillant dans le secteur privé formel ou possédant au moins un membre

travaillant dans le secteur public ne sont que respectivement de 49% et 16%.

324

I.1.2.1. Contribution du secteur informel sur l’emploi au niveau ménage

Ces résultats montrent à quel point les activités informelles concernent une grande

partie des ménages tananariviens, au niveau global. Il paraît beaucoup plus pertinent et

intéressant de voir l’importance de ces activités par rapport aux autres activités

économiques pour chaque ménage pris individuellement. Sont-ils considérés comme des

emplois principaux ou tout simplement des emplois d’appoint au niveau d’un ménage ?

Pour répondre à cette question, trois approches sont possibles en analysant soit

l’implication du chef de ménage lui-même sur les activités du secteur informel, la

proportion des emplois informels sur l’ensemble des emplois du ménage, soit la part des

revenus générés par les emplois informels sur les revenus d’activités totaux du ménage.

Les résultats montrent, que malgré le fait que l’étude s’est limitée au cas de la

capitale, les activités informelles tiennent un rôle principal dans les conditions de vie des

ménages. Une bonne partie des ménages sont supportés ou dépendants uniquement soit

par des emplois soit par des revenus issus du secteur informel.

En effet, en 2006, plus de 6 emplois sur 10 exercés à titre principal ou secondaire

se trouvent dans le secteur informel, contre seulement 32% pour le secteur privé formel et

8% pour le secteur public. De plus, plus de 47% des chefs de ménage exercent une

activité dans le secteur informel. Un chiffre largement supérieur à la proportion des

ménages dirigés par un salarié du secteur public (12%) et celle des ménages dirigés par

un salarié du secteur privé formel (29%). Pour près de 36% des ménages, le secteur

informel pourvoit plus de 95% des emplois exercés par des membres actifs occupés en

considérant tous types d’emplois salariés ou non, rémunérés ou non. Par contre, si l’on se

restreint aux seules activités indépendantes dans le secteur informel, ces types d’emplois

représentent la quasi-totalité des emplois des membres actifs seulement pour 15% des

ménages de la capitale de Madagascar. Ce phénomène s’explique par la forte implication

des membres du ménage en tant qu’aides familiales dans les Unités de production

informelles familiales.

325

Les caractéristiques sociodémographiques du chef de ménage, telles que son

niveau d’éducation ou le sexe influent beaucoup sur la dépendance du ménage vis-à-vis

du secteur informel en termes d’emplois exercés. Chez les ménages dirigés par un

individu n’ayant pas dépassé l’enseignement primaire, plus de 84% des ménages ont au

moins un membre travaillant dans le secteur informel, plus de 52% des ménages

dépendent uniquement des emplois informels et près des trois quarts des emplois exercés

par les membres sont dans le secteur informel. Tandis que chez les ménages dirigés par

un universitaire, les proportions ne sont respectivement que de 49%, 36% et 14%.

Un phénomène particulier est observé. On trouve moins de diversification

d’emplois, en termes de secteur d’activité, dans les ménages dirigés par une femme que

dans les ménages dirigés par un homme. En d’autres termes, il est moins probable de

trouver des emplois exercés dans deux secteurs différents (informel, privé formel, public)

au sein d’un ménage dirigé par une femme. Globalement, la proportion des emplois

exercés dans le secteur informel est un peu plus élevée dans la catégorie de ménages

dirigés par des femmes. De plus, la proportion de ménages supportés uniquement par

des emplois informels y est plus élevée : 41% contre 34% dans la catégorie des ménages

dirigés par un homme. Cependant, la concentration de ces emplois informels dans des

ménages particuliers au sein de la même catégorie des ménages dirigés par une femme

fait que la proportion des ménages ayant au moins un membre travaillant dans le secteur

informel y est beaucoup plus faible comparée à celle qu’on enregistre chez les ménages

dirigés par un homme : 62% contre 72%.

326

I.1.2.2. Contribution du secteur informel aux revenus au niveau ménage

Si l’on retient le critère sur les revenus générés, on retrouve l’importance des

activités informelles dans les conditions de vie des ménages mais avec un degré moindre

comparé au critère sur les emplois créés. Cela s’explique par la faiblesse de la

rémunération du travail dans le secteur informel. Le Tableau 63 montre les contributions

des activités informelles dans les revenus des ménages. En 2006, les revenus générés

par les emplois exercés dans le secteur informel représentent plus de 42% de l’ensemble

des revenus d’activité. A titre de comparaison, la part atteignait plus de 70% à Prétoria

(Afrique du Sud), 60% à New-Dehli (Inde) et à Surabaya (Indonesie) (Tipple, 2005). Pour

plus de 39% des ménages, la quasi-totalité de leurs revenus (plus de 95% des revenus

d’activités totaux) proviennent des activités exercées dans le secteur informel. Ce résultat

ne s’écarte pas trop de ce qu’on trouve dans d’autres grandes villes en développement :

41% à Cochabamba (Bolivie), 37% à New-Dehli (Inde), 33% à Surabaya (Indonésie) et

54% à Prétoria (Afrique du Sud).

Les caractéristiques sociodémographiques du chef de ménage, notamment le

niveau d’instruction, influent de manière significative sur le degré de dépendance vis-à-vis

des emplois et des revenus du secteur informel. Chez les ménages dirigés par un individu

Tableau 62 : Contribution du secteur informel sur l’emploi au niveau « ménage »

Caractéristiques du chef de ménage

Proportion des emplois exercés dans le SI

Ménages dont un membre au moins dans le SI

Ménages dont un membre au moins dirige une UPI

Ménages dont la proportion d’emplois exercés dans le SI est

Ménages dont la proportion d’emplois indépendants dans le SI est

<95 50-95 5-50 0-5 <95 50-95 5-50 0-5

Niveau scolaire - Primaire - Collège - Lycée - Université

74,7 58,6 50,7 37,2

84,5 70,8 63,5 49,2

73,1 58,8 51,2 35,8

52,8 34,0 25,2 14,7

12,6 14,9 11,0 6,2

19,1 21,8 27,3 28,4

15,5 29,2 36,5 50,8

20,9 13,7 12,0 7,6

11,0 10,0 5,2 2,9

41,2 35,0 34,0 25,4

26,9 41,2 48,8 64,2

Sexe - Homme - Femme

59,8 63,1

72,0 62,8

60,0 50,1

34,5 41,5

12,7 7,2

24,7 14,2

28,0 37,2

14,2 18,4

8,4 6,9

37,4 24,8

40,9 49,9

Age - < 30 ans - 30-49 ans - >50 ans

62,7 61,0 58,2

63,3 74,4 77,4

50,9 62,3 55,5

41,2 36,3 31,4

5,8

11,5 15,9

16,3 26,7 20,2

36,7 25,6 32,6

18,2 15,6 11,9

6,2 8,1 9,6

26,6 38,7 34,1

49,1 37,7 44,5

Ensemble 60,3 70,5 58,5 35,6 11,9 23,1 29,5 14,9 8,2 35,4 41,5


327

n’ayant pas dépassé l’enseignement primaire, plus de 67% des revenus d’activités sont

générés par le secteur informel et plus de 56% des ménages de cette catégorie

dépendent quasi-totalement des revenus des emplois exercés dans le secteur informel.

Tandis que, chez les ménages dirigés par un universitaire, la part des revenus issus du

secteur informel atteint à peine 22% et seulement 16% des ménages de cette catégorie

vivent uniquement avec ce type de revenus.

I.2. Secteur Informel et incidence de la pauvreté

Les résultats précédents ont montré l’importance de la contribution des activités du

secteur informel dans la création d’emploi et les revenus au niveau des ménages. Dans

cette partie, l’objectif est d’approfondir l’analyse sur le rôle joué par ces activités

informelles dans la lutte contre la pauvreté. L’exercice des activités a-t-il pu faire sortir des

ménages de la pauvreté ? Quel serait l’impact d’une amélioration ou d’un choc positif sur

les performances de ces activités sur l’incidence de la pauvreté ? Dans quels secteurs

d’activités informelles induiraient des effets les plus significatifs ?

Tableau 63 : Contribution du secteur informel sur le revenu au niveau « ménages »

Caractéristiques du chef de ménage

Part des revenus générés par le SI

Ménages dont la proportion des revenus générés par le SI est

<95 50-95 5-50 0-5 Niveau scolaire - Primaire - Collège - Lycée - Université

67,4 48,8 40,2 22,1

56,1 38,2 29,2 16,1

12,9 10,8 8,4 5,1

15,3 20,6 24,7 22,0

15,7 30,4 37,8 56,8

Sexe - Homme - Femme

42,9 39,0

38,4 42,2

10,8 6,6

21,0 13,2

29,8 38,0

Age - < 30 ans - 30-49 ans - >50 ans

53,4 43,7 37,3

44,3 40,6 33,1

6,5

10,1 12,0

12,2 21,7 20,5

37,0 27,6 34,3

Ensemble 42,5 39,0 10,1 19,8 31,1 Source : INSTAT/DIAL, Enquête 1-2-3, 2006, phase 1, calculs de l’auteur.

328

I.2.1. Un bref aperçu de la relation entre activités informelles et pauvreté

Certaines écoles de pensée ont considéré le secteur informel comme un secteur à

faible productivité, fonctionnant avec des techniques de production rudimentaire,

produisant des produits de mauvaise qualité, ne contribuant que très faiblement à la

création de richesse et à l’approvisionnement des ressources collectives. Suite à ces

réflexions, des autorités politiques ne voient beaucoup d’intérêt quant au rôle des activités

informelles dans la lutte contre la pauvreté et décident d’abandonner la promotion de ces

types d’activités au profit du secteur formel et de mener des politiques répressives envers

les petits opérateurs informels.

Ces derniers temps, des nouvelles visions sur le secteur informel remettent en

cause ces thèses traditionnelles. Elles prônent l’importance de ces activités de ce secteur

dans la réduction de la pauvreté dans les pays en développement et leur négligence serait

socialement très coûteuse. Plusieurs arguments sont évoqués : ils portent le plus souvent

sur la forte contribution de ce secteur à l’absorption de l’offre de travail, la production

intérieure brute et la réduction des inégalités. Les études empiriques montrent que dans la

plupart des pays en développement, le salaire dans le secteur formel n’est pas assez

flexible et que certains groupes d’individus ont des difficultés pour s’insérer dans ce

segment fermé de marché du travail. Pour certains cas comme Madagascar, l’installation

dans le secteur informel est, en bonne partie, un choix poussé par des motifs volontaires

pris indépendamment de la situation dans le secteur formel.

En résumé, d’après ces points de vue, il existe potentiellement des fortes relations

entre les activités informelles et la pauvreté des ménages. Pour certains ménages, ces

activités, même à faible productivité, constituent, en dernier ressort, des sources de

revenus pour assurer leur survie. Pour d’autres, elles offrent des opportunités pour gravir

des échelons plus confortables en termes de niveau de vie.

329

I.2.2. Approches et indicateurs

Des simulations simples sont mobilisées pour fournir des éléments de réponse à

ces questions tout en faisant des hypothèses qu’aucun changement majeur n’est observé

sur l’ensemble de l’économie : structures de l’emploi, le statut vis-à-vis de l’emploi, effets

d’entraînement intersectoriels, prix à la consommation, etc.

Lors de cette analyse, à la différence de la plupart des études sur la pauvreté à

Madagascar, l’approche par le revenu est adoptée pour la pauvreté. Ce choix est justifié

par le fait que l’objectif de cette étude est d’évaluer les effets à court terme sur la pauvreté

des évolutions des performances des activités informelles suite à la mise en place des

projet d’appui aux microentreprises, donc des revenus des ménages ; tandis que la

consommation est une variable de long terme reflétant plutôt un comportement lié aux

revenus permanents. D’ailleurs, sur plan technique, les erreurs d’observation sur le revenu

ne sont pas systématiquement plus élevées que celles sur la consommation pour diverses

raisons : évaluation de l’autoconsommation, des valeurs locatives des biens durables, etc.

Le revenu comprend tous les revenus générés par les emplois exercés par les membres

du ménage, y compris le salaire, le revenu mixte, les avantages en nature, les prestations

sociales et autres primes liés aux activités. Compte tenue de la disponibilité des données

et les problèmes dus aux revenus exceptionnels non réguliers pour l’analyse de la

pauvreté, seuls les revenus d’activités sont inclus.

Un individu est considéré comme pauvre s’il appartient à un ménage, dont le

revenu par tête perçu est inférieur à un seuil de pauvreté correspondant au montant

permettant de subvenir aux besoins essentiels individuels. Le seuil de pauvreté est la

somme du seuil de pauvreté « alimentaire », correspondant au montant permettant de

subvenir aux besoins alimentaires quotidiens de 2 133 kcal et le seuil de pauvreté « non

alimentaire » pour les besoins autres qu’alimentaires indispensables dans la vie

quotidienne. C’est le seuil de pauvreté utilisé pour l’analyse du profil de la pauvreté à

Madagascar (INSTAT, 2005). Basé sur le seuil calculé en 2001 et mis à jour par l’indice

des prix à la consommation à Madagascar entre 2001 et 2006, le seuil de pauvreté retenu

330

est de 340 400 Ariary par personne par an. L’incidence de la pauvreté est la proportion

d’individus pauvres, tel que défini, sur l’ensemble de la population.

L’approche consiste, dans un premier temps, à analyser l'incidence de la pauvreté

en fonction de l’importance des activités informelles sur l’emploi ou les revenus des

ménages. Ensuite, on étudie les changements sur l'incidence de la pauvreté pour chaque

catégorie de ménages en fonction des différents scénarii affectant la rémunération du

travail dans différents secteurs d’activité (formel-informel, branches d’activité). Le premier

type de simulations porte sur la disparition des activités informelles, puis sur la

rémunération des emplois informels en équivalent du salaire minimum dans le secteur

formel. Le deuxième type de simulations est basé sur des chocs positifs sur la

rémunération du travail comme une augmentation de 10% de la rémunération dans le

secteur informel, une augmentation de 10% de la rémunération dans le secteur formel,

une augmentation de 10% de la rémunération dans le secteur public, une augmentation

de 10% de la rémunération dans l’industrie informelle, une augmentation de 10% de la

rémunération dans le commerce informel, et, enfin, une amélioration de 10% de la

rémunération dans les services informels.

I.2.3. Résultats

Le Tableau 64 résume la situation de la pauvreté à Antananarivo en fonction des

caractéristiques du ménage. Les résultats semblent confirmer que les activités informelles

sont les refuges des pauvres. Plus la dépendance du ménage sur les activités informelles

est forte, que ce soit en termes de la part d’emplois exercés ou en termes de la part des

revenus générés, plus l’incidence de la pauvreté est forte. L’incidence de la pauvreté à

Antananarivo est estimée à 50% de la population en 2006. Ce chiffre est cohérent avec

les estimations faites par l’INSTAT/DSM à partir de la base de données EPM1. L’incidence

de la pauvreté tourne aux environs de 40% chez les ménages, dont le poids des emplois

informels ou des revenus informels est inférieur à 5% ; mais elle dépasse les 70% chez

1 Tableau sur la dynamique de la pauvreté entre 2000 et 2007 publié par l’INSTAT/DSM

331

les ménages dépendant en quasi-totalité (à plus de 95%) des emplois ou des revenus

informels. L’autre variable qui influe fortement sur l’incidence de la pauvreté est le niveau

d’instruction du chef de ménage. Elle se situe à plus de 70% chez les ménages dirigés par

un individu n’ayant pas dépassé le niveau primaire, alors que, chez les ménages dirigés

par un individu ayant effectué un parcours universitaire, elle n’est plus que de 12%. Même

si l’incidence de la pauvreté est relativement élevée dans les ménages dépendant du

secteur informel, les activités informelles ont contribuées fortement à la réduction de la

pauvreté dans la capitale malgache et leur disparition aurait un coût social énorme.

I.2.3.1. Contribution effective du secteur informel sur la pauvreté

Que se serait-il passé sans ces emplois informels ? L’approche consiste à

comparer les situations avec ou sans les activités informelles observées. Elle permet de

capter l’impact « absolu » des activités informelles sur la pauvreté, dans le sens où cette

approche ne prend pas en compte les changements sur la rémunération du secteur formel

(plus offre de travail) et sur les prix (baisse de la demande globale et aussi l’offre). Le

Tableau 65 décrit les résultats de la simulation. Ainsi, l’exercice des activités du secteur

informel a permis à près d’un quart des ménages tananariviens de sortir de la pauvreté.

Sans ces activités, l’incidence de la pauvreté aurait été de l’ordre de 73% en 2006. Toutes

les catégories de ménages ont tiré des bénéfices directs de ces activités. Cependant, le

phénomène est beaucoup plus significatif chez les ménages, dont les chefs sont moins

instruits (n'ayant pas dépassé pas le primaire ou le collège).

L’autre approche utilisée afin de mesurer l’impact « relatif » des activités informelles

sur la pauvreté par rapport aux activités formelles est de comparer l’incidence de la

pauvreté effectivement observée et celle qui serait obtenue au cas où les emplois

informels avaient été exercés dans le secteur formel et rémunérés au salaire minimum en

vigueur dans le secteur formel. L’objectif est de capter l’effet de l’ « informalité » des

activités. Aurait-il été préférable que les employés du secteur informel fussent dans le

secteur formel ? L’hypothèse est assez forte dans la mesure où la formation de la

rémunération n’est pas la même dans les secteurs informel et formel et où les

caractéristiques observées des emplois et des employés du secteur informel ne

correspondent pas tous aux caractéristiques des emplois et des employés les moins bien

rémunérés du secteur formel.

332

Tableau 64 : Secteur Informel et incidence de pauvreté Caractéristiques du ménage Incidence de la pauvreté

effectivement observée en 2006

s’il n’y avait pas de SI

Si emplois dans SI rémunérés au salaire

minimum formel Niveau scol. CM - Primaire - Collège - Lycée - Université

71,7 52,8 32,3 12,4

92,7 80,2 56,9 30,5

63,6 53,8 40,3 20,1

Sexe du CM - Homme - Femme

48,3 63,3

72,3 79,7

49,4 53,7

Age du CM - < 30 ans - 30-49 ans - >50 ans

57,7 49,8 48,7

80,5 73,0 71,3

58,1 53,3 41,0

Emploi du CM - Inactif - Informel - Privé formel - Public

75,7 60,9 34,8 20,2

- - - -

- - - -

Emplois dans SI - >95% - 50 à 95% - 5 à 50% - <5%

71,6 46,6 30,6 41,5

- - - -

- - - -

Revenus dans SI - >95% - 50 à 95% - 5 à 50% - <5%

71,2 32,3 36,2 39,4

- - - -

- - - -

Ensemble 50,4 73,3 50,0


Avec cette approche, on estime que la contribution des activités informelles sur la

pauvreté est aussi importante que celle des activités formelles. De plus, en tenant compte

des autres effets (avantages non monétaires: flexibilité du temps de travail, être son

propre employeur, ambiance de travail, etc.), on peut affirmer que rien ne justifie

l’application des politiques de répression ou d’abandon vis-à-vis de ces activités. En effet,

la rémunération des emplois exercés par les ménages en équivalent du salaire minimum

en vigueur dans le secteur formel aurait induit une incidence de la pauvreté de 50%

comme l’on observe effectivement en 2006. Cependant, l’analyse au niveau plus détaillé,

fournit des résultats plus intéressants. Plus le niveau d’instruction du chef de ménage est

élevé, plus la contribution des emplois informels dans la réduction de la pauvreté devient

plus élevée par rapport à celle des emplois formels. En effet, l'incidence de la pauvreté

333

augmenterait de plus de 8 points chez les ménages dirigés par un universitaire ou un

lycéen si les emplois informels exercés par les membres étaient rémunérés au salaire

minimum formel. A l’opposé, pour les ménages dirigés par un individu n’ayant pas

dépassé le primaire, le niveau de vie serait bien meilleur avec une rémunération

équivalente du salaire minimum. Pour les ménages dont le chef est une femme, la

rémunération au salaire minimum réduirait de près de 10 points l’incidence de la pauvreté.

I.2.3.2. Simulations d’impact de la rémunération du travail informel sur la

pauvreté

Les résultats précédents confirment une fois de plus la nécessité de mener des

actions pour promouvoir les activités génératrices de revenus dans le secteur informel.

Dans cette logique, il est indispensable de prévoir l’impact de ces politiques d’appui sur les

conditions de vie des ménages via l’amélioration des conditions d’activités dans ce

secteur. Sont-elles efficaces pour réduire la pauvreté ? Parmi les activités du secteur

informel, dans quelle branche faudrait-il intervenir le plus pour obtenir des meilleurs

résultats ? Pour cette analyse, on procède à des simulations concernant l’impact sur

l’incidence de la pauvreté des améliorations des performances économiques et donc des

revenus générés par les emplois exercés dans le secteur informel.

A la différence des simulations faites précédemment, cette fois ci, la situation sur le

marché du travail et les structures des emplois (taux d’activité, taux de chômage,

répartition des emplois par secteur ou par branche, etc.) sont supposées ne pas subir des

modifications majeures. A part ces structures, d’autres facteurs importants vont influer sur

les résultats des simulations : les caractéristiques et la composition des ménages en

termes de structure démographique ou en termes de structure d’emplois, les gaps entre

les revenus d’activités actuels et le seuil de pauvreté monétaire, et le niveau des prix.

Dans un premier temps, l’analyse porte sur la simulation de l’impact sur l’incidence

de la pauvreté d’un choc positif sur la rémunération du travail dans le secteur informel.

Une étude comparative est menée avec les effets des chocs sur la rémunération de travail

dans les autres secteurs public et privé formel. Dans un deuxième temps, on mène une

334

analyse comparative des résultats des simulations sur les impacts des chocs positifs sur la

rémunération du travail dans les différentes branches d’activité au sein même du secteur

informel. Théoriquement, une telle étude faisant intervenir les aspects macro, méso et

microéconomiques et les effets d’entraînement intersectoriels doit se baser sur un modèle

d’équilibre général pour pouvoir capter les effets indirects à moyen terme. Mais cela est

difficilement réalisable compte tenue des données disponibles. On se contente d’analyser

les effets directs à très court terme.

Les résultats des simulations sont détaillés dans le Tableau 65. Ils renforcent

encore la thèse que la promotion des activités du secteur informel constitue un meilleur

moyen pour lutter contre la pauvreté. Une augmentation de 10% de la rémunération du

travail dans ce secteur réduirait de trois points l’incidence de la pauvreté à Antananarivo.

Sans tenir compte des coûts de réalisation, la même augmentation, mais dans le secteur

formel (public ou privé) n’entraînerait aucune amélioration significative sur les conditions

de vie des ménages. Evidemment, ce sont les catégories les plus dépendantes des

emplois ou des revenus du secteur informel qui bénéficieraient le plus d’un tel choc positif

sur la rémunération de travail dans ce secteur. Au niveau des caractéristiques

sociodémographiques du chef de ménage, les ménages dirigés par les moins instruits

seraient les grands gagnants avec une diminution de 4 points de l’incidence de la

pauvreté. Par contre, en fonction du sexe ou de l’âge du chef de ménage, les effets

seraient plus ou moins uniformes.

Serait-il préférable de concentrer les efforts sur une branche d’activité particulière

du secteur informel pour obtenir de meilleurs résultats ? Les résultats de l’analyse

montrent le même niveau d’augmentation de 20% de la rémunération du travail dans les

différentes branches d’activités du secteur informel (industrie, commerce, service)

déboucherait sur un impact similaire en termes de la pauvreté. Le résultat serait même

meilleur si les interventions étaient reparties dans toutes les branches d’activités.

Néanmoins, il faut mentionner que les appuis menés en faveur des commerces informels

seraient bénéfiques surtout pour les ménages dirigés par les jeunes. Tandis que les

actions en faveur des unités de production de la branche « industrie » et des « services »

informels donneraient plus d’avantages aux ménages dirigés par un employé du secteur

public.

335

Tableau 65 : Simulations d’impact sur la pauvreté des chocs positifs sur la rémunération du travail dans le secteur informel Caractéristiques du ménage

Incidence de la pauvreté en cas d’amélioration de 10% de la rémunération dans le secteur

Incidence de la pauvreté en cas d’amélioration de 20% de la rémunération dans la branche

observée en 2006

Informel Formel Public Industrie Commerce

Service

Niveau scol. CM - Primaire - Collège - Lycée - Université

71,7 52,8 32,3 12,4

67,3 50,1 29,4 11,2

70,4 51,4 30,8 12,3

71,0 52,5 32,7 12,2

69,3 50,3 33,0 10,8

69,0 51,3 30,9 12,3

69,5 52,6 30,8 12,4

Sexe du CM - Homme - Femme

48,3 63,3

44,8 60,9

47,1 61,3

47,8 63,2

46,3 62,3

46,3 62,2

47,0 61,9

Age du CM - < 30 ans - 30-49 ans - >50 ans

57,7 49,8 48,7

51,9 46,1 46,9

55,0 48,6 47,5

57,6 49,2 48,2

56,0 47,3 47,7

53,5 47,7 48,0

56,4 48,4 47,3

Emploi du CM - Inactif - Informel - Privé formel - Public

75,7 60,9 34,8 20,2

75,4 55,0 34,5 18,0

74,8 60,4 31,1 20,2

75,6 60,9 34,2 16,5

75,4 57,9 34,6 17,8

75,6 57,3 34,4 20,2

75,7 59,3 34,6 16,6

Emplois dans SI - >95% - 50 à 95% - 5 à 50% - <5%

71,6 46,6 30,6 41,5

65,6 42,8 28,1 41,5

71,6 45,6 28,9 38,1

71,6 44,3 30,3 41,2

67,8 44,3 29,6 41,5

68,2 45,1 28,6 41,5

70,1 42,3 29,9 41,5

Revenus dans SI - >95% - 50 à 95% - 5 à 50% - <5%

71,2 32,3 36,2 39,4

64,0 29,6 35,6 39,4

71,2 32,1 33,8 36,3

71,2 30,1 35,5 39,1

67,6 29,8 35,5 39,4

66,6 32,3 35,9 39,4

69,6 28,0 35,4 39,4

Ensemble 50,4 47,0 49,0 49,9 48,5 48,5 49,0 Source : INSTAT/DIAL, Enquête 1-2-3, phase 1, 2006, calculs de l’auteur.

Conclusion

Dans cette étude, à l’aide des analyses très descriptives des données issues de

l’enquête 1-2-3 sur le secteur informel à Antananarivo en 2006, on a pu démontrer

l’importance des activités exercées dans le secteur informel pour la lutte contre la

pauvreté. Les résultats ont confirmé la contribution relativement forte du secteur informel

dans l’emploi et les revenus au niveau des ménages et les coûts sociaux énormes au cas

où il était amené à disparaitre. Respectivement 36% et 39% des ménages de la capitale

malgache dépendent uniquement des emplois et des revenus générés par le secteur

informel. La contribution directe des ces activités sur la réduction de la pauvreté est

336

beaucoup plus forte que celle des activités du secteur formel. L’exercice de ces activités

informelles a permis à plus de 23% des ménages de sortir de la pauvreté et une

augmentation uniforme de 10% de la rémunération du travail dans ce secteur réduirait de

plus de 3 points l’incidence de la pauvreté.

Les politiques d’appui aux unités de production informelles doivent tenir une place

plus importante dans les politiques de lutte contre la pauvreté à Madagascar. Les résultats

de l’analyse indiquent que les actions en faveur des activités du secteur informel auraient

un impact positif plus significatif sur la pauvreté que celles ciblant les autres secteurs

d’activité. Ces interventions ne doivent pas être concentrées sur quelques branches

d’activités particulières, mais doivent être bien réparties et couvrir l’ensemble du secteur.

Néanmoins, l’analyse n’a pas tenu compte du rapport entre l’impact attendu et les coûts

ou les moyens nécessaires pour les atteindre, afin de pouvoir déterminer une affectation

optimale des ressources, souvent très complexe dans les pays en développement, et à

Madagascar, en particulier. Elle n’a pas non plus pu prendre en compte les effets indirects

à moyen terme et les effets d’entraînement intersectoriels des chocs, dont l’évaluation doit

mobiliser des techniques plus sophistiquées basées sur des modèles d’équilibre général.

337

II. Les travailleurs du secteur informel sont-ils les plus heureux

? : Le cas de l’agglomération d’Antananarivo

Introduction

Le « bonheur » est une notion traditionnellement associée à la philosophie, à la

psychologie ou aux sciences humaines. Au cours de ces dernières années, il devient de

plus en plus un centre d’intérêt des économistes du développement. L’étude du « bonheur

individuel » doit tenir une place centrale dans le processus d’élaboration des stratégies de

développement, notamment la lutte contre la pauvreté.

Evidemment, la finalité de toute politique est de rendre « heureux » au sens large

du terme chaque citoyen. De plus, des études ont montré aussi des relations étroites entre

le « bonheur », une notion immatérielle, et l’économie, un domaine matériel. Certaines

d’entre elles ont mis en évidence que le « bonheur » constitue un facteur important dans le

processus de développement. La sensation de bonheur intérieur a un impact positif sur la

productivité du travail, le comportement économique et social d’un individu, et donc sur le

développement du pays tout entier. D’ailleurs, un dicton malgache « ny asa atao an-kira

toa vita tsy natao » (si on travaille en chantant, on ne voit pas le temps qui passe) illustre

bien ce phénomène. Les résultats des recherches effectuées dans les années 1980 et

1990 sur 49 pays dans le monde ont montré que le bien-être individuel améliore la

productivité du travail, la croissance économique, l’attitude responsable, le respect de la

loi et limite la corruption (Helliwell, 2001). A l’inverse, la situation extrême de « frustration »

au niveau de la population peut conduire, à court et moyen termes, à la baisse de la

productivité, à l’insécurité dans les activités (vol, violence, délinquance) et, à long terme, à

des crises sociales.

338

Compte tenu de la nouvelle vision mettant en avant l’importance du rôle du secteur

informel dans le développement d’un pays, les efforts particuliers entrepris par des

nombreux pays en développement pour promouvoir les activités de ce secteur nécessitent

la mobilisation de tous les instruments, non seulement économiques mais aussi sociaux

ou culturels. L’analyse de l’état du bonheur des travailleurs dans le secteur informel par

rapport à celui des autres types de travailleurs présente deux intérêts majeurs pour

améliorer la situation dans ce secteur. D’une part, comme cela a été précédemment

indiqué, l’influence du bonheur sur la productivité du travail est importante. D’autre part,

elle pourrait donner des pistes intéressantes pour identifier les causes de l’informalité et

pour en tirer les moyens d’intégration du secteur informel dans le circuit formel.

L’étude propose de répondre à deux questions. S’agissant de l’agglomération

d’Antananarivo, les travailleurs dans le secteur informel se sentent-ils heureux par rapport

aux autres catégories des offreurs du travail ? Le fait de travailler dans le secteur informel

constitue-t-il un facteur déterminant du niveau de bonheur d’un individu ? L’hypothèse de

travail qu’on va tester est que l’exercice d’une activité informelle comparée à l’exercice

d’autres types d’activités influe négativement sur le bonheur d’un travailleur.

Comme le « bonheur » d’un individu ne dépend pas seulement de l’écart entre les

aspirations et le niveau effectivement satisfait (attainments), mais aussi de la formation, de

l’habitude et, surtout, l’interdépendance des préférences (Easterling, 2003), nous avons

privilégié l’approche relative en comparant le niveau du bonheur des travailleurs dans le

secteur informel par rapport à ceux des autres catégories de la population, tels que les

actifs occupés dans les autres secteurs, les chômeurs ou les inactifs. A cet égard, le

secteur informel étant considéré comme un secteur de refuge ou de survie, on a tendance

à formuler une conclusion trop hâtive en affirmant que travailler dans le secteur informel

rend un actif moins heureux. Cependant, le cas particulier de l’agglomération

d’Antananarivo a conduit à mener des analyses plus approfondies, et les résultats sont

loin d’être évidents pour les raisons suivantes.

D’un côté, les visions traditionnelles du secteur informel, basées sur les théories du

dualisme ou de la segmentation du marché du travail, considérant ce secteur comme

339

simplement une réserve de main d’œuvre pour le secteur formel où prévalent la faiblesse

des rémunérations, la précarité des conditions de travail et un taux élevé de sous-emploi,

laissent penser que, par rapport aux travailleurs du secteur formel, ceux du secteur

informel sont moins heureux. D’un autre côté, contrairement au fameux «paradoxe

d’Easterling » montrant que la hausse du revenu n’apporte pas finalement le bonheur

compte tenu des effets négatifs sur l’utilité (Easterling, 2003), l’importance de la

préférence des travailleurs du secteur informel à l’égard de leur situation actuelle dans la

capitale malgache semble prédire que leur statut d’emploi leur procure beaucoup plus de

satisfaction, comparativement aux autres activités.

Des études ont déjà essayé d’appréhender la relation entre l’exercice d’un emploi

dans le secteur informel et le bonheur. Certaines ont trouvé des relations négatives entre

le bonheur individuel et l’exercice d’une activité informelle (Beuran, Kalugina, 2005 ; Hinks,

Gruen, 2005 ; Ferrer-i-Carbonell, Gërxhani, 2006 ; Herrera, Razafindrakoto, Roubaud,

2006). D’autres ont abouti à des conclusions opposées (Di Tella, MacCulloch, Oswald,

2003).

L’originalité de cette étude réside sur plusieurs aspects. Premièrement, elle

privilégie l’approche subjective du bonheur, contrairement à la plupart des études sur le

lien entre le secteur informel et le bonheur qui adoptent une approche objective, en

favorisant le concept matérialiste du bonheur (bien-être économique). Cette approche

subjective présente plusieurs avantages dus au fait que chacun est juge par excellence de

sa propre vie, en prenant en considération toutes les dimensions observables ou

inobservables. De plus, elle permet de trouver les liens directs entre le bonheur individuel

et l’exercice d’une activité informelle, sans avoir recours à d’autres variables et sans

restreindre à une seule dimension du bonheur. Deuxièmement, elle fait partie des rares

études, voire la seule étude, traitant la notion de bonheur dans toutes ses dimensions

dans le contexte africain. La majorité des études ne considèrent que des dimensions très

restreintes du bonheur, telles que la satisfaction financière (Ferrer-i-Carbonnel, 2006).

Troisièmement, l’analyse microéconomique a été choisie, ce qui permet de traiter

individuellement le problème, et d’échapper aux difficultés liées à la mesure ou à

l’interprétation d’un comportement d’un individu type avec une variable tellement

subjective qu’est le bonheur.

340

S’agissant de la méthodologie, on a adopté une technique économétrique à l’aide

d’un modèle probit ordonné, comprenant comme variable dépendante le niveau de

bonheur individuel et comme variables explicatives le secteur d’activité et d’autres

caractéristiques socio-démographiques, économiques ou politiques.

Nous avons adopté le concept le plus large du bonheur individuel comme la

sensation de satisfaction en prenant tout en considération dans la vie : satisfaction

financière, sociale, culturelle ou politique. L’indicateur de mesure utilisé est le niveau de

satisfaction allant de 0 (pas du tout heureux) à 6 (très heureux) selon la réponse d’un

individu à la question suivante : « Si vous prenez tout en considération dans votre vie,

vous estimez-vous heureux ? ».

Le concept de l’informalité d’une activité comprend les dimensions économique et

administrative. Une activité est définie comme informelle si elle est exercée dans une unité

de production non affiliée au registre d’enregistrement de la statistique ou ne possédant

pas de comptabilité écrite formelle. L’intérêt de cette définition dans cette étude est

multiple. Tout d’abord, ces deux critères peuvent représenter les variables pouvant influer

fortement sur le bonheur : la possession de numéro statistique sur les aspects sociaux

administratifs (accès aux mécanismes amortisseurs de la pauvreté formels, niveau

d’éducation, capital social, etc.) et la tenue de la comptabilité sur les aspects économiques

(revenu, performance économique, leadership, etc.). Ensuite, parmi les nombreux critères

qu’on peut mobiliser pour définir le secteur informel, ces deux critères constituent les

caractéristiques communes des unités de production informelles. Enfin, dans la mesure où

toute unité de production en exercice à Madagascar est assujettie à l’inscription au

registre de la statistique, elle permet d’obtenir une couverture maximale des activités

informelles sans restriction au niveau de la branche d’activité, de la localisation ou de la

taille de l’unité de production.

La base de données utilisée est issue de l’enquête 1-2-3 sur l’emploi et le secteur

informel à Antananarivo, réalisée en 2004 et 2006 par l’Institut National de la Statistique à

Madagascar, avec l’appui financier et technique de DIAL-Paris et l’IRD. Elle présente

341

plusieurs avantages. Comme l’objectif principal de l’enquête est d’appréhender le marché

du travail et le secteur informel, elle permet d’étudier avec beaucoup de détail les liens

entre, d’une part, les variables économiques (situation vis-à-vis de l’emploi, statut dans

l’emploi, conditions de travail, perspectives d’emploi) et sociodémographiques (âge, sexe,

niveau d’éducation, migration, religion, ethnie), et d’autre part, le bonheur individuel. La

taille relativement importante de l’échantillon (3000 ménages pour la seule ville

d’Antananarivo) procure un niveau précision assez élevé. Considérée souvent comme une

limite, la restriction du champ géographique à la seule agglomération d’Antananarivo

constitue un atout, dans la mesure où, non seulement elle facilite l’organisation et le coût,

mais aussi et surtout permet de mettre en place un contrôle rapproché des agents, donc la

minimisation des erreurs d’observation et l’amélioration de la fiabilité des données.

L’étude comprend quatre parties. La première partie fait un résumé de la revue de

la littérature traitant la relation entre le bonheur et l’exercice d’une activité informelle. Un

aperçu sur les caractéristiques particulières du secteur informel à Antananarivo sera

présenté dans la deuxième partie. Puis, cette partie est suivie d’une étude descriptive du

bonheur individuel des offreurs de travail à Antananarivo. Enfin, la dernière partie sera

consacrée à un essai de modélisation à l’aide d’un modèle probit ordonné de l’influence de

l’exercice d’une activité informelle sur le bonheur individuel.

II.1. Revue de la littérature

Les études portant sur les relations entre le travail dans le secteur informel et le

bonheur individuel sont très rares. Cela résulte de plusieurs facteurs. Tout d’abord, les

économistes n’ont éprouvé de l’intérêt pour la notion du bonheur individuel que très

récemment, et l’étude du secteur informel ne concerne en général que la seule discipline

de l’économie du développement. De plus, faute de consensus conceptuels dû à la

complexité de ces deux notions, plusieurs approches et définitions sont utilisées pour

traiter aussi bien le bonheur que le secteur informel. Ceci rend très difficile les études

comparatives des résultats obtenus dans les rares articles existants. Enfin, un certain

scepticisme prévaut quant à la fiabilité des réponses aux questions relatives au bonheur

342

ou au secteur informel et à l’efficacité de l’approche quantitative de ces deux concepts, ce

qui explique la rareté des bases données et des études quantitatives disponibles.

Aucune étude ne traite spécifiquement des liens entre le bonheur individuel dans

toutes ses dimensions et l’exercice d’une activité dans le secteur informel dans les pays

en développement. La plupart des études menées s’intéressent à la situation dans les

pays développés. C’est seulement très récemment que des articles sur les pays en

transition ou en développement ont pu voir le jour (Razafindrakoto, Roubaud, 2006 ;

Herrera, Roubaud, Razafindrakoto, 2006 ; Ferrer-i-Carbonell, Gërxhani, 2006 ; Hinks,

Gruen, 2005 ; Beuran, Kalugina, 2005). Elles se restreignent à l’étude de la dimension

économique du bonheur en l’associant à la notion de pauvreté subjective. Cela constitue

une certaine limite à ces études pour diverses raisons. D’un côté, dans la plupart des cas,

les variables relatives à la pauvreté ou au bien-être subjectif se rapportent au ménage,

mais non pas à l’individu. Chaque répondant ne fournit pas ses opinions concernant sa vie

personnelle, mais se place en tant que représentant du ménage. D’un autre côté, dans les

pays en développement comme Madagascar, outre la dimension économique du bien-

être, les dimensions sociale, culturelle ou même surnaturelle tiennent encore des places

importantes dans la vie quotidienne de la population et le sentiment individuel.

La quasi-totalité des études ayant traité ce thème ont montré que l’exercice d’une

activité informelle influe négativement sur le bien-être subjectif d’un individu. Diverses

raisons sont évoquées. En moyenne, les emplois informels sont, en général, moins

rémunérés que les emplois formels. De plus, travailler dans le secteur informel a

beaucoup d’autres inconvénients : fluctuation des revenus beaucoup plus forte, taux de

sous-emploi beaucoup plus élevé, conditions de travail plus précaires, instabilité de

l’emploi et risque plus élevés, inexistence de contrat de travail, non accès aux prestations

et protection sociales. Pour certains individus, travailler dans le secteur informel se fait

contre leur gré, suite à des contraintes diverses liées ou non au fonctionnement du

marché du travail.

En 2006, Herrera, Razafindrakoto et Roubaud, dans leur article intitulé « les

déterminants du bien-être subjectif : une approche comparative entre Madagascar et

343

Pérou », ont montré l’influence négative de l’exercice d’un travail informel par le chef de

ménage sur la pauvreté subjective d’un ménage pour le cas de Madagascar. Par contre,

s’agissant du Pérou, le résultat n’est pas significatif. Cette capacité de pouvoir comparer

deux situations d’un pays très pauvre - Madagascar - et d’un pays considéré comme

émergent de l’Amérique Latine et à revenu intermédiaire - Pérou - constitue le principal

atout de cette étude. L’importance, les performances, le développement des activités

informelles et leur insertion dans le système économique national ne sont pas

comparables entre ces deux pays. Cela a permis de tester la robustesse du modèle et de

mieux cibler les effets propres des variables économiques. Cependant, comme on l’a

mentionné précédemment, le fait de mener l’analyse au niveau ménage laisse au second

plan l’opinion personnelle sur la vie individuelle.

En 2005, l’article intitulé : « What is the structure of South African Happiness

Equations? Evidence from Quality of Life Surveys » de Hinks et Gruen, a montré encore

une fois qu’être travailleur indépendant affecte négativement le niveau du bonheur

individuel. La comparaison étant faite par rapport au statut dans l’emploi « indépendant »

ou « dépendant » (« employed ») sans distinguer les secteurs « formel » et « informel », il

en résulte que cette approche ne correspond que partiellement à notre préoccupation. En

effet, même si la majorité des travailleurs indépendants opèrent dans le secteur informel,

une composante importante de la main-d’œuvre du secteur informel exerce des emplois

dépendants - aides familiaux ou salariés. Cette lacune a pu être corrigée ultérieurement,

et le modèle prédit une influence négative du travail dans le secteur informel sur le bien

être subjectif. Dans cette étude, le niveau de bonheur est appréhendé par la réponse à la

question « How satisfied have you been with your life over the past year ? ». L’avantage

de cette formulation est de bien spécifier la période considérée pour éviter l’influence de

l’état émotionnel du répondant pendant l’interview ou des événements récents marquant

sa vie. L’autre avantage de cette étude est de travailler sur des séries de données sur trois

ans (1999, 2003 et 2004) issues d’une même enquête de niveau de vie. Cela aurait

permis de tester la robustesse et la stabilité des coefficients du modèle. Cependant, la

portée de l’étude est limitée par le fait que les données ne sont pas de panel, et que des

modifications sont apportées chaque année dans le questionnaire. Certaines variables ont

disparu ou ont été modifiées d’une année à une autre.

344

En 2005, Beuran et Kalugina ont étudié les effets de l’exercice d’une activité dans le

secteur informel sur le bien-être subjectif d’un individu en Russie dans leur article intitulée

: « subjective welfare and the informal sector : the case of Russia ». Cette étude a montré

que travailler dans le secteur informel augmente la probabilité qu’un individu se sente

pauvre. Même si les activités informelles en Russie procurent un revenu moyen supérieur

par rapport aux activités formelles, l’insécurité dans l’emploi et la privation des prestations

sociales liées aux activités génèrent des sentiments de pauvreté. Il s’agit d’une étude

microéconomique, basée sur des méthodes économétriques utilisant une série

longitudinale de données d’enquêtes auprès des ménages entre 1994 et 2003. Cette

étude a adopté le bien-être subjectif selon les réponses à la question suivante : « Please

imagine a 9-step ladder where on the bottom first step, stand the poorest people, and on

the highest ninth step, stand the richest people. On which step are you on today? ». Parmi

les limites de cette étude, il est à noter l’introduction implicite d’un certain degré de

relativité dans la formulation de la question. Cela peut induire à des biais importants dans

les résultats, dans la mesure où les réponses fournies varient en fonction de plusieurs

facteurs : aspiration ou attente individuelle, groupe de référence considéré, etc. De ce fait,

il est fort probable que dans la variable dépendante, les valeurs sont fonction des

comparaisons entre les situations dans le secteur informel et dans les autres secteurs.

En 2006, une autre étude intitulée « Subjective welfare and the (in)formal sector in

a transition country », menée par Ferrer-i-Carbonell et Gërxhani, établit également les

liens entre le travail dans le secteur informel et le bien-être subjectif dans le cas de Tirana,

la capitale de l’Albanie. Globalement, les résultats obtenus confortent les effets négatifs de

l’exercice d’une activité informelle sur le bien-être subjectif vus précédemment par Beuran,

Kalugina. Cependant, en introduisant une variable de taxe morale, désignant la volonté

individuelle de payer des impôts et taxes parmi les variables explicatives, l’étude a pu

dégager que travailler dans le secteur informel procure plus de satisfaction que de

travailler dans le secteur formel pour les individus à faible taxe morale « privée », c'est-à-

dire ceux qui ne sont pas du tout d’accord sur l’affirmation que « ne pas payer des impôts

aujourd’hui a des répercussions sur la vie privée future de l’individu ». La limite de cette

étude vient du fait que la notion du bien-être subjectif est assez restrictive, et que l’accent

est mis sur la satisfaction financière avec la question suivante : « How satisfied are you

with the financial situation of your household? ». Par contre, l’avantage est que cette

345

notion est compréhensible pour tout le monde, et que les réponses sont comparables d’un

individu à un autre - conditions requises pour les modélisations.

Certains auteurs ont pu prouver une influence positive de l’exercice d’une activité

informelle sur le bonheur individuel. Souvent, travailler dans le secteur informel est

préférable à la situation de chômage (De Grazia, 1982 ; Kesner-Skreb, 1997 ; Gërxhani,

2004). Par contre, d’après Di Tella, MacCulloch, Oswald, 2003), être « self-employed »

crée un sentiment d’indépendance, de liberté, de paix et de fierté dans l’exercice de

l’activité. Toutes ces conditions favorisent l’esprit de créativité comme l’avait affirmé

Kaufmann (1999). Dans les pays en développement, certaines activités du secteur

informel possèdent des avantages comparatifs par rapport à celles du secteur formel,

notamment en termes de performances et de revenus : produits plus adaptés aux besoins,

comportement et pouvoir d’achat des clients (points de vente à proximité, prix abordable,

techniques de production flexibles), coût de production relativement faible (coût de la

main-d’œuvre, non paiement d’impôt, approvisionnement d’intrants auprès des

fournisseurs informels, des biens publics ou même de la nature, coût de gestion faible).

Parfois, la formalisation a un rapport avantage/coût assez faible (insuffisance des gains

suite à la mauvaise gestion ou utilisation des ressources collectives, coût élevé de la

formalisation et coût assez faible de l’informalité). Les activités informelles ont une

meilleure articulation avec les activités domestiques et la vie familiale, notamment chez les

femmes. Ces types d’activités pourraient diminuer aussi l’aversion aux risques et

augmenter le capital social.

II.2. Caractéristiques particulières du secteur informel à

Antananarivo en 2004

Suite à la revue de la littérature étalée précédemment, on a tendance à considérer

l’influence négative sur le bonheur individuel de l’exercice d’une activité dans le secteur

informel comme un fait stylisé qui peut s’appliquer aussi bien dans les pays développés

que dans les pays en développement. Mais l’analyse des caractéristiques du secteur

informel et des comportements des travailleurs à Antananarivo pourrait remettre en cause

346

cette idée. Plusieurs indices permettent de proposer des arguments allant à l’encontre de

ce fait stylisé. Certains d’entre eux découlent d’une approche objective en comparant les

conditions d’activité dans le secteur informel et les autres secteurs. D’autres sont issus

d’une approche plutôt subjective, décrivant les comportements des travailleurs des

différents secteurs vis-à-vis de leurs activités actuelles.

II.2.1. Différence de rémunération entre secteur formel et secteur informel

Si les conclusions des études montrant l’influence négative du travail informel sur le

bonheur individuel sont basées sur le fait que les activités du secteur informel sont moins

rémunératrices que celles du secteur formel, les résultats obtenus à Antananarivo et

présentés dans le Tableau 66 ne vont pas dans le même sens.

En 2004, la rémunération mensuelle moyenne, calculée sur l'ensemble des actifs

du secteur informel (patrons, travailleurs à propre compte, salariés, aides familiales, etc.),

est de 547 000 Fmg. Elle est inférieure au salaire moyen dans le secteur public, mais

largement supérieure au salaire moyen dans le secteur privé formel. De plus, elle est 2,4

fois supérieure au salaire minimum officiel en vigueur. Si l’on restreint l’analyse aux

travailleurs indépendants, on peut conclure que leur situation n’est pas financièrement si

mauvaise que ce que l’on pense souvent, comparativement à celle des salariés du secteur

privé formel. Malgré l’existence des emplois mal lotis dans le secteur informel, le revenu

moyen y est toujours supérieur au salaire moyen dans le secteur formel (public privé)

depuis 1995, sauf à partir de 2001, où il est dépassé par le salaire moyen dans les

entreprises publiques.

Tableau 66 : Revenus d’activité selon le statut dans l’emploi en 2004

Statut dans l’emploi Rémunération moyenne (1000 Fmg) Rémunération médiane (1000 Fmg)

1995 1998 2001 2004 1995 1998 2001 2004

Fonctionnaires 180 342 581 780 141 293 418 600

Salariés des Entreprises publiques 209 435 634 802 150 300 480 750

Salariés du secteur privé formel 126 262 335 490 80 174 243 333

Indépendants du secteur informel 282 522 578 698 94 138 257 278

Salaire minimum officiel 111 140 169 230 111 140 169 230

Sources : INSTAT/DIAL, Enquêtes 1-2-3, phase 1 et 2, 1995, 1998, 2001, 2004, calculs de l’auteur.

347

II.2.2. Relations entre Emploi informel et réseaux de solidarité et/ou capital

social

Les créations d’emploi dans le secteur informel entretiennent les liens familiaux et

le « fihavanana »1 si chers aux malgaches, ce qui pourrait améliorer l’ambiance au travail,

la tolérance, les respects mutuels entre employés, et donc le bonheur de chacun.

Cette importance des réseaux de solidarité dans la création d’emploi, l’organisation

et la gestion des activités dans le secteur informel peut être vue à travers la structure de la

main-d’œuvre selon le statut et le mode de recrutement des travailleurs. Le Tableau 67

renseigne sur l’organisation du travail dans le secteur informel à Antananarivo. La

mobilisation de la main-d’œuvre familiale est très importante dans le secteur informel, et le

salariat y reste toujours très rare. Le taux de salarisation2 ne dépasse pas 15 % depuis

1995.

Si on limite les actifs aux seuls employés dépendants (en excluant les patrons, les

indépendants et les associés), la majeure partie (52%) sont des aides familiaux. Ceux

ayant le statut de salarié représentent plus de 48% de l’ensemble, soit une part plus ou

moins identique aux aides familiaux. Mais, ce chiffre ne montre pas la réalité sur le mode

de recrutement de la main-d’œuvre dans les UPI. En effet, les chefs d’UPI choisissent

leurs salariés, dans près de deux cas sur trois, parmi leurs apparentés proches : membres

de leur propre ménage ou autres individus apparentés. Ainsi, seuls 35% des salariés n’ont

pas de lien de parenté avec les chefs d’UPI. La plupart d’entre eux font encore partie des

connaissances (amis) et des réseaux sociaux.

Les intentions de recrutement des chefs d’UPI en faveur des membres des réseaux

sociaux précisent encore un peu plus l’importance de solidarité dans le bonheur des

travailleurs du secteur informel. En effet, les deux tiers d’entre eux souhaiteraient

1 Solidarité constituant parmi les valeurs fondamentales de la société et la philosophie malgache.

2 Taux de salarisation = nombre de salariés / nombre total d'employés.

348

privilégier les membres de la famille (proche ou élargie) ou les amis, au cas où ils auraient

la possibilité d’embauche.

II.2.3. Motifs d’implantation dans le secteur informel

Le motif fondamental souvent évoqué pour expliquer la faiblesse du niveau du

bonheur des travailleurs informels, par rapport à celui des autres types de travailleurs, est

qu’ils sont contraints par la faible capacité d’absorption de travail du secteur formel, et

qu’ils s’installent dans ce dernier contre leur gré. Cette thèse est réfutée par les résultats

de l’analyse des opinions des travailleurs dans le cas de l’agglomération d’Antananarivo.

L’installation dans le secteur informel n’est pas une situation subie par les individus. Le

salariat protégé ne constitue pas l'horizon définitif de la main-d’œuvre, et la mise à son

compte dans le secteur informel est en général souhaitée. Ceci laisse penser que les

travailleurs du secteur informel trouvent certaines satisfactions spécifiques dans l’exercice

de leurs activités.

En effet, en 2004, moins de 15 % des chefs d'UPI ont choisi ce secteur parce qu'ils

n'ont pas trouvé d'emplois salariés dans le secteur moderne. Cette proportion est de 12%

en 2001, 17 % en 1998 et 8 % en 1995. Par ailleurs, la majeure partie des chefs d'unités

de production considèrent le secteur informel comme un mode privilégié d'insertion sur le

marché de travail. En particulier, plus de 29 % invoquent la possibilité d'obtenir un meilleur

revenu que le salaire auquel ils pourraient prétendre dans le secteur formel, et 24 %

refusent tout simplement le statut de travailleur dépendant, en mettant en avant le désir

d'être leur propre patron.

Tableau 67 : Organisation du travail dans le secteur informel en 2004

Branche

Type de combinaisons de travail (en % des UPI) Taille

Taux de Salarisation

(%) Auto-emploi non salariale Salariale Mixte Total

Industrie 73,4 13,5 9,7 3,4 100,0 1,6 19,3

Commerce 68,7 25,8 3,9 1,6 100,0 1,4 6,4

Service 79,0 12,1 7,3 1,6 100,0 1,4 15,3

Total 73,9 16,9 7,0 2,2 100,0 1,4 14,0

Source : INSTAT-DIAL/Enquête 1-2-3 2004 phase 2, calculs de l’auteur.

349

II.2.4. Niveau d’ancrage dans le métier des opérateurs du secteur informel

Les autres indices qui agissent en faveur d’un niveau élevé du bonheur dans

l’accomplissement des travaux dans le secteur informel sont liés au fort ancrage de ces

opérateurs et leur optimisme quant à l’avenir de ces activités. Le Tableau 68 en résume.

Le fort ancrage dans le secteur informel est matérialisé par la volonté des

opérateurs de ce secteur d’y rester dans leurs perspectives. Il est aussi important que

celui des travailleurs du secteur formel. Plus de 85% des opérateurs informels veulent

rester dans le secteur informel soit en gardant leurs métiers actuels soit en changeant

d’activités mais toujours dans ce secteur. Parmi les employés du secteur privé formel et

des entreprises publiques, ils sont respectivement 83% et 84% qui pensent rester dans le

secteur formel. Le pourcentage le plus élevé est enregistré chez les fonctionnaires avec

plus de 96% des cas.

Les opérateurs informels comptent continuer leurs activités actuelles toujours avec

beaucoup d’optimisme, même si la conviction s’amenuise un tout petit peu. Le Tableau 69

montre les perspectives d’avenir selon les déclarations des chefs d’UPI. En effet, en 2004,

près de 65% d'entre eux considèrent qu'il existe un avenir pour leur propre unité de

production. Auparavant, la proportion est un peu plus élevée : 72% en 1995 et 69% en

1998. Même sur les segments les plus « précaires » du secteur informel (auto-emploi,

activités non localisées ou peu rémunératrices), plus de la moitié des chefs

d'établissement croient en leur chance.

Tableau 68 : Ancrage dans le secteur d’activité en 2006

Statut dans l’emploi Veulent garder leurs emplois actuels

(%) Veulent rester dans le secteur

(%)

Fonctionnaires 79,6 96,1 Salariés des Entreprises publiques 74,3 84,6 Salariés du secteur privé formel 70,2 83,5 Indépendants du secteur informel 55,4 85,6 Source : INSTAT/DIAL, Enquête 1-2-3, phase 1, 2006, calculs de l’auteur.

350

Le jugement positif sur l'avenir de l'établissement dépasse la simple intuition que le

secteur informel sera amené à jouer un rôle économique de premier plan au cours des

prochaines années, notamment dans le secteur de la production. En effet, près de 43%

des chefs d'unités de production informelles souhaitent voir leurs enfants reprendre leur

activité s'ils le désiraient. Le secteur informel est donc bien associé à un mode d'insertion

sociale et économique encore valorisé aujourd’hui dans la capitale malgache.

II.2.5. Prépondérance du sous-emploi dans le secteur informel

Malgré ces indices, on observe certains phénomènes, comme la prépondérance du

sous-emploi, qui peuvent corroborer l’idée reçue de l’influence négative de l’exercice d’une

activité informelle sur le bonheur individuel. Le Tableau 70 présente l’évolution du sous-

emploi à Antananarivo.

Le volume horaire de travail permet de quantifier l'importance du sous-emploi lié à

la durée du travail. Ainsi, le sous-emploi lié à la durée du travail est le plus élevé dans le

secteur informel, de l’ordre de 17% - 13,4% si l’ensemble des actifs sont pris en compte.

D’autres formes de sous-emploi sont classées dans les « situations d’emplois inadéquats

». Le niveau des revenus individuels est utilisé pour estimer cette forme de sous-emploi.

Nous avons retenu comme indicateur de situation d’emplois inadéquats le pourcentage

d'actifs occupés gagnant moins que le salaire horaire minimum. A cet égard, on peut

estimer le taux d’emplois inadéquats à 45,5% de la main-d’œuvre dans son ensemble. Et,

encore une fois, c'est dans le secteur informel que cette manifestation du désajustement

entre l’offre et la demande de travail est la plus criante, avec près de 57% de la main-

d’œuvre concernés par cette situation.

Tableau 69 : Perspectives d'avenir des chefs d'unités de production informelles en 2004 (en % des UPI)

Branche Déclare que l’UPI a un avenir meilleur Désire voir ses enfants continuer

1995 1998 2001 2004 1995 1998 2001 2004

Industrie 87,1 78,9 69,7 74,8 66,9 52,7 52 55,7 Commerce 64,9 67,4 61,0 64,4 46 48,1 32,9 36,3 Service 60,8 61,8 49,8 55,3 41,4 44,9 26,2 36,7 Total 71,6 69,6 60,4 64,5 52,1 48,5 37,1 42,8


351

II.3. Description du bonheur individuel des offreurs de

travail

II.3.1. Approche subjective du bonheur

Les psychologues ont essayé pour la première fois de mesurer le bien-être

individuel à l’aide des questions qualitatives depuis 1960 (Ferrer-i-Carbonell). Tout

récemment, des économistes ont aussi mesuré le bien-être à l’aide de questions

subjectives comme la « satisfaction financière », la satisfaction des besoins de base tels

que la santé, l’éducation, l’habillement, le logement et l’eau potable. Le trait commun de

ces approches est qu’elles sont toutes basées sur les perceptions individuelles.

Pour cette étude, on adopte un concept assez large du bonheur individuel, comme

la sensation de satisfaction, en prenant en considération l’ensemble des éléments relatifs

à la vie : satisfaction financière, sociale, culturelle ou politique. Ainsi, il a été demandé aux

individus enquêtés de répondre à la question suivante : « Si vous prenez tout en

considération dans votre vie, vous estimez-vous heureux?». L’indicateur de mesure utilisé

est la note allant de 0 (pas du tout heureux) à 6 (très heureux) donnée par l’individu lui-

même pour évaluer son niveau de bonheur. Aucune question supplémentaire n’a été

posée pour ne pas influencer la réponse de l’individu ou de l’orienter vers quelques

dimensions du bonheur (financière, économiques, sociale ou autre). Ainsi, deux individus

Tableau 70 : Evolution du sous-emploi selon le secteur institutionnel 2001-2006 Sous emploi lié à la durée du travail

(%) Situation d’emplois inadéquats (actifs gagnant moins du SMIG

horaire évalué en unité constante) (%)

2001 2002 2004 2006 2001 2002 2004 2006

Administration publique 12,8 14,3 12,0 12,8 4,8 6,7 5,4 11,3

Entreprise Publique 2,9 11,5 7,8 4,2 10,3 14,3 8,3 5,2

Secteur privé formel 4,6 9,5 6,9 6,1 38,2 36,6 36,6 41,8

Secteur informel 17,5 25,9 19,2 17,5 55,4 57,9 56,9 59,5

Entreprises associatives 12,5 23,5 11,9 17,7 36,7 38,9 31,6 32,4

Total 12,2 20,1 14,6 13,4 43,9 46,3 45,2 49,1

Note : Le salaire de référence est le SMIG constant de 2001. Sources : INSTAT/DIAL,Enquêtes 1-2-3, phase 1, 2001, 2006, calculs de l’auteur.

352

ayant les mêmes caractéristiques socio-démographiques et économiques peuvent

déclarer avoir des notes de bonheur différentes.

Pour faciliter l’interprétation de ces différentes notes, nous faisons l’hypothèse que

deux individus déclarant deux notes identiques ont des niveaux de bonheur identiques.

II.3.2. Les variables d’analyse

L’objet de cette partie est décrire le bonheur des offreurs de travail à Antananarivo,

et de déterminer les variables pouvant influencer le bonheur individuel. Pour éviter les

problèmes techniques liés à l’oubli ou la non-pertinence de variables explicatives, nous

avons retenu une large gamme de variables. Des tests de comparaison de moyennes ont

été appliqués avec la méthode d’analyse de la variance à un facteur (ANOVA). Les

variables peuvent être regroupés en quatre grandes catégories : socio-démographiques,

économiques, marché du travail et gouvernance.

Travail dans le secteur informel. Nous le définissons comme un emploi exercé

dans une unité de production ne possédant pas de numéro statistique ou ne tenant pas de

comptabilité formelle. Nous comparons le niveau de bonheur des travailleurs dans le

secteur informel par rapport aux autres catégories de l’offre de travail. Nous ne

contentons pas seulement des comparaisons entre actifs occupés, mais aussi des

autres offreurs potentiels de travail (chômeurs et inactifs). En effet, le passage de la

situation de chômage ou d’inactivité à un travail dans le secteur informel est assez fluide,

compte tenu de la libre entrée dans ce secteur et des contraintes de revenus. Par ailleurs,

dans certains cas notamment dans les pays en développement où le système de sécurité

sociale n’est pas encore très développé, le chômage ou l’inactivité apparaissent comme

un bien de luxe que seuls les individus vivant dans des meilleures conditions de vie ont

l’opportunité de consommer.

Caractéristiques liés au marché du travail. D’autres caractéristiques liées à l’emploi

actuel (stabilité de l’emploi, avantages liés à l’emploi - promotion interne ou stages payés -

353

, satisfaction de l’emploi actuel) peuvent influer sur le niveau de bonheur. Le fait de

pouvoir bénéficier des promotions internes ou de stages payés au sein d’une unité de

production peut avoir un impact positif sur le bonheur : beaucoup plus de fierté

personnelle et de sentiment d’être utile, valorisé ou récompensé. L’introduction de la

variable sur la recherche d’activités, autres que l’emploi occupé actuellement, nous permet

de capter les effets des contraintes économiques ou sociales poussant des individus à

exercer une activité de refuge (notamment dans le secteur informel) contre leur gré, donc

susceptible d’avoir un impact négatif sur leur bonheur. Le statut d’indépendant ou de

patron peut avoir un impact positif sur le bonheur par rapport au statut de dépendant ou

d’employé, compte tenu de la liberté d’action, de gestion de temps et de créativité. Mais,

cette variable n’a pas été retenue dans le modèle, car elle est fortement corrélée avec le

secteur institutionnel dans le cas des pays en développement, en général, et à

Madagascar, en particulier. La quasi-totalité des indépendants (près de 96%) sont tous

dans le secteur informel.

Caractéristiques socio-démographiques. Certaines caractéristiques socio-

démographiques peuvent avoir des effets propres sur le niveau de bonheur individuel. Le

statut de chef de ménage sous-entend, d’une part, un niveau accru de responsabilité, de

fierté et de richesse supplémentaire, et, d’autre part, une pression ou un souci

supplémentaire de la vie du foyer. Le niveau d’éducation peut avoir un impact positif sur le

bonheur, puisqu’il améliore la valeur économique en tant que capital humain, et la valeur

sociale d’un individu. Dans certains cas, il peut être source d’exclusion sociale même en

milieu urbain. La taille du ménage d’appartenance peut améliorer ou détériorer le bonheur

individuel en fonction de l’harmonie et des soutiens mutuels qui règnent au sein du

groupe. En ce qui concerne la religion, nous avons distingué la religion « fjkm » de la

religion catholique, les deux options dominantes dans la capitale malgache. Les messages

véhiculés de ces religions ont tous comme idéal le bonheur de chaque pratiquant, mais il

est question ici de l’efficacité de ces différentes religions.

Le choix du secteur d’activité peut être contraint par d’autres variables explicatives

du modèle. Les variables relatives au sexe et à l’âge qui sont fortement corrélées avec le

354

choix du secteur informel, et faiblement corrélées avec la variable dépendante du «

bonheur », peuvent constituer des variables instrumentales du modèle, afin d’améliorer sa

qualité.

Les perceptions de la gouvernance. Les variables de perception de la gouvernance

ont une importance capitale dans la mesure où, d’une part, elles captent les effets de

l’environnement administratif sur le comportement individuel, et, d’autre part, elles

permettent d’identifier les instruments auxquels l’administration ou l’Etat peuvent

s’appuyer pour agir sur le comportement de la population. Sans prendre en compte

l’influence négative de la gouvernance sur la pauvreté, on s’attend à ce que les variables

de perception de la gouvernance - corruption vécue et niveau de confiance à l’égard de

l’administration fiscale - peuvent avoir une influence positive sur le bonheur individuel par

l’intermédiaire de la fierté nationale ou des comparaisons avec la situation dans d’autres

pays.

II.3.3. Etude descriptive du bonheur individuel des travailleurs

Les résultats de l’analyse des notes déclarées par les individus, correspondant à

leur niveau de bonheur respectifs sont exposés dans le Tableau 71, montre, qu’en

moyenne, les offreurs du travail à Antananarivo ont un niveau de bonheur en dessous de

la moyenne, avec une note moyenne de 2,7 sur 6. Plus de 41% d’entre eux se déclarent

malheureux (notes strictement inférieures à 3), alors que seulement moins de 30% se

sentent heureux (notes strictement supérieures à 3).

Le niveau de bonheur est bel et bien significativement lié au secteur d’activité

(Prob>F=0,043), qui est la variable clé de cette étude. Le sentiment de malheur est

beaucoup plus fréquent chez les travailleurs du secteur informel et chez les chômeurs.

Près de la moitié d’entre eux déclarent un niveau de bonheur strictement en dessous de la

moyenne, et les notes déclarées moyennes sont respectivement de 2,5 et de 2,6 sur 6.

Par contre, dans le secteur public, moins de 20% des travailleurs se sentent malheureux

355

dans leur vie, et plus de 42% trouvent du bonheur. La note déclarée moyenne dépasse

3,2 sur 6. La situation est moins bonne pour les travailleurs du privé formel et les inactifs.

Outre le secteur institutionnel, les caractéristiques de l’emploi et la plupart des

variables liées au marché du travail semblent affecter le niveau du bonheur des

travailleurs. Le fait d’exercer un emploi permanent (Prob>F=0,00), de bénéficier d’une

promotion interne ou d’un stage de formation payé par l’entreprise (Prob>F=0,00) et, à un

niveau de significativité moins élevé, de rechercher un emploi autre que l’emploi actuel

((Prob>F=0,076), influe sur le niveau de bonheur d’un travailleur.

Les conditions de vie d’un individu matérialisées par la pauvreté relative ont des

relations avec son niveau de bonheur (Prob>F=0,00). En effet, les individus relativement

très pauvres (gagnant un revenu par tête inférieur à la moitié du revenu par tête moyen du

quartier de résidence) ont déclaré un niveau de bonheur moyen de 2,3 sur 6, contre plus

de 3,3 sur 6 pour les individus relativement très riches (gagnant un revenu par tête 1,5 fois

supérieur au revenu par tête moyen du quartier de résidence). Le choix du revenu relatif

est justifié pour capter l’effet de la comparaison sociale dans le niveau de bonheur d’un

individu (Easterling, 2003).

356

Tableau 71 : Niveau de bonheur des offreurs de travail en 2006 Variable Modalités Moyenne du

bonheur (note sur 6) Ecart-type

Statistique de Fisher F

Prob > F

Secteur d’activité Public Privé formel Privé informel Chômeur Inactif

3,29 2,84 2,49 2,60 2,91

1,22 1,30 1,36 1,45 1,31

2,17 0,0432

Niveau d’éducation Sans instruction primaire collège lycée technique université

2,00 2,23 2,71 3,13 3,34 3,34

1,24 1,35 1,32 1,15 1,10 1,22

48,08 0,0000

Migration Natif Migrant

2,71 2,80

1,37 1,28

4,03 0,0005

Religion FJKM Catholique Autres

2,80 2,61 2,69

1,37 1,27 1,34

0,67 0,6733

Recherche d’emploi Non Oui

2,76 2,69

1,33 1,37

1,91 0,0760

Emploi permanent Non Oui

2,34 2,79

1,42 1,33

5,29 0,0000

Promotion interne Non Oui

2,71 3,18

1,36 1,09

5,54 0,0000

Pauvreté relative Très pauvre Pauvre Riche Très riche

2,30 2,67 3,21 3,31

1,32 1,26 1,24 1,30

35,10 0,0000

Corruption vécue Non Oui

2,73 2,79

1,34 1,40

0,94 0,4669

Perception de l’efficacité de l’impôt

Inefficace Efficace

2,64 2,86

1,40 1,25

5,12 0,0000

Ensemble 2,73 1,35

Note : Pour les tests de comparaison de moyennes, on a utilisé la méthode d’analyse de vraisemblance à un facteur (ANOVA oneway)


Compte tenu de la richesse de la base des données, l’une des spécificités de cette

étude est de pouvoir analyser les liens entre des variables de gouvernance et de bonheur.

A cet égard, deux variables ont été choisies : la corruption vécue par l’individu lui-même

ou par un membre de sa famille, et la perception de l’efficacité des services fiscaux.

Concernant la corruption, on ne peut pas rejeter que cette variable n’a aucune influence

sur le niveau de bonheur de l’individu (Prob>F=0,466), tandis que la perception de

l’efficacité des services fiscaux peut avoir des liens avec le niveau de bonheur

(Prob>F=0,00).

357

En ce qui concerne les variables socio-démographiques, seul le niveau d’éducation

a des relations directes avec le niveau de bonheur d’un individu (Prob>F=0,00). Les notes

moyennes déclarées par les Tananariviens varient de 2,2 sur 6 chez les non instruits à

plus de 3,3 sur 6 chez les universitaires. Les variables âge, sexe, migration et religion

n’ont pas d’influences très marquées.

II.4. Modèle et estimations de l’influence sur le bonheur

individuel de d’exercice d’une activité dans le secteur

informel

Les relations entre l’exercice d’une activité informelle et le niveau de bonheur de

l’individu peuvent aller dans un sens comme dans l’autre. En effet, si la première relation

est plus évidente, la deuxième peut être expliquée par le fait que le niveau de bonheur

d’individu peut avoir des répercussions sur les visions, les comportements sociaux ou vis-

à-vis du risque et, donc les choix en matière de la profession. Cette étude ne prétend pas

être en mesure de résoudre ces problèmes de causalité qui pourrait exister entre ces deux

variables, mais suggère seulement d’examiner leurs simples relations.

S’agissant de l’estimation économétrique des liens entre l’exercice d’une activité

informelle et le bonheur individuel, deux hypothèses sont faites : chaque individu est

capable d’évaluer son niveau de bonheur sans faire référence aux autres, et tous les

individus ont la même compréhension de la question.

II.4.1. Le modèle

Pour cette étude empirique, le modèle Probit ordonné avec variable latente a été

adopté. Cela est motivé par le fait que, d’une part, il n’est pas possible d’observer le

358

niveau exact du bonheur individuel mais seulement sa position selon une échelle

ordonnée, et, d’autre part, la variable de réponse est une variable ordinale.

Le bonheur individuel est décrit par le modèle empirique formulé comme suit :

Bi* = α + βI+ δXi + εi pour un individu i

Bi = k si et seulement si µk≤ Bi* < µk+1

A cet égard, Bi* est la variable latente du niveau exact du bonheur non-observé, et

Bi est la variable du bonheur observé. k est une modalité de l’échelle de 0 à 6, et µ sont

les estimations des termes interceptés. I est le vecteur des variables indiquant le secteur

institutionnel de l’activité de l’individu ; il peut être un employé dans le secteur public, dans

le secteur privé formel, chômeur ou inactif. Les travailleurs du secteur informel sont pris

comme de référence. Xi est le vecteur des variables caractéristiques de l’individu qui ont

été regroupées. Le terme d’erreur εi, représentant la part non expliquée par le modèle, est

supposé suivre une loi normale réduite.

Les variables indépendantes retenues sont résumées dans le Tableau 72. Outre le

modèle global couvrant l’ensemble de la population, quatre autres modèles spécifiques

sont présentés : modèles séparés pour les hommes et les femmes, modèles séparés pour

les pauvres et les riches. La considération de ces différents modèles permet de déterminer

l’importance de l’exercice d’un emploi informel sur le bonheur individuel, spécifiquement

pour les groupes vulnérables comme les femmes – les tests du ratio de vraisemblance ne

sont pas présentés. Cela permet aussi d’éviter les problèmes structurels liés à

l’accessibilité de ces différents groupes à certains types d’activités (barrières physiques,

culturelles ou sociales, discrimination) et de limiter les problèmes d’endogénéité de

certaines variables explicatives, telles que le secteur institutionnel et le revenu qui sont

fortement corrélés avec le sexe.

359

II.4.2. Les résultats du modèle

Les résultats des estimations sont présentés dans le Tableau 73. Le modèle simple

tend à montrer que l’influence négative de l’exercice d’une activité informelle sur le

bonheur. Mais, en contrôlant progressivement avec d’autres variables, la situation s’est

inversée.

Même si globalement les faits stylisés concernant l’influence des variables

classiques sur le bonheur individuel sont respectés, les résultats des modèles montrent

des spécificités relatives la capitale de Madagascar. En effet, les résultats des modèles

remettent en cause les conclusions de la plupart des études menées jusqu’alors quant à

l’influence de l’exercice d’une activité informelle sur le bonheur individuel. Tout d’abord,

Tableau 72 : Variables indépendantes introduites dans le modèle Blocs de variables Nom de

variable Signification Valeurs ou

modalités Secteur institutionnel de l’emploi Secteur public Secteur privé formel Chômeur Inactif

Public prive chômeur inactif

Travaille dans le secteur public Travaille dans le secteur privé formel Etre au chômage Etre inactif

Indicatrice Indicatrice Indicatrice Indicatrice

Caractéristiques liées au marché du travail Satisfaction dans l’emploi rech_emp Etant à la recherche d’un autre emploi indicatrice Stabilité de l’emploi permanen Emploi permanent Indicatrice Valorisation de l’emploi promotio Ayant bénéficié d’une promotion interne ou un stage indicatrice Stabilité de l’emploi Lnduree Logarithme népérien de la durée d’activité Log(durée) Perception sur la gouvernance Corruption vécue Corrupt Ayant vécu un acte de corruption subie

personnellement ou par un membre du ménage indicatrice

Confiance à l’administration fiscale

Impot Ayant confiance à l’administration fiscale Indicatrice

Caractéristiques socio-démographiques Sexe Homme Etant du sexe masculin indicatrice Âge

Lnage lnage2

Logarithme népérien de l’âge Logarithme népérien de l’âge au carré

Log(âge) Log(âge^2)

Niveau d’éducation Primaire college lycee technic universi

Ayant terminé au niveau primaire Ayant terminé au niveau collège Ayant terminé au niveau lycée Ayant terminé au niveau collège ou lycée technique Ayant terminé au niveau universitaire

Indicatrice Indicatrice Indicatrice Indicatrice Indicatrice

Religion Fjkm Catholic

Pratiquant la religion FJKM Pratiquant la religion catholique

Indicatrice Indicatrice

Rang dans le ménage chef_men Etant le chef de ménage indicatrice

360

s’agissant du secteur public - toujours considéré comme l’eldorado si l’on considère

l’ensemble des offreurs de travail -, on observe que pour les hommes, travailler dans ce

secteur ne provoque plus l’euphorie escomptée, et travailler dans le secteur informel ne

diminue en rien de façon significative leur bonheur individuel.

En ce qui concerne l’ensemble de la population, en général, et les femmes, en

particulier, être fonctionnaire augmente respectivement de 10% et de 16%, le niveau de

bonheur par rapport aux travailleurs dans le secteur informel. Ce phénomène peut

s’expliquer par l’honneur et la bonne considération sociale accordée aux fonctionnaires

à cause de la rareté des femmes ayant pu accéder à un tel poste. Par contre, pour les

hommes, l’image du secteur public n’est pas meilleure que celle du secteur informel.

L’indifférence est plus généralisée entre le secteur privé formel et le secteur

informel. L’exercice d’un emploi dans ces deux secteurs procure le même niveau de

bonheur quel que soient les catégories d’offreurs de travail considérées (homme ou

femme). Les coefficients dans les modèles sont pratiquement nuls et statistiquement

non significatifs. Ceci confirme que les travailleurs du secteur informel exercent leurs

métiers avec volonté et optimisme, et n’ont rien à envier à ceux du secteur formel en

termes de niveau de bonheur. Les facteurs positifs et négatifs du travail informel sont

assez équilibrés par rapport au travail formel : emploi non protégé et instabilité des

revenus, d’une part, et flexibilité, liberté, fierté et créativité dans l’emploi, d’autre part.

Ces faits assez originaux découlent des contre-performances enregistrées par le

secteur privé formel malgache au cours de ces dernières années, consécutivement à

des problèmes socio-économiques (crise de 2002, licenciement massif dans les

entreprises franches après la fin des accords multifibres, perte de compétitivité due à la

dépréciation de la monnaie nationale).

Les résultats obtenus entre les chômeurs et les travailleurs informels sont encore

beaucoup plus originaux. En effet, selon les modèles, être au chômage ou exercer un

emploi informel n’induit aucun changement significatif au niveau de bonheur d’un

tananarivien. Ceci infirme les conclusions de toutes les études menées jusqu’à présent,

aussi bien dans les pays développés que dans les pays en développement, suggérant

361

un effet négatif du chômage sur le bien-être subjectif d’un individu. Cependant, ce

phénomène est loin d’être surprenant pour le cas de Madagascar, dans la mesure où il

confirme les intuitions déjà émises lors des études descriptives du marché du travail à

Antananarivo. Deux explications peuvent être avancées. Premièrement, le chômage

peut être considéré comme un phénomène de luxe, volontairement vécu par les

individus ayant un niveau intellectuel assez élevé ou appartenant à des ménages aisés

en attendant d’obtenir un emploi correspondant à leur désir ou à leur qualification. Pour

eux, même s’ils acceptent d’exercer une activité dans le secteur informel, cela est

considéré comme un passe-temps qui n’affecte pas leur train de vie et leur niveau de

bonheur. Deuxièmement, même si aucun système de sécurité sociale formelle n’est mis

en place pour aider les chômeurs, les soutiens sociaux informels entre famille, voisins

et amis, sous forme monétaire ou non monétaire existent en permanence pour atténuer

le choc : « ny valala iray aza ifanapahana », c'est-à-dire que « même un seul criquet

serait à partager ».

D’après les estimations, l’inactivité procure du bonheur supplémentaire de 9%

par rapport à l’exercice d’un emploi informel. Ce résultat est valable pour les femmes,

mais non pour les hommes. En particulier, pour les femmes, se retirer du marché du

travail est un choix délibéré, et être inactive est une situation voulue, pour le bien

familial ou individuel. Le retrait du marché du travail fait suite à la mise à la retraite, au

partage des tâches au sein d’un foyer pour s’occuper des travaux domestiques, aux

études et aux améliorations du niveau de vie du ménage. Pour toutes ces raisons, le

retour sur le marché du travail en exerçant une activité informelle est synonyme de

contrainte ou de dégradation da la situation antérieure, ce qui conduit naturellement à la

baisse du niveau de bonheur.

S’agissant des variables socio-démographiques, le niveau d’éducation peut

influencer positivement le niveau de bonheur individuel pour les différents groupes

étudiés. Mais, l’amélioration du bonheur n’est sensible qu’à partir du passage dans

l’enseignement secondaire ou au collège avec plus de 20% d’augmentation de la

probabilité. L’âge joue un rôle significatif négatif sur le bonheur, mais l’effet s’inverse

au-delà d’un certain seuil. Cela peut s’expliquer par les difficultés subies par les jeunes

à l’entrée dans la vie indépendante et la non-satisfaction interne des parents âgés à

362

l’égard de l’avenir de leurs descendants, malgré des efforts entrepris tout au long de la

vie d’un individu. Ce constat peut être corroboré par le fait qu’être à la tête du ménage

fait décroître le bonheur individuel, que ce soit pour un homme ou une femme,

marquant ainsi la vulnérabilité des conditions de vie des ménages et le sentiment de

non-réussite de ces chefs à la tête de leur foyer. Le fait d’être marié et la taille du

ménage a un effet significatif sur le bonheur individuel : positif pour le premier, et négatif

pour le deuxième. Ces effets sont significatifs pour les femmes, contrairement aux

hommes. Deux cas peuvent être envisagés pour interpréter ces résultats. Si l’individu

est chef de ménage, ces résultats montrent, d’un côté, la relative lourdeur des charges

supportées par les femmes chefs par rapport à leur nature (physiques, mentales,

culturelles et spirituelles) et, d’un autre côté, les séquelles laissées par les événements

souvent malheureux ayant précédés la situation (divorce ou séparation, déception

amoureuse ou mère célibataire, veuve). Si l’individu est un membre secondaire, le

résultat semble confirmer les thèses d’inégalité de traitement entre homme et femme au

sein d’un ménage.

Sur l’ensemble de la population, la mauvaise perception de la gouvernance

provoque des effets pervers sur le bonheur de la population. Mais, chaque catégorie est

sensible à des variables spécifiques: la corruption vécue, non-significative pour les

hommes, est plus douloureuse pour les femmes compte tenu de leur caractère -

droiture et franchise ; la non-confiance aux services fiscaux affecte beaucoup les

hommes, mais cela n’a aucun effet significatif chez les femmes.

Concernant les caractéristiques liées au marché du travail et les conditions de

travail, la régularité du travail est appréciée par les travailleurs. Les emplois

temporaires, saisonniers ou à mi-temps diminuent leur bonheur. Par contre, la durée du

travail (la durée de l’expérience professionnelle acquise) n’est que très faiblement un

facteur positif pour le bonheur. Ceci pourrait s’expliquer, soit par une faible valorisation

de l’expérience professionnelle sur le marché du travail, soit par les mauvais effets de la

« routine » dans l’accomplissement des tâches.

363

Tableau 73 : Déterminants du bonheur individuel

Ensemble Homme Femme Secteur institutionnel de l’emploi Travaille dans le Secteur public 0.428 0.270 0.637 (0.143)*** (0.185) (0.232)*** Travaille dans le Secteur privé formel 0.145 0.127 0.152 (0.093) (0.127) (0.138) Etre au chômage -0.021 -0.632 0.375 (0.218) (0.340)* (0.285) Etre Inactif 0.358 0.114 0.432 (0.136)*** (0.221) (0.182)** Caractéristiques liées au marché du travail Etre à la recherche d’un autre emploi -0.305 -0.312 -0.294 (0.096)*** (0.130)** (0.144)** Exerce un emploi permanent 0.295 0.273 0.387 (0.111)*** (0.150)* (0.168)** Ayant bénéficié d’une promotion dans l’emploi 0.185 0.381 -0.274 (0.174) (0.212)* (0.312) Durée de l’emploi (nombre d’années en log) 0.086 0.081 0.073 (0.040)** (0.057) (0.058) Perception sur la gouvernance Etre victime d’une corruption -0.208 0.021 -0.481 (0.129) (0.183) (0.181)*** Ayant confiance au service fiscal 0.187 0.209 0.131 (0.067)*** (0.098)** (0.094) Caractéristiques socio-démographiques Femme -0.009 (0.095) Age (nombre d’années en log) -0.053 -0.073 -0.042 (0.015)*** (0.024)*** (0.021)** Age au carré (nombre d’années en log) 0.001 0.001 0.001 (0.000)*** (0.000)*** (0.000)** Ayant un niveau primaire 0.295 0.453 0.202 (0.243) (0.423) (0.299) Ayant un niveau secondaire premier cycle 1.040 1.138 1.009 (0.245)*** (0.424)*** (0.303)*** Ayant un niveau secondaire second cycle 1.487 1.575 1.502 (0.251)*** (0.430)*** (0.314)*** Ayant un niveau secondaire technique 1.833 2.120 1.533 (0.327)*** (0.498)*** (0.487)*** Ayant un niveau supérieur 1.747 1.765 1.895 (0.254)*** (0.430)*** (0.322)*** Etre de la religion « fjkm » 0.040 0.107 -0.043 (0.069) (0.101) (0.096) Etre de la religion catholique -0.178 0.152 -0.522 (0.130) (0.186) (0.184)*** Etre marié 0.207 -0.039 0.371 (0.087)** (0.140) (0.165)** Etre chef de ménage -0.352 -0.164 -0.275 (0.107)*** (0.219) (0.180) Taille du ménage (nombre d’individu en log) -0.056 -0.032 -0.063 (0.020)*** (0.031) (0.028)** Etre migrant -0.034 -0.140 0.096 (0.075) (0.110) (0.106) Observations 2979 1425 1554

Notes : (1) Les coefficients sont suivis des z-test entre parenthèses. (2) Les niveaux de significativité sont *** à 1%, ** à

5%, * à 10%. (3) Le test de ratio de vraisemblance rejette l’hypothèse de stabilité des coefficients entre les modèles

homme et femme avec LR chi2(48)=46,19 et P=0,016


364

Conclusion

Cette étude a proposé de contribuer au débat quant à l’influence de l’exercice d’une

activité dans le secteur informel sur le bonheur individuel, et de combler les lacunes en

matière de recherche au niveau microéconomique sur ce thème. Dans le cas de

l’agglomération d’Antananarivo, les résultats permettent de formuler plusieurs

observations.

La recherche remet en cause les conclusions de la majorité des études indiquant

que, par rapport aux autres situations vis-à-vis de l’emploi, l’exercice d’une activité

informelle diminue le niveau de bonheur individuel. Les résultats montrent qu’exercer un

travail dans le secteur informel ne diminue pas toujours le niveau de bonheur individuel. Si

l’accès au secteur public fournit une forte satisfaction aux travailleurs, entre le secteur

privé formel et le secteur informel, les situations ne diffèrent pas de façon significative.

Ceci réfute la thèse de dualité souvent adoptée pour expliquer la création du secteur

informel. Le passage de la situation d’inactivité vers le secteur informel s’accompagne

d’une dégradation du niveau de bonheur individuel. La situation d’inactivité est en général

voulue et préférée à l’activité pour certaines catégories de personnes, telles que les

personnes âgées, les étudiants, les femmes ou hommes au foyer et les enfants. Les

résultats de l’étude confirment l’idée que, dans les pays en développement, la situation de

chômage est parfois un bien de luxe qui donne plus de bonheur que de travailler dans les

activités de fortune ne correspondant pas aux formations suivies, même si la libre entrée

prévaut dans ce secteur. Certains individus de la classe aisée se permettent de rester

dans la situation de chômage avec beaucoup plus de fierté.

En guise de recommandation, la promotion des petites entreprises et des emplois

indépendants a une influence sur le bonheur de la population, et constitue un véritable

levier pour la réduction la pauvreté et le développement de Madagascar. Pour cela, l’Etat

peut agir à deux niveaux. Premièrement, l’Etat doit mener des efforts pour redorer son

image vis à vis de la population en améliorant la gouvernance. La perception de la

population sur la gouvernance a des effets positifs sur le bonheur des travailleurs, qui, à

son tour, améliore leur productivité, donc leurs performances économiques.

365

Deuxièmement, l’Etat doit agir sur l’éducation, non seulement au niveau du primaire, mais

aussi au niveau du secondaire. Outre les résultats positifs directs que cela va engendrer

sur la qualité de la main-d’œuvre et le capital humain, des effets indirects supplémentaires

passent aussi par l’amélioration du bonheur individuel.

366

CONCLUSION GENERALE

Après une période de méconnaissance mutuelle entre l’Etat et le secteur informel,

une nouvelle vision du développement est apparue depuis les années 1990 considérant

ce secteur comme une composante à part entière du système économique nationale. Dès

lors, la promotion des activités génératrices de revenus fait partie des actions prioritaires

recommandées dans les différentes politiques de développement et de réduction de la

pauvreté dans les pays en développement compte tenu de l’importance de leur

contribution dans la création de richesse et de leur capacité d’absorption de main-

d’œuvre. Vue la dégradation continue des conditions de vie des ménages accompagnée

de la prolifération des activités du secteur informel et de l’informalisation des offres

d’emplois, les questions relatives aux relations effectives entre le secteur informel, le

marché du travail et la lutte contre la pauvreté ont pris une acuité majeure.

L’objectif principal de cette thèse a consisté à fournir des éléments de réponses

quant au rôle tenu par le secteur informel sur le marché du travail et sur la pauvreté. Plus

spécifiquement, la thèse a visé à analyser les caractéristiques du secteur informel, ses

performances économiques, sa dynamique, ses potentialités, les obstacles au

développement auxquels il fait face afin d’en déduire des politiques d’appui appropriées,

notamment à travers le développement de la microfinance. La thèse s’est aussi penchée

sur la contribution des activités du secteur informel sur la pauvreté et le bien-être des

ménages. La thèse est composée de plusieurs essais. Le champ d’étude de ce travail

concerne Madagascar, et plus particulièrement Antananarivo, sa capitale. Les bases de

données utilisées sont principalement issues de la série d’enquêtes 1-2-3 sur l’emploi et le

secteur informel réalisées par l’Institut National de la Statistique en collaboration avec

DIAL/IRD depuis 1995 jusqu’en 2010, ainsi que les enquêtes périodiques auprès des

ménages (EPM 2001 et 2005).

Afin d’asseoir ce travail de recherche sur une base solide, les premières analyses

ont porté essentiellement sur les aspects méthodologiques concernant l’appréhension du

secteur informel. Les principaux avantages de l’enquête 1-2-3, spécialement conçue pour

367

mesurer ce secteur, ont été présentés. Elle est basée sur une technique d’enquête en

deux phases : enquête ménage sur l’emploi à la première phase, et enquête

établissement sur les unités de production informelles à la deuxième phase. D’une part,

elle permet d’apprécier le secteur informel dans son ensemble, sans restriction de branche

d’activité, de type de localisation, de taille ou de statut. D’autre part, les bases de données

générées sont riches, ce qui offre la possibilité de cerner à la fois le côté offre et le côté

demande de production du secteur informel et de faire le lien entre caractéristiques socio-

démographiques individuelles et caractéristiques économiques des unités de production.

Pour le cas particulier d’Antananarivo, l’intérêt de disposer de séries longues de données

issues d’échantillons en panel rotatif, d’une méthodologie et de concepts stables dans le

temps a été mis en relief à travers les résultats originaux sur la dynamique de long terme

du secteur informel et de la consommation des ménages entre 1995 et 2010.

Dans le but de mener des analyses sur l’évolution en termes réels des

performances économiques des activités du secteur, une méthodologie d’élaboration de

déflateurs du secteur informel a été élaborée et exposée. A ce jour, elle est unique en son

genre dans le domaine de la recherche sur le secteur informel et reste encore au stade de

l’expérimentation. Cet exercice a été rendu possible grâce à la méthodologie de l’enquête

1-2-3, à la qualité des données et la disponibilité de données longitudinales sur l’offre du

secteur informel. Trois types de déflateur ont été élaborés : déflateur de la production,

déflateur des consommations intermédiaires et déflateur de la valeur ajoutée. Les résultats

obtenus ont montré clairement une déconnexion entre l’évolution de l’Indice des Prix à la

Consommation (IPC) et le déflateur du PIB, d’une part, et l’évolution du déflateur du

secteur informel, d’autre part. Entre 1995 et 2010, ce dernier augmente beaucoup plus vite

que l’indice des prix à la consommation et le déflateur du PIB. Le même phénomène a été

observé au cours des différentes périodes : 1995-1998, 1998-2001, 2001-2010. Ces

résultats remettent en cause les pratiques habituelles consistant à utiliser ces deux

premiers types d’indice dans le partage volume/prix et qui justifie la démarche consistant à

créer un déflateur spécifique du secteur informel.

Une fois montrée la qualité et la richesse des données sur lesquelles ce travail de

recherche est basé, la première leçon qu’on peut tirer des différents essais analytiques

composant cette thèse est l’importance du rôle des activités exercées dans le secteur

368

informel dans la lutte contre la pauvreté. On a montré que leur forte contribution se

matérialise par des créations massives d’emplois et des revenus supplémentaires pour les

ménages. Plus d’un ménage sur quatre vit exclusivement des revenus générés des

activités de ce secteur et près d’un quart des ménages malgaches ont pu sortir de la

situation de pauvreté monétaire en exerçant des activités dans ce secteur. De plus, elles

s'accompagnent d’ un élargissement du capital social des ménages : mobilisation du

réseau familial pour le recrutement de main-d’œuvre ou diversification des activités

(croissance extensive) et consolidation des réseaux sociaux surtout entre producteurs et

clients. Plus de 95% des transactions effectuées par les ménages se passent dans le

secteur informel.

Si l’on sort du cadre de l’approche monétaire de la pauvreté et que l'on considère la

dimension immatérielle du bien-être de la population, l’influence du secteur informel est

également loin d’être négligeable. Contrairement aux idées reçues, nos travaux ont

montré que le fait d’exercer un travail dans le secteur informel ne diminue pas toujours le

niveau de bonheur individuel. En effet, en se basant sur un modèle économétrique du

niveau de bonheur individuel, on trouve que si l’accès au secteur public fournit un niveau

de bonheur élevé par rapport au secteur informel, aucun effet significatif n’est observé

relativement à l’accès à un emploi dans le secteur privé formel. D’autres résultats

confortent nos conclusions : l’implantation pour des motifs volontaires et non subis dans le

secteur informel, niveau d’ancrage dans le métier relativement élevé des opérateurs du

secteur informel, etc. Ainsi, plus de 85% des opérateurs de ce secteur veulent y rester. La

grande majorité d’entre eux est optimiste quant à l’avenir de leur activité et souhaite même

que ses enfants y restent pour prendre le relais.

Les simulations effectuées dans le cadre de cette thèse montrent qu'une

augmentation de 10% des revenus du travail générés par les emplois créés dans le

secteur informel réduirait de plus de 3% l’incidence de la pauvreté monétaire à

Antananarivo. La promotion de ces types d’activités constitue ainsi un levier puissant et

efficace pour l’amélioration des conditions de vie des ménages. Afin qu’on puisse

proposer des recommandations d’actions en faveur du secteur informel, les différentes

analyses menées dans le cadre de cette thèse ont essayé non seulement de faire ressortir

369

les faiblesses des activités du secteur informel, mais aussi d’identifier les déterminants de

leurs performances économiques respectives.

Le premier handicap des activités des unités de production informelles est leur

inefficacité, provoquant un gaspillage des ressources. Estimé à l’aide de la méthode

Stochastic Frontier Analysis (SFA), le degré d’efficacité moyen d’une unité de production

informelle est très faible : il dépasse à peine 47% en 2004. Cela veut dire qu’avec les

mêmes ressources mobilisées, il serait possible d’atteindre un niveau de production plus

de deux fois supérieur à celui qu’on obtient actuellement. De plus, le degré d'efficacité a

enregistré une dégradation au fil du temps, avec une baisse de plus de 8 points en 2004

comparé à son niveau en 2001, un recul probablement dû à l’effet de la crise de 2002. Ce

phénomène affecte aussi bien les unités de transformation que celles du commerce et des

services. Les contraintes d’offre telles que le non-accès au crédit ou à un local approprié

et le fait d’être dirigé par une femme sont les facteurs principaux qui font diminuer

l’efficacité d’une unité de production. Tandis que l’existence de salarié et l’enregistrement

de l’unité de production favorise son efficacité.

Le deuxième handicap du secteur informel analysé dans cette thèse est leur non-

inscription aux registres administratifs. L’ignorance mutuelle entre l’Etat et les unités de

production informelles rend inefficace des programmes d’action en faveur du secteur

informel. En 2004, près de 80% des unités de production n’apparaissent nulle part dans

les registres administratifs. Les motifs involontaires ont été évoqués le plus souvent, telle

que la méconnaissance des réglementations. L’inscription à des registres administratifs

fait partie des stratégies des opérateurs de ce secteur pour développer leurs activités,

mais non pas des obligations vis-à-vis de l’administration. Selon les résultats issus des

analyses, la confrontation à des difficultés liées à l’accès au crédit, aux services publics de

base ou à l’écoulement de la production constituent les principaux facteurs qui poussent

les petits opérateurs à enregistrer leurs unités de production. Les analyses ont mis en

lumière aussi l’importance de l'informations ou de la sensibilisation dans les média.

D’autres handicaps du secteur informel ont été évoqués dans ce travail comme le

phénomène du sous-emploi, la faible capacité d’accumulation, et la précarité des activités

370

surtout féminines, la discrimination à l’égard des femmes. Par rapport à la situation qui

prévaut dans les autres secteurs de l’économie, l’écart des rémunérations du travail entre

homme et femme est le plus élevé dans le secteur informel.

Selon l’analyse des déclarations des opérateurs du secteur informel eux-mêmes,

plusieurs sources ont été évoquées comme à l’origine de ces faiblesses du secteur

informel. Les problèmes liés à écoulement de la production comme le manque de clientèle

et la forte concurrence ont été les plus cités comme obstacles majeurs au développement

des activités. Le problème lié à l’offre le plus évoqués est les difficultés d’accès au crédit,

avec comme conséquence l’inefficacité des unités de production et la sous-utilisation des

capacités de production.

Les besoins en microcrédit des unités de production informelles ont été abordés

spécialement dans ce travail. Selon l’analyse des déclarations des petits opérateurs,

l’engouement attendu autour de ce type d’aides n’a pas été au rendez-vous. Il n’est

apparu qu’à la troisième place en ce qui concerne les types d’aides réclamées dans ce

secteur. Une raison venant s'ajouter à l’insuffisance de l’offre en microcrédit, et qui

conduit au faible taux de pénétration de la microfinance à Madagascar. De plus, les

opérateurs du secteur informel n’ont pas hésité à montrer leur insatisfaction vis-à-vis des

services dispensés par les institutions de microfinance (IMF): méconnaissance et

éloignement physique des IMF, insuffisance du volume global des crédits octroyés,

inadaptation des services offerts.

A l’issue de ces recherches et conformément aux résultats obtenus, des

recommandations ont été proposées pour promouvoir les activités du secteur informel.

Pour améliorer l’efficacité des unités de production informelles, les actions

sectorielles suivantes ont été proposées. Pour le cas des activités de service, les plans

d’actions prioritaires devraient être axés sur l’amélioration des conditions de l’offre :

facilitation de l’accès au crédit, appui au recrutement de salariés et amélioration du local

de travail. Dans la branche « industrie », les stratégies devraient être orientées surtout sur

371

l’amélioration du capital humain comme la formation professionnelle et sur les techniques

de production. En ce qui concerne les activités commerciales, l’amélioration des relations

avec l’administration, des techniques de gestion et la prospection de nouveaux marchés

sont indispensables. Par ailleurs, la politique globale pour l’ensemble du secteur informel

devrait mettre un accent particulier sur la professionnalisation des métiers et la promotion

de l’esprit entrepreneurial, surtout chez les femmes dirigeante d’unité de production.

Concernant particulièrement le développement de la microfinance, des mesures

devraient être prises pour rendre plus efficaces les interventions, comme l’adaptation de

l’offre de crédit en fonction du type d’activité en tenant compte des problèmes

d’écoulement de la production, la multiplication des antennes décentralisées des IMF et la

mise en place d’un système d’évaluation périodique et indépendante des structures de

financement.

Pour inciter les opérateurs du secteur informel à inscrire leur unité de production

aux registres administratifs, l’administration publique dans son ensemble devrait faire

preuve d’efficacité et d’intégrité notamment dans la gestion des ressources collectives en

faveur des activités génératrices de revenus. Des « pôle d’attraction » répondant aux

intérêts des petits opérateurs du secteur informel devraient être mis en place pour servir

de relais dans l’identification des unités de production. Les institutions de microfinance

doivent en faire partie. Toutes les actions doivent être précédées par des campagnes de

sensibilisation insistant sur l’intérêt procuré par une bonne relation entre Etat et les unités

de production.

Finalement, comme les analyses ont montré que les femmes opérateurs dans le

secteur informel sont plus mal loties que les hommes, que ce soit en termes d’efficacité

des unités de production, de rémunération du travail ou d’affiliation aux registres

administratifs, les actions entreprises pour la promotion des activités du secteur informel

devraient porter un accent spécifique sur les opérateurs féminins.

372

BIBLIOGRAPHIE

- Afristat, 1997, Le secteur informel et la politique économique en Afrique sub-saharienne, Actes du séminaire, tome 1, série méthode n°1, Bamako

- Agesa, Richard U., 1999, The Urban Gender Wage Gap in an African Country: Findings from Kenya, Canadian Journal of Development Studies, vol. 20(1), 59-76

- Aigner D., Lovell C. et Schmidt P., 1977, Formulation and estimation of stochastic frontier production function models, Journal of Econometrics n°6, 21–37

- Ajibefun A. et Daramola G., 2003, Determinants of Technical and allocative Efficiency of microenterprises : Firm level evidence from Nigeria, African Development Review, vol.15(2-3), 353-395

- Alterman W., 2009, Producing an Input Price Index, US Bureau of Labor Statistics

- Antoine P., Bocquier P., Razafindratsima N., Roubaud F., 2000, Biographies de trois générations à Antananarivo, Ceped, collection Documents et manuels n°11

- Appleton S., Hoddinott J., Krishnan P. 1999, The Gender Wage Gap in Three African Countries, Economic Development and Cultural Change, vol.47(2), 289-312.

- Arena R., Lazaric N., 2003, La théorie évolutionniste du changement économique de Nelson et Winters, Une analyse économique rétrospective, Revue Economique, vol. 54(2), 329-354

- Badaoui E., Strobl E., Walsh F., 2007, Is there an informal sector wage penalty? Evidence from South Africa, THEMA, Université de Cergy-Pontoise

- Bardon R., 1998, L’enquête 1-2-3 : principes, définitions et mode opératoire : les cas de Yaoundé et d’Antananarivo, Workshop sur l’économie souterraine et le secteur informel, programme MEDSTAT, CESD-Roma, EUROSTAT, Rome

- Barnes C., Gaile G., Kibombo R., 2001, The impact of three microfinance programs in Uganda , USAID

- Battese G., Coelli T., 1988, Prediction of firm-level technical efficiencies with a generalized frontier production function and panel data, Journal of Econometrics n°38, 387-399

- Battese G.E., Coelli T.J., 1992, Frontier production functions, technical efficiency and panel data: with application to paddy farmers in India, Journal of Productivity Analysis n°3, 159–169

- Battese G.E., Coelli T.J., 1993, A stochastic frontier production function incorporating a model of technical inefficiency effects, Department of Econometrics, University of New England, Working Papers in Econometrics and Applied Statistics n°69

373

- Behr A., 2010, Quantile regression for robust bank efficiency score estimation, Elsevier, European Journal of Operational Research vol. 200(2), 568-581

- Bennell P., 1996, Rates of Return to Education: Does the Conventional Pattern Prevail in Sub-Saharan Africa?, World Development vol. 24(1),183-199

- Bérard-Chagnon J., Bignami S., 2007, Perdus mais pas oubliés : l’attrition dans l’ELDEC, Département de Démographie, Université de Montréal

- Beuran M., Kalugina E., 2005, Subjective welfare and the informal sector : the case of Russia,

Roses Paris I, Team CNRS

- Beuran M., Kalugina E., 2006, Social exclusion and the informal sector: the case of Russia

- Bigsten, A., A. Isaksson, M. Soderbom, P. Collier, A. Zeufack, S. Dercon, M. Fafchamps, J.W. Gunning, F. Teal, S. Appleton, B. Gauthier, A. Oduro, R. Oostendorp, C. Patillo (2000), Rates of Return on Physical and Human Capital in Africa’s Manufacturing Sector, Economic Development and Cultural Change n°48, 801-827

- Blanchflower D. G., 2000, Self-employment in OECD countries, National Bureau of Economic Research, Cambridge (USA), Working Paper 7486

- Blau, F., Kahn L., 2000, Gender Differences in Pay, Journal of Economic Perspectives n°14, 75-99

- Blinder A. S., 1973, Wage Discrimination: Reduced Form and Structural Estimates, The Journal of Human Resources, vol. 8(4), 436-455

- Blunch N. H., Canagarajah S., Raju D., 2001, The informal sector revisited: a synthesis across

time and space, World Bank Social Protection Discussion Paper n°0119

- Bourguignon, F., Fournier M., Gurgand M., 2007, Selection Bias Correction Based on the Multinomial Logit Model: Monte-Carlo Comparisons, Journal of Economic Surveys, vol.21(1), 174-205

- Braiban M., 2007, Le Partage Volume-Prix, INSEE n°7(7)

- Braun J., Loayza N., 1994, Taxation, Public services, and the informal sector in a model of

endogeneous growth, World Bank, Policy Research Working Paper n°1334

- Brown S., Moon M., Zoloth S. 1980, Incorporating Occupational Attainment in Studies of Male-Female Earnings Differentials, The Journal of Human Resources, vol. 15(1), 3-28

- Buss D. M., 2000, The evolution of happiness, Department of Psychology, University of Texas,

American Psychologist vol. 55(1), 15-23

- Card D., 1999, The Causal Effect of Education on Earnings, in O. Ashenfelter and D. Card (eds), Handbook of Labor Economics, vol.3(A), 1801-1863, Elsevier, North Holland

374

- Chagnon J. B., Bignami S., 2007, Perdus mais pas oubliés: l’attrition dans l’ELDEQ , Université de Montréal

- CEA, 2007, Etude sur la mesure du secteur informel et de l’emploi informel en Afrique, CEA African Center for Statistics

- Chapelle K., Plane P., 2005, Technical Efficiency Measurement within the Manufacturing Sector in Côte d’Ivoire: A Stochastic Frontier Approach, The Journal of Development Studies, vol. 41(7), 1303-1324

- Charnes A., Cooper W.W., Rhodes E., 1978, Measuring the Efficiency of Decision Making Units, European Journal of Operational Research n°2, 429-444

- Choi J. P., Thum M., 2005, Corruption and the shadow economy, International Economic

Review, vol. 46(3), 817-836

- Cling J. P., Razafindrakoto M., Roubaud F., 2007, Export Processing Zones in Madagascar: the Impact of the Dismantling of Clothing Quotas on Employment and Labour Standards, DIAL Working Paper DT/2007/6

- Cling J. P., Lagrée S., Razafindrakoto M., Roubaud F., L’économie informelle dans les pays en développement, AFD Paris (à paraître)

- Coase R.H., 1937, The Nature of the Firm, Jstor Economica, New series, vol. 4(16), 386-405

- Coelli, T.J., Battese G.E., 1996, Identification of factors with influence the technical efficiency of Indian farmers, Australian Journal of Agricultural Economics, vol. 40(2), 19–44

- Cohen M., 1997, Micro-credit benefits the client, evidence from control group studies, USAID Office Of microentreprise Development, Washington

- Cohen B., House W. J., 1993, Women's Urban Labour Market Status in Developing Countries: How Well Do They Fare in Khartoum, Sudan?, Journal of Development Studies, vol. 29(3), 461-83

- Dabla-Norris E., Feltenstein A., 2005, The underground economy and its macroeconomic consequences, The journal of policy reform, vol. 8(2), 153-174

- Dabla-Norris E., Inchauste G., 2007, Informality and Regulations : What drives firm growth ? , IMF Working Paper n°07/112

- Dantels, L., 1999, The Role of Small Enterprises in the Household and National Economy in

Kenya: A Significant Contribution or a Last Resort?, Washington College, Chestertown, USA

- De Lima P., 2004, La microfinance dans les pays en développement : Etats des lieux et perspectives, International Development, [email protected]

- De Soto H., 1994, L’autre sentier – la révolution informelle dans le tiers monde, Edition La

découverte, série Economie, Paris

375

- DIAL, Afrobarometer, 2005, Gouvernance et corruption à Madagascar : perceptions et réalité,

Premiers résultats de l’enquête « Afrobaromètre 2005 » à Madagascar, DIAL, Paris

- DIAL-IRD-EUROSTAT, 2004, Acte du colloque sur le secteur informel à Bamako-Mali, DIAL-IRD-EUROSTAT

- Djankov S., La Porta R., Lopez-de-Silanes F., Shleifer A., 2002, The regulation of entry,

Quarterly Journal of Economics n°117, 1–37

- Dubois J.L., Marniesse S., 1997, Mettre en valeur le lien entre pauvreté et formes d’emploi au Bangladesh : un objectif pour une adaptation de l’enquête 1-2-3, DIAL Document de travail DT/97/12

- Easterling A., 2001, Income and happiness: towards a unified theory, The Economic Journal

n°111, 465-484

- Easterling A., 2003, Explaining Happiness, Department of Economics, University of Southern California-Los Angeles

- Fafchamps M., 1994, Industrial Structure and Microenterprises in Africa, J. Developing Areas, vol. 29(1), 1-30

- Fafchamps M., Minten B., 2003, Public Service Provision, User Fees, and Political Turmoil, CSAE WPS: 2003-15.

- Fairlie R. W., Robb A., 2003, Families, human capital, and small business: evidence from the characteristics of business owners survey, Economic Growth Center, Yale University

- Fare R., Grosskopf S., Lovell C.A.K, 1985, The Measurement of Efficiency of Production, Kluwer Academic Publishers, Boston, p. 216

- Farell M. J., 1958, The measurement of productive efficiency, Journal of the Royal Statistical Society Series n°120, 253-281

- Ferrer-i-Carbonell A., 2006, Subjective welfare and informal sector in a transition country, University of Amsterdam, The Netherlands

- Fitzgerald J., Gottschalk P., Moffitt R., 1998, An Analysis of Sample Attrition in Panel Data: The Michigan Panel Study of Income Dynamics, Institute For Research on Poverty

- Frey S., Stutzer A., 2001, What can Economists learn from happiness research? IERE

University of Zurich

- Fuchs V. R., 1980, Self-employment and labor force participation of older males, National Bureau of Economic Research, Cambridge (USA)

- Gaspers D., 2003, Human well-being : concepts and conceptualizations, ISS Netherlands

- Giles D., Johnson B., 2002, Taxes, risk-aversion, and the size of underground economy : a non

parametric analysis with New-Zealand data, Pacific Economic Review vol. 7(1), 97-113

376

- Glewwe P., 1990, Schooling, Skills and the Return to Education: an Econometric Exploration Using Data from Ghana, Living Standards Measurement Working Paper, n°76, World Bank Washington D.C.

- Glick P., Sahn D., 1997, Gender and Education Impacts on Employment and Earnings in West Africa: Evidence from Guinea, Economic Development and Cultural Change, vol. 45(4), 793-823

- Glick P., Sahn D., 2004, Intertemporal female labor force behavior in a developing country: what can we learn from a limited panel? Cornell University, Labor Economics, Elsevier, vol. 12(1), 23-45

- Gong X., Van Soest A., 2002, Wage differentials and mobility in the urban labour market: a panel data analysis for Mexico Economics Programs, Labor Economics, Elsevier, vol. 9(4), 513-529

- Gonzales P. A., Maloney W. F., 1999, Logit analysis in a rotating panel context and an application to self-employment decisions, Policy research Working Paper 3866, World Bank

- Gouvernement malgache, 2003, Document de stratégie de lutte contre la pauvreté, Madagascar

- Gouvernement malgache, 2004, Document de stratégie nationale de la microfinance, Madagascar

- Graham C., 2005, Some insights on development from the Economics of Happiness, The

Brookings institution

- Graham C., Hoover M. 2004, Optimism and poverty in Africa :Adaptation or a means to survival ?, Afrobarometer Working Paper n°76

- Gubert F., Roubaud F., 2003, Le financement des très petites entreprises urbaines : étude d’impact d’un projet de microfinance à Antananarivo-Madagascar, DIAL Document de Travail DT/2003/16

- Habib-Mintz N., 2009, To what extent can the Informal Economy Concept Adequately explain the dynamism of the non-formal sector in Developing Countries?,Journal of Internationl Business and Economy, vol. 10(1), 1-19

- Hammond P.J., 2007, Schumpeterian Innovation in Modelling Decisions, Games, and Economic Behaviour, Department of Economics, Stanford University

- Harris,J.R., Todaro M.P., 1970, Migration, Unemployment, and Development : a two sector analysis, American Economic Review, Jstor, vol. 60(1), 126-142

- Hausman, J. A., MacFadden D.,1984, Specification Tests for the Multinomial Logit Model, Econometrica, vol. 52(5),1219-1240

- Helliwell J. F., Putman R. D., 2004, The social context of well-being, University of British

Columbia, The Royal Society n°359, 1435-1446

377

- Herrera J., Razafindrakoto M., Roubaud F., 2006, Les déterminants du bien-être subjectif : une

approche comparative entre Madagascar et Perou, DIAL Document de Travail DT/2006/01

- Hinks T., Gruen C., 2005, What is the structure of South African Happiness Equations?

Evidence from quality of life surveys, University of Bath, University of Witwatersrand, Working Paper n°16

- Hope K. R., 2001, Indigenous Small Enterprise Development in Africa : Growth and Impact of

Subterranean Economy, The European Journal of Development Research, vol. 13(1), 30-46

- Hulme D., 1999, Impact assessment methodologies for microfinance : theory, experience and better practice, Institute for Development Policy and Management, University of Manchester

- INSTAT, 2002, Rapport principal de l’EPM 2001, INSTAT, Madagascar

- INSTAT, 2011, Tableau de bord de l’Economie de Madagascar en 2011, INSTAT, Madagascar

- Isemonger A.G., Roberts N., 1999, Post-entry Gender Discrimination in the South African Labour Market, Journal for Studies in Economics and Econometrics, vol.23(2), 1-25

- Johnson S., Kaufman D., Zoido-Lobaton P., 1998, Regulatory discretion and the unofficial

economy, AEA Papers and Proceedings, vol. 88(2), 387-392

- Joseph A., 1998, Quels moyens mettre en œuvre pour faciliter l’accès des entreprises au crédit bancaire ?, DIAL Document de Travail DT/98/04

- Kabubo-Mariara J., 2003, Wage Determination and the Gender Wage Gap in Kenya: Any Evidence of Gender Discrimination?, African Economic Research Consortium Research Paper n°132

- Kahn M.A., 1980, The Harris-Todaro Hypothesis and The Hecksher-Oblin-Samuelson trade model : a synthesis, Journal of International Economics n°10, 527-547

- Kaldor N., 1934, The Equilibrium of the Firm, Economic Journal n°44, 60-76

- Khandker S. R., 2003, Microfinance and poverty : Evidence using panel data from Bangladesh, The World Bank Economic Review, vol. 19(2), 263-286

- Kimura Y., 2010, Kaldor on the theory of the Firm, Department of Social Science, Faculty of Education, Saitama University, vol. 59(1), 43 - 55

- Kitazawa Y., 2006, Recent Development in Panel Data Econometrics, Faculty of Economics, Kyushu Sangyo University

- Kirzner I.M, 1997, Entrepreneurial discovery and competitive market process : an Austrian approach,Journal of Economic Literature n°35, 60-85

- Klein E., V. Tokman, 1993, Informal sector and regulations in Ecuador and Jamaica, OCDE,

Research programme on governance and entrepreneurship, Technical paper n°86

- Koenker R., Bassett G., 1978, Regression Quantiles, Econometrica, vol. 46(1), 33–50

378

- Koenker R., Hallock K. F., 2001, Quantile Regression, Journal of Economic Perspectives, vol.15(4), 143–156

- Kolev A., Robles P. S., 2007, Addressing the Gender Pay Gap in Ethiopia: How Crucial is the Quest for Education Parity?, mimeo, Ethiopia case study for joint AFD-World Bank research project

- Koopmans T.C., 1951, An Analysis of Production as an Efficient combination of activities, Activity analysis of production and allocation , Cowles Commission for Research in Economics, Monograph n°13

- Korenman S., Neumark D., 1991, Does Marriage Really Make Men More Productive?, The Journal of Human Resources, vol. 26(2), 282-307

- Korenman S., Neumark D., 1992, Marriage, Motherhood, and Wages, The Journal of Human Resources, vol. 27(2), 233-255

- Krstic G., Sanfey P., 2006, Mobility, poverty and well-being among the informally employed in Bosnia and Herzegovina, European Bank for Reconstruction and Development

- Kuepie M., Nordman C. J., Roubaud F., 2006, Education and Labour Market Outcomes in Sub-Saharan West Africa, DIAL Working Paper, DT/2006/16

- Lachaud J. P., 1997, Les Femmes et le Marché du Travail Urbain en Afrique Subsaharienne, Editions l’Harmattan

- Lachaud J. P., 2006, Pauvreté, Marché du travail, et Croissance pro-pauvres à Madagascar ,

BIT

- Lachaud J.P., 2009, Profits, efficience et genre des micro-entreprises urbaines à Madagascar. Existe-t-il une courbe de Kuznets ? Laréfi Groupe d’économie du développement, DT/148/2009, Université Montesquieu Bordeaux IV

- Lanjouw P., 2001, Nonfarm employment and poverty in rural El Salvador, World Development,

Elsevier, vol. 29(3), 529-547

- Lee, Lung-Fei, 1983, Generalized Econometric Models with Selectivity, Econometrica, vol. 51(2), 507-512

- Leibenstein H., 1968, Enterpreneurship and Development, American Economic Review, vol. 58(2), 72-83

- Levenson R., 1988, The informal sector, firm dynamics and institutional participation, World Bank Policy Research Working Paper n°1988

- Lewis A., 1954, Economic Development with Unlimited Supplies of Labour, The Manchester School, vol. 22(2), 139-191

- Littlefield E., Morduch J., Hashemi S., 2003, Is microfinance an effective strategy to reach the millennium development goals?, CGAP Focus Note n°24

379

- Liu C., Laporte A., Ferguson B., 2007, The quantile regression approach to efficiency measurement: insights from Monte Carlo Simulations, HEDG Working Paper 07/14, The University of York

- Maldonado C., 1995, The informal sector : Legalisation or laissez-faire?, International Labor Review, vol. 134(6), 704-728

- Maldonado C., Badiane C., Mielot A., 2004, Méthodes et instruments d’appui au secteur informel en Afrique Francophone, ILO SEED Document de travail n°24

- Maloney W. F., 1998, The structure of labor markets in developing countries, time series evidence on competing views, World Bank Policy Research Working Paper n°1940

- Maloney W. F., 1999, Are labor markets in developing countries dualistic?, World Bank Policy Research Working Paper n°1941

- Maloney W.F., 2004, Informality revisited, World Development, Elsevier, vol. 32(7), 1159-1178

- Marniesse S., 1997, Etude des trajectoires de microentreprises dans les pays en développement, DIAL Document de Travail DT/97/06

- Marniesse S., 1999, Enseignements sur les politiques et programmes d’appui aux microentreprises, DIAL Document de Travail DT/99/06

- Marshall A., 1890, Principles of Economics : book four, Rod Hay’s Archive for the History of Economic Thought, McMaster University Canada http://www.marxists.org/reference/subject/economics/marshall/bk5ch02.htm

- Marzban C., 2003, Quantile Regression, Applied Physics Laboratory, Department of Statistics, University of Washington

- Masakure O., Cranfield J., Henson S., 2008, The Financial Performance of Non-farm Microenterprises in Ghana, World Development, Elsevier, vol. 36(12), 2733–2762

- Mazumdar D., Sarkar S., 2009, The Employment problem in India and the phenomenon of Missing-middle, The Indian Journal of Labour Economics, vol. 52(1), 43-55

- McPherson M. A., Liedholm C., 1996, Determinants of Small and Micro Enterprise Registration: Results from Surveys in Niger and Swaziland, World development, Elsevier, vol. 24(3), 481-487

- Mead D., Morrisson C., 1996, The Informal sector Elephant, World development, Elsevier, vol.

24(10), 1611-1619

- Meeusen, W., Van den Broek, J., 1977, Efficiency estimation from Cobb—Douglas production functions with composite errors, International Economic Review n°18, 435–444

- Milne W., Neitzert M., 1994, “Kenya”, in Labor Markets in an Era of Adjustment, Economic Development Institute of World Bank Issues Papers, vol. 2(10), 405-457

380

- Montaud J.M., 1999, Une approche macroéconomique du secteur informel en Equateur. Un Essai de modélisation en Equilibre Général Calculable, Thèse de doctorat, CED Université Montsquieu Bordeaux 4, Bordeaux

- Morduch J., 1999, The microfinance promise, Journal of Economic literature, vol.XXXVII, 1569-1614

- Movshuk O., 2004, Restructuring, productivity and technical efficiency in China’s iron and steel industry, 1988–2000, Journal of Asian Economics Elsevier n°15, 135–151

- Moser C., 1978, Informal Sector or petty commodity production : dualism or dependence in urban development? , World Development Elsevier n°6, 1041-1064

- Moser C., 1984, The Informal Sector reworked : viability and vulnerability in Urban development, Regional Development Dialogue, vol. 5(2), 135-178

- Mustapa M., 2007, Rebasing Producer Price Index, Malaysian Experience, Department of Statistics, Malaysia

- Naudet D., Marniesse S., 1997, Petites Entreprises et Missing-middle à Antananarivo, DIAL Document de Travail DT/97/05

- Nelson R. R., Winter S. G., 1982, An Evolutionary Theory of Economic change, Cambridge, Mass. And London : Harvard University Press

- Neumark D., 1988, Employers’ Discriminatory Behavior and the Estimation of Wage Discrimination, The Journal of Human Resources n°23, 279-295

- Nguyen H. C., 2009, Caractéristiques comparées du secteur informel en zone urbaine et périurbaine dans le delta du Fleuvre Rouge: le cas de Hanoï, University of Social Science of Hanoi

- Nicita A., Razzaz S., 2003, Who Benefits and How Much? How Gender Affects Welfare Impacts of a Booming Textile Industry, World Bank Policy Research Working Paper n°3029

- Nordman C. J., 2004, Discrimination Salariale, Capital Humain et Structure des Tâches Selon le Genre : l'Apport de Données Liées Employeurs-Employés au Maroc et en Tunisie, Marché du travail et genre : Maghreb-Europe, ed. Margaret Maruani

- Nordman C. J., Rakotomanana F., Robilliard A., 2010, Gender Disparities in the Malagasy Labour Market, AFD-World Bank Research Gender Disparities in Africa’s Labor Market (3), 87-154

- Nordman C. J., Roubaud F., 2010, Une approche originale en économie du développement : 20 ans d’efforts pour mesurer et analyser l’économie informelle dans les pays en développement, Dialogue-DIAL n°31, 2-9

- Nordman C. J., Wolff F., 2007, Is there a Glass Ceiling in Morocco? Evidence from Matched Worker-Firm Data, DIAL Working Paper, DT/2007/04

- Nordman C. J., Wolff F., 2008, Islands Through the Glass Ceiling? Evidence of Gender Wage Gaps in Madagascar and Mauritius, DIAL Working Paper, DT/2008/02

381

- Oaxaca R., 1973, Male-Female Wage Differentials in Urban Labor Markets, International Economic Review, vol. 14(3), 693-709

- OECD., EUROSTAT, 2005, Methodological Guide for Developing Producer Price Indices for Services, Statistics OECD-Eurostat

- Olsen R. J., 1980, A Least Squares Correction for Selectivity Bias, Econometrica, vol. 148(7), 815-820

- Packard T. G., 2007, Do Workers in Chile Choose Informal Employment? A Dynamic Analysis of Sector Choice, World Bank Policy Research Working Paper n°4232

- Page J.M., Steel W. F., 1986, Le développement des petites enterprises : questions économiques tirées du contexte africain, Banque Mondiale

- Park A., Ren C., 2001, Microfinance with chinese characteristics, World Development, Elsevier, vol. 29(1), 39-62

- Penouil M., 2001, La transition de l’activité informelle à la PME est – elle possible ?, CED Université Montesquieu Bordeaux 4, Bordeaux

- Penrose E. T., 1995, The theory of the growth of the firm ?, Google books, Oxford University Press

- Piesse J., Thirtle C., 2000, A Stochastic Frontier Approach to Firm Level Efficiency, Technological Change, and Productivity during the Early Transition in Hungary, Journal of Comparative Economics n°28, 473–501

- Pigou A., 1920, Economics of Welfare ?, London MacMillan and Co. http://www.econlib.org/library/NPDBooks

- PNUD, 2010, Rapport National de Développement Humain : Micro-entreprise, Emploi et Développement Humain, PNUD

- Portes A., 1997, Neoliberalism and the sociology of development: emerging trends and unanticipated facts, Population and Development Review, vol. 23(2), 229-259

- Pouillaude A., 2001, Gouvernance et développement des micro-entreprises : approche conceptuelle et méthodologique, CED Université Montesquieu Bordeaux 4, Bordeaux

- Poursat C., 2001, Les concepts clés de la microfinance, Pôle Microfinance GRET, Paris

- Projet MADIO, 1995a, L’emploi, le chômage et les conditions d’activité à Antananarivo, INSTAT/DIAL, Madagascar

- Projet MADIO, 1995b, Le secteur informel à Antananarivo : performances, insertion, perspectives. Enquête 1-2-3, premiers résultats de la phase 2, INSTAT/DIAL, Madagascar

- Projet MADIO, 1995c, La consommation et le rôle du secteur informel dans la satisfaction des besoins des ménages à Antananarivo. Enquête 1-2-3, premiers résultats de la phase 3, INSTAT/DIAL, Madagascar

382

- Projet MADIO, 1996, L’emploi, le chômage et les conditions d’activité à Antananarivo, INSTAT/DIAL, Madagascar



- Projet MADIO, 1998b, Le secteur informel à Antananarivo : performances, insertion,

perspectives. Enquête 1-2-3, premiers résultats de la phase 2, INSTAT/DIAL, Madagascar

- Projet MADIO, 1998c, La consommation et le rôle du secteur informel dans la satisfaction des besoins des ménages à Antananarivo. Enquête 1-2-3, premiers résultats de la phase 3, INSTAT/DIAL, Madagascar




- Projet MADIO, 2001b, Le secteur informel à Antananarivo : performances, insertion,


- Projet MADIO, 2004, Le secteur informel à Antananarivo : performances, insertion,


- Rakotomanana F., 1996, Dynamique du secteur informel à Madagascar sur longue période : 1960-1995, MADIO n°9621/E, Madagascar.

- Rakotomanana F., 1997, L’enquête 1-2-3 sur l’emploi et le secteur informel d’Antananarivo(1995), AFRISTAT, série méthodes n°1, tome 2, 97-115, Bamako

- Rakotomanana F., 2002, L’Emploi, le chômage et les conditions d’activités à Antananarivo,

INSTAT, Madagascar

- Rakotomanana F., 2004a, L’Emploi, le chômage et les conditions d’activités à Antananarivo,

INSTAT, Madagascar

- Rakotomanana F., 2004b, Le secteur informel à Antananarivo, phase 2 de l’enquête 1-2-3, Projet Madio – INSTAT/IRD

- Rakotomanana F., 2004c, Dynamique du Secteur Informel à Antananarivo : 1995 – 2001,

INSTAT-DIAL-IRD

383

- Rakotomanana F., 2005, Emploi, chômage et sous-emploi dans les pays en développement : concepts et approches statistiques, CED-Université Montesquieu Bordeaux 4 (Exposé DEA), Bordeaux

- Rakotomanana F., 2006, L’Emploi, le chômage et les conditions d’activités à Antananarivo, INSTAT, Madagascar

- Rakotomanana F., 2007, Les travailleurs du Secteur Informel sont-ils les plus heureux ? : Le cas de l’agglomération d’Antananarivo, Groupe d’Economie du Développement-Lare-Efi, Université Montesquieu Bordeaux IV, Document technique DT/139/2007

- Rakotomanana F., 2008, Les déterminants du désir et de l’exercice effectif de travail

indépendant ? Quels enseignements à tirer pour la microfinance ? : Cas de l’agglomération d’Antananarivo à travers des données de panel, INSTAT-Madagascar

- Rakotomanana F., 2009, La volonté de faire enregistrer son entreprise informelle à

Madagascar : Quelles implications sur les stratégies de l’Administration publique, Stateco-African Journal of Statistics n°104, pp. 75-89 ; Séminaire International sur le Secteur informel en Afrique, AFRISTAT-DIAL/IRD, Bamako-MALI, 2008

- Rakotomanana F., 2010a, Efficacité technique des unités de production informelles : une

approche de régressions quantiles- Etude de cas sur Antananarivo, Groupe d’Economie du Développement-Lare-Efi, Université Montesquieu Bordeaux IV, Document Technique DT/150/2010; Conférence Internationale « Le Secteur et l’Emploi Informels : Mesure Statistique, Implications Economiques et Politiques Publiques », DIAL/IRD-ASSV-OGS-MOLISA-AFD-DFID-OIT-PNUD, Hanoï, 2010)

- Rakotomanana F., 2010b, Contribution du secteur informel dans la lutte contre la pauvreté :

Cas d’Antananarivo, INSTAT, Madagascar

- Rakotomanana F., 2010c, L’Emploi, le chômage et les conditions d’activités à Antananarivo,

INSTAT, Madagascar

- Rakotomanana F., Roubaud F., 1998, Statistical measurement of the informal sector in Madagascar : informations from the 1-2-3 surveys, 1995-1998, Proceedings of the Joint IASS/IAOSS Conference, Statistics for Economic and Social Development, Mexique

- Rakotomanana F., Roubaud F. Wachsberger M., 2010, Le marché du travail dans l’agglomération d’Antananarivo en 2010 : une perspective décennale, INSTAT-DIAL-IRD

- Rakotomanana F., alii, 2011, Enquête Périodique auprès des ménages en 2010, Rapport principal, INSTAT, Madagascar

- Ravelosoa R., 1996, Dynamique de la consommation des ménages dans les chefs lieux de Faritany 1960-1993, MADIO n°9656/E, Madagascar.

- Ravelosoa R., 2010, La consommation et le rôle du secteur informel dans la satisfaction des besoins des ménages à Antananarivo. Enquête 1-2-3, premiers résultats de la phase 3, INSTAT/DIAL, Madagascar

384

- Ravelosoa R., Roubaud F., 1996, Dynamique de la consommation des ménages de l'agglomération d’Antananarivo sur longue période : 1960-1995, Economie de Madagascar n°1, Banque Centrale/INSTAT, Madagascar.

- Razafindrakoto, M., Roubaud F., 1999, La dynamique du marché du travail à Antananarivo entre 1995 et 1999 : la croissance économique profite-t-elle aux ménages ?, Economie de Madagascar n° 4, 103-137

- Razafindrakoto M., Roubaud F., 2001, Les multiples facettes de la pauvreté dans un pays en

développement : le cas de la capitale malgache, DIAL Document de Travail DT/2001/07

- Razafindrakoto M., Roubaud F., 2006, Les déterminants du bien-être individuel en Afrique

francophone : le poids des institutions, CAIRN Info, Afrique Contemporaine 2006/4 n°220, 191-223

- Razafindrakoto M., Roubaud F., Torelli C., 2009, La mesure de l’emploi et du secteur informel :

leçons des enquêtes 1-2-3 en Afrique, Stateco n°104, 11-34

- Regan, Tracy L., Ronald L., Oaxaca, 2006, Work Experience as a Source of Specification Error in Earnings Models: Implications for Gender Wage Decompositions, Institut zur Zukunft der Arbeit (IZA) Discussion Papers n°1920

- Régnier P., 2000, Small and Medium Enterprises in Distress : Thaïland, the East Asian Crisis and Beyond, Ashgate, London

- Reimers, Cordelia W., 1983, Labour Market Discrimination Against Hispanic and Black Men, The Review of Economics and Statistics, vol. 65(4), 570-579

- Roberts B., 1991, The changing nature of informal employment : the case of Mexico, In G. Standing and V. Tokman, Towards Social adjustment : ILO Labour market issues in Structural Adjustment, 115-140

- Robinson J., 1933, Economics of Imperfect Competition, London MacMillan and Co. http://www.econlib.org/library/NPDBooks

- Robinson M., 2001, The microfinance Revolution, Sustainable Finance for the poor, IBRD/World Bank – Open Society Institute

- Roubaud F., 1989, La valeur ajoutée du secteur non enregistré urbain au Mexique : une approche par l’enquête emploi, STATECO n°57, INSEE, Paris

- Roubaud F., 1994a, L’enquête 1-2-3 et le secteur informel à Yaoundé, STATECO n°78, INSEE, Paris.

- Roubaud F., 1994b, L’économie informelle au Mexique : de la sphère domestique à la dynamique macro-économique, KHARTALA-ORSTOM, Paris

- Roubaud F., 1994c, L’économie informelle au Mexique : de la sphère domestique à la dynamique macroéconomique, Karthala – Orstom

385

- Roubaud F., 1997, La mesure statistique du secteur informel en Afrique : les stratégies de collecte des données, AFRISTAT, série méthodes n°1, tome 2, 97-115, Bamako

- Roubaud F., 1998, Rapport de mission de François ROUBAUD sur la mise en place d’une enquête 1-2-3 au Maroc : Direction de la Statistique, Rabat, 10-18 septembre 1998, INSEE.

- Roubaud F., 2002, Madagascar après la tourmente : regards sur dix ans de transitions politique et économique, Afrique Contemporaine, special issue n°202/203, 3-163

- Roubaud F., Séruzier M., 1991, Economie non-enregistrée par la statistique et secteur informel dans les pays en développement, STATECO n°68, INSEE, Paris.

- Scherer F.M., 1980, Industrial market structure and economic performance, Houghton Mifflin

- Schneider F., Enste D., 2000, Shadows economies : size, causes, and consequences, Journal of economic literature, vol. XXXVIII, 7-114

- Schultz T., 2004, Evidence of Returns to Schooling in Africa from Household Surveys: Monitoring and Restructuring the Market for Education, Journal of African Economies, vol. 13(2), 95-148.

- Schumpter J.A., 1961, The theory of economic development, Google books, transaction publishers

- Scott Long J., Freese J., 2005, Regression Models for categorical dependant variables using STATA, College Station, Texas

- Servet J.M. G., 2005, Le besoin d’objectifs principaux nouveaux pour la microfinance : lutter contre les inégalités et faire face aux risques, Techniques financières et développement n°78, 12-31

- Sethurman S. V., 1997, Urban poverty and the informal sector: a critical assessment of current strategies, http://www.ilo.org/public/english/employment/recon/eiip/publ/1998/urbpover.htm

- Siphambe H., Malebogo T., 2001, The Wage Gap Between Men and Women in Botswana's Formal Labour Market, Journal of African Economies vol.10(2),127-142

- Simon H., 1972, Theories of bounded rationality, C.B. McGuire and Roy Radner (eds.), Decision and Organization, chapter 8, 161-176

- Söderbom M., Teal F., 2001, Firm size and human capital as determinants of productivity and earnings, Centre for the Study of African Economies CSAE, Department of Economics, University of Oxford Working Paper WPS 2001.9.

- Söderbom M., Teal F., Wambugu A., Kahyarara G., 2006, Dynamics of Returns to Education in Kenyan and Tanzanian Manufacturing, Oxford Bulletin of Economics and Statistics, vol. 68(3), 261-288

- Souza P. R., Tokman V., 1976, The Informal Urban Sector in Latin America, International Labour Review, vol 14(3), 355-365

386

- Stifel D., Rakotomanana F.H., Celada E., 2007, Assessing Labor Market Conditions in Madagascar, 2001-2005, mimeo, Antananarivo: The World Bank.

- Swaminathan M., 1995, Understanding the “Informal Sector”: a survey, Wider Working Paper n°95.

- Tanzi V., 1998, Corruption around the world – causes, scope and curses, IMF Staff papers

n°45, 559-594

- Temesgen T., 2006, Decomposing Gender Wage Differentials in Urban Ethiopia: Evidence from Linked Employer-Employee (LEE) Manufacturing Survey Data, Global Economic Review, vol. 35(1), 43-66

- Tokman, V., 1992, Beyond regulation – The informal sector in Latin America, Boulder and London, Lynne Rienner Publishers

- Tokman, V., 2007, Modernizing the informal sector, Economic and Social affairs, DESA

working paper n°42

- Tommaso M., 2000, Towards a theory of the small firm :theorical aspects and some policy

impliations , CEPAL/ONU, Santiago CHILI

- Weichselbaumer D., Winter-Ebmer R., 2005, A Meta-Analysis of the International Gender Wage Gap, Journal of Economic Surveys, vol. 19(3), 479-511

- World Bank, 1998, Development of micro, small enterprises and rural finance in Sub-Saharan Africa, World Bank

- Yabuuchi S., Beladi H., 2001, Urban Unemployment, Informal Sector and Development

Policies, Journal of Economics, vol. 74(3), 301-314

- Yamada G., 1996, Urban Informal Employment and Self-Employment in Developing Countries :

Theory and Evidence, University of Chicago

- Yaya K., 2002, Modèle dichotomiques logit et probit – de la théorie à la pratique – Note

pédagogique, ENSEA Abidjan

- Zaman H., 1999, Assessing the poverty and vulnerability impact of microcredit in Bangladesh : a case study of BRAC, World bank

- Zissimopoulos J. M., Karoly L. A., 2005, Transitions to self-employment at older ages: The role of wealth, health, health insurance and other factors, Labor Economics, Elsevier, n°14, 269-295

- Site http://www.instat.mg

- Site http://www.smbmada.net

- Site http://www.worldbank.org

387

TITRE

SECTEUR I�FORMEL URBAI�, MARCHE DU TRAVAIL ET PAUVRETE

__________________________________________________________________________

RESUME Le principal objectif de cette thèse est d’apporter, à travers divers essais et analyses empiriques, des éléments de réponses quant au rôle du secteur informel sur le marché du travail et la pauvreté à Madagascar, et tout particulièrement à Antananarivo, sa capitale. La thèse est organisée en quatre chapitres. Le premier chapitre présente les méthodologies d’appréhension du secteur informel à Antananarivo : l’enquête 1-2-3 en deux phases sur le secteur informel et la consommation des ménages, ainsi que l’élaboration de déflateurs spécifiques des agrégats économiques du secteur informel. Le second chapitre présente les spécificités du secteur informel à Antananarivo. Le troisième chapitre est consacré aux relations entre les activités informelles et le marché du travail. Le quatrième et dernier chapitre s'intéresse aux liens entre secteur informel et pauvreté. La thèse aborde les dimensions économiques et sociales susceptibles de justifier des politiques d’appui au secteur informel dans le cadre de la lutte contre la pauvreté : la contribution des activités du secteur informel à l’incidence de la pauvreté et l’impact de l’exercice de ce type d'activités sur le bonheur individuel. Ces analyses conduisent à s’intéresser à ses caractéristiques, sa dynamique, ses faiblesses, les obstacles à son développement et les aides souhaitées par les opérateurs, en particulier les besoins en microcrédit. Des analyses complémentaires sont proposées quant au choix d'exercer un travail indépendant et aux discriminations sur le marché, notamment dans sa dimension formelle/informelle. ___________________________________________________________________________

TITLE

URBA� I�FORMAL SECTOR, LABOR MARKET, FIGHT AGAI�ST POVERTY

___________________________________________________________________________

ABSTRACT The main purpose of this thesis is to provide, through various articles and empirical analysis, some responses about the role of the informal sector in labor market and poverty in Madagascar, with a focus on the case of Antananarivo. The thesis is organized in four chapters. The first one presents methodologies for investigating the informal sector in Antananarivo : the 1-2-3 survey in two steps on the informal production units and household consumption, and the development of economic aggregates deflators in the informal sector. The second chapter of this thesis presents the characteristics of the informal sector in Antananarivo. The third chapter is devoted to relationships between the informal and the labor market. The fourth and final chapter is dedicated to the analysis of the role of the informal sector on poverty. The thesis examines the social or economic interests justify the informal sector support in the fight against poverty: the contribution of informal sector activities on the incidence of poverty and the impact of exercise of informal activity on the individual happiness. This leads to focus the analysis on its characteristics, dynamics, weaknesses, barriers to its development and aid desired by the operators, in particular the need for microcredit. Complementary analyses are also provided concerning the choice of self-employment and discrimination on the labor market along a formal/informal line. ___________________________________________________________________________

MOTS-CLES

Secteur informel, Pauvreté, Développement, Madagascar, Microfinance, Enquête 1-2-3

___________________________________________________________________________

KEY WORDS

Informal Sector, Poverty, Development, Madagascar, Microfinance, 1-2-3 Survey

___________________________________________________________________________ Laboratoire d’Analyse et de Recherche Economiques : Economie et Finance internationales (LARE-efi) Avenue Léon Duguit 33608 PESSAC Cedex (France)

Accès à la ressource

Documents

Transcript of Accès à la ressource