the raisons for the exclusion of services of micro

Journal of Global Management Research
65
THE RAISONS FOR THE EXCLUSION OF SERVICES OF MICROFINANCE INSTITUTIONS: THE TUNISIA CASE
LES RAISONS DE L’EXCLUSION DES SERVICES DES INSTITUTIONS
DE MICRO-FINANCE : CAS DE LA TUNISIE
Mohamed Mehdi MEJDOUB, Ecole Supérieure de Commerce de Tunis,
[email protected]
Chokri MAMOGHLI, Institut des Hautes Études Commerciales de Tunis, [email protected]
ABSTRACT
The objective of this paper is to identify the socio-economic factors that explain the exclusion of the microentrepreneurs from the services of micro-finance institutions in Tunisia. The exclusion is analysed in its two main
dimensions: credit rationing and self-exclusion. The results of a multinomial Logit model indicate that there is no
discrimination against the poor while women benefit of a positive discrimination. The reputation is a determining
factor in the access to the financing while the entrepreneurship profile has a negative effect on this access.
KEY-WORDS: micro-finance, credit rationing, self-exclusion.
RÉSUMÉ
L’objectif de ce travail est d’identifier les facteurs socio-économiques qui expliquent l’exclusion des microentrepreneurs des services des institutions de micro-finance en Tunisie. L’exclusion est analysée dans ses deux
principales dimensions, à savoir : le rationnement du crédit et l’auto-exclusion. Les résultats d’un modèle Logit
multinomial indiquent qu’il n’existe pas de comportement discriminatoire vis à vis des pauvres alors que les femmes
bénéficient d’une discrimination positive. La réputation est un facteur déterminant dans l’accès au financement alors
que le profil entrepreneurial a un effet négatif sur cet accès.
MOTS-CLÉS : micro-finance, rationnement du crédit, auto-exclusion
1. INTRODUCTION
La micro-finance s’est révélée ces dernières décennies comme une nouvelle forme d’intermédiation financière qui
permet de remédier au problème de l’exclusion des micro-entreprises des services financiers bancaires classiques
(Barr, 2005 ; Brau et Woller, 2004). Ainsi, des milliers d’Institutions de Micro-Finance (IMF) ont été créés et se
sont lancés dans la distribution de services financiers aux micro-entrepreneurs. Selon la Campagne du Sommet du
Micro-crédit (2006), on recense aujourd’hui plus de 3000 institutions, qui desservent près de 113 millions de clients
dans le monde. Parmi les institutions les plus importantes, figurent la Grameen Bank au Bangladesh, la
BancoSolidario en Bolivie et la Bank Rakyat en Indonésie. Chacune de ces banques dessert des millions de microentrepreneurs en services financiers, en utilisant des techniques innovatrices pour évaluer les projets et inciter les
micro-entrepreneurs au recouvrement (Kirkpatrick et Maimbo, 2002).
Toutefois, malgré cet essor, l’utilisation du financement des IMF par les micro-entrepreneurs demeure encore en
deçà des espérances. En effet, des travaux récents ont montré que le taux de pénétration de la micro-finance est
encore très faible et que beaucoup de micro-entrepreneurs sont encore exclus du financement. Selon Christen et al.
(2004), sur les 500 millions de micro-entrepreneurs dans le monde, seuls 85 millions ont été desservis en services
Copyright© Institut Fidal Inc (2009)
Journal of Global Management Research
66
financiers, soit un taux de pénétration de seulement 17%. Honohan (2004) a montré que même dans les pays
supposés performants en matière de micro-finance, le taux de pénétration reste encore faible. Le Bangladesh occupe
la tête de liste de ces pays, avec 13% de taux de pénétration, suivi de l’Indonésie avec 6,7%. Claessens (2006) a
assimilé l’activité des IMF à la finance informelle et a révélé, qu’à l’exception du Népal et de l’Afrique du Sud, le
taux d’utilisation du crédit informel dépasse rarement 30%. Le taux d’utilisation du crédit des IMF serait encore
beaucoup plus faible, puisque la finance informelle tel que définie par l’auteur inclut aussi les tontines, les prêteurs
d’argent locaux ainsi que d’autres formes de finance informelle.
Il s’avère donc qu’il existe un problème d’exclusion financière de la majorité des micro-entrepreneurs éligibles au
financement des IMF. Selon Claessens (2006), Honohan (2005), Kempson et al. (2000), Morduch (1999a) et Baydas
et al. (1994), cette exclusion peut prendre deux formes. La première est le rationnement du crédit, tel que défini par
Stiglitz et Weiss (1981). La deuxième est l’auto-exclusion, c’est-à-dire la décision de certains micro-entrepreneurs
de ne pas utiliser le financement, bien qu’il soit disponible. Toutefois, à l’exception de Baydas et al. (1994), la
plupart des travaux ayant porté sur la question en micro-fiance n’ont pas traité de ces deux formes d’exclusion à la
fois. Ainsi, Coleman (2006), Mosley (2001), Amin et al. (1999), Evans et al. (1999) se sont uniquement intéressés à
la participation ou non des micro-entrepreneurs aux programmes de micro-crédit, sans pour autant déterminer la
source de l’exclusion. De leur côté, Morduch (2000) et Buvinic et Berger (1990) ont abordé le problème du
rationnement du crédit, sans évoquer celui de l’auto-exclusion. L’objectif de ce travail est d’identifier les facteurs
socio-économiques qui expliquent l’exclusion financière dans ses deux dimensions (rationnement et auto-exclusion),
pour les micro-entrepreneurs éligibles au financement des IMF. Pour ce faire, nous avons étudié les déterminants de
cette exclusion sur un échantillon de micro-entrepreneurs en Tunisie.
En Tunisie, des IMF, dites « associations de développement local » ayant le statut d’associations à but non lucratif,
opèrent dans toutes les délégations pour desservir les micro-entrepreneurs en services financiers. Elles sont
exclusivement financées par une banque étatique, la Banque Tunisienne de Solidarité (BTS). Depuis la
promulgation en 1999 des lois régissant la distribution du micro-crédit, et jusqu’en 2006, 160 associations ont été
créées et ont distribué plus de 164 000 crédits. Ainsi, le taux de pénétration reste faible puisqu’il existe en Tunisie
près de 586 000 micro-entrepreneurs éligibles au financement des associations de développement, répartis entre 400
000 micro-entreprises non agricoles (Institut National de la Statistique, 2002) et 186 000 petits exploitants agricoles
(Centre National des Etudes Agricoles, 2007). L’intérêt de cette recherche est de fournir une explication à cette
faible pénétration, qui n’est pas à la hauteur des d’efforts déployés par le gouvernement et les institutions du pays
pour développer le secteur de la micro-finance.
L’échantillon examiné est composé de 209 micro-entrepreneurs. Les données ont été collectées par questionnaire,
durant les mois de juin et juillet 2007. Un modèle Logit multinomial a été spécifié afin d’expliquer les causes de
l’exclusion du financement des associations de développement local. Les résultats montrent qu’il n’existe pas de
discrimination de la part de ces associations vis-à-vis des pauvres mais que ceux-ci s’auto-excluent. En outre, les
femmes profitent d’une politique de discrimination positive de la part des associations. Par contre, les personnes
ayant un profil entrepreneurial souffrent, paradoxalement, de problèmes de rationnement de crédit. Enfin, la
réputation du micro-entrepreneur dans sa communauté influe sur son accès au financement.
La section suivante passe en revue les travaux antérieurs ayant traité des déterminants de l’exclusion en microfinance, et formule les hypothèses de l’étude. La section 3 porte sur la méthodologie de recherche. La section 4
présente les résultats du modèle, ainsi que leur interprétation. Enfin, la dernière section conclue ce travail.
2. REVUE DE LA LITTÉRATURE SUR LES DÉTERMINANTS DE
L’EXCLUSION EN MICRO-FINANCE
La revue des travaux antérieurs a permis d’identifier un certain nombre de facteurs socio-économiques qui semblent
influer sur l’exclusion du micro-entrepreneur des services des IMF. Ces facteurs sont la « réputation pour la
fiabilité », le profil entrepreneurial, le genre et la pauvreté.
La relation entre réputation et accès au financement a été révélée par Diamond (1989). Celui-ci explique que les
entrepreneurs qui cherchent à acquérir une bonne réputation auprès de leur banque, choisissent d’investir dans des
projets sûrs. Ils seront ainsi capables de rembourser leur crédit, de construire une bonne réputation, de bénéficier de
Copyright© Institut Fidal Inc (2009)
Journal of Global Management Research
67
taux d’intérêt plus faibles et par conséquent d’un accès plus facile au financement. La réputation se développe aussi
dans d’autres contextes que celui de l’interaction banque-entrepreneur. En effet, selon Howorth et Moro (2006),
l’institution financière peut atténuer les problèmes liés à l’asymétrie d’information en recourant à l’évaluation de la
réputation de l’entrepreneur dans sa communauté. Ainsi, un entrepreneur qui bénéficie d’une bonne réputation dans
sa communauté a plus de chance d’accéder au financement (Howorth et Moro, 2006 ; Coleman, 2006 ; Wenner,
1995).
Toutefois, la réputation est un concept flou qui peut porter sur différentes caractéristiques personnelles de
l’entrepreneur (Chun, 2005 ; Mayer et al., 1995). Dans le cadre d’études sur l’accès de l’entrepreneur au
financement, Coleman (2006) a montré que la « réputation pour la solvabilité » d’un micro-entrepreneur a un effet
positif sur son accès aux services de l’institution de micro-finance en Thaïlande. Howorth et Moro (2006) ont
montré que la « réputation pour la fiabilité » d’un petit entrepreneur au nord de l’Italie a un effet positif sur son
accès au crédit bancaire. Wenner (1995) a montré que, dans le cas des crédits de groupe, l’utilisation de la
« réputation pour la fiabilité » comme critère de sélection des membres se traduit par une plus grande solvabilité du
groupe. Dans ce travail, nous nous intéressons à la « réputation pour la fiabilité » du micro-entrepreneur. Selon
Mayer et al. (1995), ce type de réputation constitue le construit le plus crucial pour le développement de la confiance
entre deux partenaires. La première hypothèse de ce travail est donc que la « réputation pour la fiabilité » a un effet
négatif sur l’exclusion du financement des associations de développement local.
L’accès au financement est aussi en relation avec le profil entrepreneurial. Cette relation puise ses origines dans la
théorie de développement économique de Schumpeter (1934). En micro-finance, certains chercheurs expliquent que
les services des IMF doivent être distribués aux personnes ayant un profil entrepreneurial afin d’assurer un meilleur
impact et une meilleure durabilité du secteur. Selon Morduch et Haley (2002), les compétences entrepreneuriales
sont fondamentales pour assurer le succès d’une micro-entreprise. D’après Khandker (1998), la distribution de
services financiers à des personnes qui n’ont pas de caractéristiques entrepreneuriales augmente le risque et les coûts
de transactions pour l’institution de micro-finance. Ces chercheurs conviennent alors que des programmes
spécifiques d’assistance directe seraient plus adaptés pour aider les non-entrepreneurs à améliorer leurs conditions
de vie. La deuxième hypothèse de ce travail est donc que le profil entrepreneurial a un effet négatif sur l’exclusion
du financement des associations de développement local.
Le genre a un effet sur l’accès de l’entrepreneur au financement. Selon Morduch (1999a) et Mosley (2001), les
femmes représentent respectivement 94% et 60% du portefeuille clients de la Gramenn Bank et de la Banco-Sol,
deux des plus grandes IMF dans le monde. Brandsma et Burjorjee (2004) ont révélé que 60% des clients des
instituions de micro-finance membres du réseau Sanabel dans la région MENA sont des femmes. Les femmes
seraient donc considérées par les IMF, comme plus sérieuses, honnêtes et crédibles que les hommes (Brau et Woller,
2004 ; Pitt et Khandker, 1998; Morduch, 1999a ; Schreiner, 2003). Cependant, d’autres travaux remettent en cause
cette idée de discrimination positive. En effet, Baydas et al. (1994) ont montré qu’en Equateur, les femmes souffrent
plus de problèmes de rationnement du micro-crédit que les hommes. Buvinic et Berger (1990) et Evans et al. (1999)
ont respectivement montré qu’au Pérou et au Bangladesh, les femmes micro-entrepreneurs utilisent moins le microcrédit que leurs homologues hommes. Ces résultats mitigés suggèrent que le genre a une influence sur l’utilisation
du financement, mais que cette influence peut aussi bien être positive que négative. La troisième hypothèse de ce
travail est donc que le genre a un effet sur l’exclusion du financement des associations de développement local.
L’effet de la pauvreté sur l’accès au financement des IMF a suscité un grand débat dans la littérature. En effet, c’est
à travers sa capacité à toucher les pauvres que la micro-finance a émergé, s’est développée et révélée comme une
nouvelle forme d’intermédiation financière (Barr, 2005 ; Seck, 2007 ; Morduch, 1999b). Elle a été définie comme un
nouvel outil adapté, pour lutter contre la pauvreté (Moll, 2005 ; Matin et al., 2002) et permettre à la communauté
internationale d’atteindre ses objectifs de millénaire (Morduch et Hayley, 2002). Les chercheurs en micro-finance,
qu’ils soient institutionnalistes ou welfaristes, ont ainsi cherché à identifier les cadres, structures et méthodes de
fonctionnement permettant aux IMF de toucher le plus de pauvres et de très pauvres. Toutefois, beaucoup de travaux
empiriques ont montré que les pauvres sont loin de représenter la clientèle privilégiée des IMF. Leur participation au
portefeuille clients de ces institutions demeure encore très faible et sujette à plusieurs contraintes (Najavas et al.,
2000 ; Mosley, 2001 ; Evans et al.,1999 ; Datta, 2004). La quatrième hypothèse de ce travail est donc que la
pauvreté a un effet positif sur l’exclusion du financement des associations de développement local.
Copyright© Institut Fidal Inc (2009)
Journal of Global Management Research
68
Outre ces fondamentaux, il existe des facteurs intermédiaires qui peuvent influer sur certaines des relations susprésentées. Datta (2004) et Cleassens (2006) expliquent respectivement que l’âge et le niveau d’instruction peuvent
modérer la relation entre pauvreté et exclusion. Selon Buvinic et Berger (1990) et Berger (1989), les niveaux de
formation et d’instruction des femmes peuvent influer sur leur accès au financement.
3. DÉVELOPPEMENT DE LA MÉTHODOLOGIE
3.1 Échantillonnage
Dans ce travail, le questionnaire a été utilisé comme instrument de collecte de données. Ce questionnaire a été
administré, durant les mois de juin et juillet 2007, à un échantillon de 209 personnes se trouvant dans le gouvernorat
de Siliana, au nord ouest de la Tunisie. Le travail de terrain a mobilisé 8 enquêteurs. Le choix de la région a été
motivé par l’existence de 4 associations de développement local qui opèrent depuis plus de 4 ans. Ce nombre
d’années nous semble être un historique minimum pour constituer une base de données suffisamment importante.
Sur les quatre associations, trois ont accepté de participer à l’enquête. L’échantillon retenu est réparti entre les
délégations où opère chacune des associations ayant accepté de participer à l’enquête, sur la base de la taille du
portefeuille crédits de ces associations. L’échantillon est subdivisé en trois groupes de micro-entrepreneurs, à
savoir : ceux qui sont financés, ceux qui sont rationnés et ceux qui s’auto-excluent. Les personnes appartenant aux
deux premiers groupes sont identifiées au hasard au niveau des registres des associations. La répartition entre les
personnes financées et celles rationnées par le crédit, a été réalisée sur la base de la ventilation des demandes de
crédits entre acceptées et refusées dans chaque association. Les personnes appartenant au troisième groupe sont
identifiées de deux manières : (1) auprès des employés des associations qui ont indiqué des micro-entrepreneurs
locaux qui seraient éligibles aux services des associations mais qui n’ont pas demandé l’accès au crédit ; (2) auprès
des micro-entrepreneurs retenus dans les deux premiers groupes qui ont indiqué certains de leurs proches ou amis
qui n’auraient pas demandé l’accès au financement. Dans les deux cas, une liste a été dressée, et des personnes ont
été choisies au hasard par les chercheurs.
Les auto-exclus constituent 30% de l’échantillon alors que les financés et les rationnés représentent respectivement
50% et 20%. L’âge moyen des micro-entrepreneurs est de 49 ans et les femmes représentent plus de 41% de
l’échantillon. La plupart n’ont pas de niveau d’instruction et n’ont pas suivi de formation. Le tableau 1 décrit la
composition de l’échantillon retenu.
Exclusion
Auto-exclus
Refusés
Financés
Genre
Homme
Femme
Niveau d’instruction
Instruit
Non instruit
Formation
Formé
Non formé
Délégations
Bergou
Rouhia
Siliana Sud
Fréquence
Pourcentage
63
42
104
30,1
20,1
49,8
123
86
58,9
41,1
80
129
38,2
61,8
46
163
22,0
78,0
80
58
71
TABLEAU 1 - Description de l’échantillon
38,3
27,8
34,0
Copyright© Institut Fidal Inc (2009)
Journal of Global Management Research
69
3.2 Mesure des variables
L’exclusion financière peut être définie par deux dimensions : le rationnement du crédit et l’auto-exclusion
(Claessens, 2006 ; Honohan, 2005 ; Baydas et al., 1994). Le rationnement du crédit découle du déséquilibre entre
l’offre et la demande de crédit et de l’incapacité du mécanisme prix à équilibrer le marché de crédit (Stiglitz et
Weiss, 1981). L’auto-exclusion, par contre, consiste dans la décision de certains micro-entrepreneurs de ne pas
utiliser le financement, bien qu’il existe (Claessens, 2006 ; Kempson et al., 2000). Dans le cadre de ce travail,
l’exclusion est mesurée à travers ses deux dimensions.
La pauvreté est un attribut socio-économique complexe qui peut être définie de différentes manières. Cependant, la
revue de la littérature permet de distinguer entre deux principaux concepts de la pauvreté, à savoir : la pauvreté
absolue (Orshanskey, 1963, 1965 et 1969) et la pauvreté relative (Townsend, 1992 ; Pressman, 2002 ; Citro et
Micheal, 1995). Dans le contexte de la micro-finance, Amin et al. (1999) et Mosley (2001) ont utilisé les seuils de la
pauvreté absolue pour distinguer entre les pauvres et les non pauvres. D’autres, comme Evans et al. (1999) et Datta
(2004) ont relativisé la pauvreté en répartissant leur échantillon entre différentes classes socio-économiques à travers
la combinaison de différents critères. Nous nous alignons alors sur la méthode d’Evans et al. (1999) et Datta (2004)
pour relativiser la pauvreté en classant notre échantillon en plusieurs groupes. L’item retenu pour mesurer la
pauvreté est les dépenses annuelles par unité de consommation et le critère de dispersion choisi pour classer
l’échantillon entre différents groupes est les quartiles. Nous attribuons les notes suivantes pour chacun des groupes :
riche = 1, aisé = 2, pauvres = 3 et très pauvres = 4.
Le profil entrepreneurial est mesuré par le « locus of control ». Celui-ci a émergé avec Rotter (1966) et reflète la
perception qu’ont les individus du contrôle des évènements clés dans leur vie. Ceux qui associent le contrôle des
évènements à eux-mêmes sont dits avoir un « locus of control » interne et sont appelés les « internes ». Ceux qui
attribuent le contrôle à des forces extérieures sont dits avoir un « locus of control » externe et sont appelés les
« externes » (Nwachukwu, 1995). Selon Rotter (1966), Cromie (1987) et Cromie et Johns (1983) les entrepreneurs
sont ceux qui ont un « locus of control » interne. Dans le présent travail, l’échelle de Levenson (1974) est utilisée
pour mesurer le « locus of control » et par conséquent le profil entrepreneurial. Elle compte 21 items (au départ,
l’échelle compte 24 items. Trois items ont été éliminés : il s’agit d’items qui mesurent la perception du contrôle des
répondants au sein d’une organisation. Ces items ne peuvent pas être utilisés dans notre travail), mesurés sur une
échelle de Likert de cinq points allant de « complètement d’accord » à « complètement en désaccord ». Nous
considérons les 7 premiers items qui mesurent la dimension interne du locus of control. L’échelle a été purifiée par
la méthode d’ACP (KMO = 0,85 et alpha de Cronbach = 0,91) et un facteur appelé « interne » a été identifié. Ce
facteur est corrélé avec les quatre items, et explique 79,5% de la variance. Les scores factoriels sont utilisés pour
introduire ce facteur comme variable dans le modèle économétrique.
La « réputation pour la fiabilité » est mesurée à travers l’évaluation de la perception du chef de village. S’inspirant
de Coleman (2006), des questions ont été directement posées à cette personne pour connaître sa perception de
chaque membre de l’échantillon. Les questions ont porté sur les trois dimensions de la fiabilité tels que définies par
Mayer et al. (1995) et Davies et Prince (2005), à savoir : l’habilité, l’intégrité et la bienveillance. La perception a été
mesurée sur une échelle de 3 points qui prend les valeurs 1 pour mauvaise, 2 pour moyenne et 3 pour bonne.
L’échelle a été purifiée par la méthode ACP (KMO = 0,67 et alpha de Cronbach = 0,87) et un facteur appelé
« réputation pour la fiabilité » qui explique 80% de la variance, a été identifié. Les scores factoriels sont utilisés pour
introduire ce facteur comme variable dans le modèle économétrique.
Enfin, l’âge du micro-entrepreneur est mesuré par le nombre d’années, alors que le reste des variables est introduit
comme des variables dummy comme suit : Genre = 1 pour les femmes, niveau d’instruction = 1 si la personne est
instruite et formation = 1 si la personne a déjà suivi une formation technique.
3.3 Spécification du modèle économétrique
Dans ce travail, la variable à expliquer est l’exclusion financière qui peut prendre trois modalités :
yi (Exclusion) =
0 si la personne s’auto-exclut
1 si la personne est rationnée par le crédit
2 si la personne est financée
Copyright© Institut Fidal Inc (2009)
Journal of Global Management Research
70
Le phénomène à étudier est donc discret et la variable qui le décrit est polytomique. Le recours à un modèle
multinomial non ordonné (Logit Multinomial) s’avère adapté à notre analyse économétrique. Le Logit Multinomial
consiste non pas à estimer yi, mais à estimer la probabilité de réalisation d’une modalité de yi par rapport à une
modalité de référence. Le modèle s’écrit alors sous sa forme logarithmique suivante:
Log (
Log (
pj
p1
pj
p2
) = Log (
) = Log (
pj
pJ
pj
pJ
p1
) = ( β j − β 1 ) xi
PJ
J= 0,2
p2
) = ( β j − β 2 ) xi
PJ
J= 0,1
) − Log (
) − Log (
4. ANALYSE DES RÉSULTATS
Des tests de corrélations et d’associations ont été conduits avant la spécification du modèle pour vérifier s’il
n’existait pas de problème de multi-colinéarité entre les variables explicatives. Les résultats de ces tests indiquent
que les valeurs des coefficients sont faibles et toujours inférieures à 0,6. Il n’existe donc pas de problème de multicolinéarité entre les variables explicatives retenues dans cette recherche.
Le processus de spécification du modèle a été réalisé en deux étapes. Dans un premier temps, nous avons introduit,
selon la méthode de régression pas à pas ascendante, les variables explicatives. Dans un deuxième temps, nous
avons introduit, au fur et à mesure, les variables de contrôle. Le modèle retenu est jugé comme ayant une bonne
qualité d’ajustement (Pseudo R² de 0,51). Le reste de cette section sera consacré à l’interprétation du signe et du
seuil de signification des coefficients obtenus et présentés dans le tableau 2.
P(0) / P(2)
(1)
(2)
.18
.69
(0.41)
(0.97)
-34.90***
(-35.60)
-2.42***
(-2.93)
2.02***
-.64
(5.78)
(-1.04)
.041***
(4.86)
-.31
(-1.11)
-.62**
-.50
(-2.44)
(-1.61)
-.95***
-.96**
(-3.64)
(-2.10)
-6.67***
-5.13***
(-5.78)
(-4.07)
P(1) / P(2)
P(0) / P(1)
(3)
(4)
(5)
(6)
Genre
-.68*
-1.32*
.87*
2.02**
(-1.66)
(-1.77)
(1.67)
(2.12)
Niveau instruction*Genre
.031
-35.94***
(0.04)
(-29.33)
Formation*Genre
1.42*
-3.84***
(1.76)
(-3.73)
Pauvreté
.15
.029
1.87***
-.67
(0.72)
(0.06)
(5.00)
(-0.89)
Age*Pauvreté
.0029
.03***
(0.31)
(3.09)
Niveau Instruction*Pauvreté
.32
-.64**
(1.48)
(-2.02)
« Réputation pour la fiabilité »
-.66***
-.57***
.036
.07
(-3.12)
(-2.78)
(0.13)
(0.21)
Interne
.66***
.66***
-1.61***
-1.62***
(3.14)
(3.13)
(-5.75)
(-3.50)
Constante
-1.34**
-1.68***
-5.33***
-3.44**
(-2.50)
(-2.83)
(-4.41)
(-2.52)
Log pseudo-likelihood
-105.34372
Pseudo R2
0.5112
*** Signification au seuil de 1% ** Signification au seuil de 5% * Signification au seuil de 10%
TABLEAU 2 : Estimation des coefficients du modèle
L’estimation des coefficients du modèle pour la variable « genre » indique que les femmes ont plus de probabilité de
s’auto-exclure que d’être rationnées par le crédit (colonnes 5 et 6). Ce résultat confirme ceux d’Evans et al. (1999),
Copyright© Institut Fidal Inc (2009)
Journal of Global Management Research
71
Buvinic et Berger (1990) et Berger (1989) qui expliquent que les femmes demandent moins l’accès au micro-crédit
que les hommes. Le niveau d’instruction (niveau d’instruction*genre) aurait, cependant, un effet négatif sur leur
décision d’auto-exclusion (colonnes 2 et 6). D’un autre côté, lorsqu’elles demandent l’accès au financement, les
femmes ont moins de risque d’être rationnées que financées (colonnes 3 et 4). Ce résultat rejoint les apports de
Schreiner (2000), Morduch (1999a) et Khandar (1998) qui expliquent que les IMF préfèrent octroyer les microcrédits aux femmes plutôt qu’aux hommes. Les femmes seraient considérées comme plus sérieuses et moins
risquées (Honlonkou et al., 2006). Toutefois, il s’avère que les femmes qui ont déjà suivi une formation
professionnelle (formation*genre) ont une plus grande probabilité d’être rationnées que financées (colonnes 2 et 6).
Ce résultat s’explique par le fait que les femmes cherchent à financer des activités qui ne sont pas prioritaires pour
les associations. En effet, 43% des femmes formées qui demandent l’accès au financement, cherchent à lancer des
activités non agricoles. Or, Plus de 62% des demandes de crédit refusées concernent des projets non agricoles. Les
résultats obtenus confirment la troisième hypothèse selon laquelle le genre a un effet sur l’exclusion.
Les coefficients de la variable « pauvreté » indiquent que celle-ci n’a aucun effet sur le rationnement du crédit
(colonnes 3 et 4). Ceci montre que, d’un côté, les pauvres ne souffrent pas d’un comportement discriminatoire de la
part des associations, mais que d’un autre côté, ils ne constituent pas une clientèle privilégiée de ces associations.
Par ailleurs, les pauvres ont une plus grande probabilité de s’auto-exclure que d’être financés ou rationnés (colonnes
3 et 5). Ils seraient donc réticents à utiliser de services financiers qui leur sont destinés. Ceci confirme les apports
d’Evans et al. (1999) qui révèlent que les pauvres ne veulent pas accéder au financement par peur de ne pas pouvoir
rembourser le crédit.
Cependant, lorsque l’âge et le niveau d’instruction sont introduits comme variables de contrôle dans le modèle,
l’effet de la pauvreté sur la probabilité de s’auto-exclure que d’être financé ou rationné, n’est plus significatif. Ceci
montre que la décision d’auto-exclusion provient essentiellement de l’âge avancé (âge*pauvreté) et du faible niveau
d’instruction (niveau d’instruction*pauvreté) des pauvres (colonnes 2 et 6). Ce résultat rejoint les apports de Datta
(2004) et Cleassens (2006) selon lesquels l’âge est le niveau d’instruction constituent un frein à l’utilisation des
services financiers par les pauvres.
Par ailleurs, en micro-finance, il ne s’agit pas seulement de savoir si les pauvres utilisent ou pas les services des
IMF, mais de déterminer aussi qui, parmi les pauvres, contracte un crédit. En effet, comme cela a déjà été expliqué,
la pauvreté est une notion complexe qui peut être relativisée. Il existe ainsi plus d’une catégorie de pauvres. Dans ce
travail, nous avons distingué entre les pauvres et les très pauvres. Dans le débat qui anime la littérature sur la microfinance, les welfaristes expliquent que l’IMF doit se focaliser sur la profondeur de sa pénétration (depth of
outreach), alors que les institutionnalistes préconisent l’étendue de la pénétration (breadh of outreach). Pour inscrire
les résultats dans ce débat, nous procédons à un tri croisé entre les variables pauvreté et exclusion financière (tableau
3). Les résultats indiquent que 86,5% des très pauvres s’auto-excluent contre 23,1% des pauvres. D’un autre côté, il
s’avère que près de 52% des pauvres sont financés contre 9,6% des très pauvres. Il est donc possible de conclure que
les IMF en Tunisie financent plus les pauvres que les très pauvres. Les résultats obtenus confirment la quatrième
hypothèse pour la modalité auto-exclusion, mais l’infirment pour la modalité rationnement du crédit par les
associations.
Aisés
7,5%
20,8%
71,7%
100%
Pauvreté
Pauvres
23,1%
25%
51,9%
100%
Très pauvres
Auto-exclus
86,5%
Refusés
3,8%
Financés
9,6%
Total
100%
Echantillon total = 209 personnes
TABLEAU 3 : Tri croisé entre exclusion et pauvreté
Exclusion
Riches
3,8%
30,8%
65,4%
100%
Copyright© Institut Fidal Inc (2009)
Total
30,1%
20,1%
49,8%
100%
Journal of Global Management Research
72
L’analyse des coefficients de la variable « interne » montre que, plus une personne a un profil entrepreneurial, moins
elle a de probabilité de s’auto-exclure que d’être financée ou rationnée (colonnes 1, 2, 5 et 6). Les entrepreneurs
cherchent donc plus à accéder au financement que les non-entrepreneurs. Ceci confirme les apports de Shumpeter
(1934), qui explique que l’accès au financement est une concrétisation du processus entrepreneurial. Ce résultat
rejoint aussi les apports d’Amit et al. (1990), selon lesquels une personne ayant un profil entrepreneurial cherche à
contracter des crédits pour financer son investissement. Il rejoint notamment les explications de Pretes (2002) et
Otero et Rhyne (1994), qui insistent sur les besoins importants des micro-entrepreneurs d’accéder au financement
D’un autre côté, l’analyse montre que, plus une personne a des capacités entrepreneuriales, plus sa probabilité d’être
rationnée par le crédit plutôt que financée est grande. Ce résultat est surprenant, dans la mesure où il va à l’encontre
de la deuxième hypothèse selon laquelle les IMF cherchent à financer des personnes ayant des caractéristiques
entrepreneuriales, et ce afin d’assurer la pérennité du projet et par conséquent le remboursement du crédit (Morduch
et Haley, 2002 ; Khandker, 1998 ; Amit et al., 1990). Ceci permet de rendre compte d’une différence fondamentale
entre les banques et les IMF. Ces dernières seraient plus focalisées sur des volets sociopolitiques que sur la viabilité
des micro-entrepreneurs. Les résultats obtenus confirment la deuxième hypothèse pour la modalité auto-exclusion
mais l’infirment pour la modalité rationnement du crédit.
Enfin, les coefficients de la variable « réputation pour la fiabilité » montrent que, plus une personne jouit d’une
bonne réputation dans sa communauté, moins elle a de probabilité d’être rationnée par le crédit que financée
(colonnes 3 et 4). Ce résultat confirme celui de Coleman(2006) et Howorth et Moro (2006). D’un autre côté, la
« réputation pour la fiabilité » étant mesurée auprès du chef du village, ce résultat montre que les associations de
développement se basent sur l’information locale dans la sélection des demandes de crédit à financer. Ceci rejoint
les apports de Casson et Giusta (2004) et Aghion et Morduch (2002) qui insistent sur l’importance de l’implication
d’un représentant de la communauté dans le processus de sélection des bénéficiaires et de distribution du microcrédit. Cette implication est d’autant plus importante pour les associations de développement local en Tunisie,
qu’elles n’ont pas les moyens humains et logistiques pour mobiliser, seules, les micro-entrepreneurs. Toutefois,
l’impact de la « réputation pour la fiabilité » sur l’auto-exclusion n’est pas déterminant dans la mesure où il perd sa
significativité quand d’autres variables (des variables de contrôle pour la pauvreté et le genre) sont introduites dans
le modèle (colonne 2). Les résultats obtenus confirment la première hypothèse mais montrent que l’impact de la
« réputation pour la fiabilité » sur la modalité auto-exclusion n’est pas déterminant. Ainsi, le rôle du chef de village
dans la mobilisation des micro-entrepreneurs se révèle important mais non déterminant.
5. CONCLUSION
Les résultats de ce travail nous amènent à tirer quatre conclusions principales. La première est qu’il n’existe pas de
discrimination (positive ou négative) de la part des associations de développement local à l’égard des pauvres. La
faible participation de ces derniers dans le secteur de la micro-finance s’explique par leur refus d’utiliser le
financement plutôt que par des problèmes d’accès. L’âge et le faible niveau d’instruction expliquent en grande partie
ce résultat. Mais les pauvres, sont aussi faiblement sensibilisés et mobilisés par les associations de développement
local. La deuxième conclusion concerne l’accès des femmes au micro-crédit. Celles-ci constituent une clientèle
privilégiée des associations de développement local. Ce résultat peut s’inscrire dans le cadre de la politique menée
en Tunisie depuis l’indépendance et visant l’émancipation de la femme, surtout rurale. La troisième conclusion est
que les associations fondent leur décision de financement, sur l’information locale pour remédier aux problèmes liés
à l’asymétrie d’information. Enfin, la dernière conclusion a trait à la différence entre les banques et les associations
de développement local, dans la mesure où ces dernières accordent moins d’importance aux compétences
entrepreneuriales de leurs clients. L’intervention de l’Administration Régionale dans le choix de certains
bénéficiaires ainsi que le contexte socioculturel caractérisé par la prédominance de personnes « fatalistes », peuvent
expliquer ce résultat.
RÉFÉRENCES
AGHION, Beatriz A, MORDUCH, Jonathan (2000). Microfinance Beyond Group Lending. Economics of
Transition. Vol 8, No 2, 401-420.
Copyright© Institut Fidal Inc (2009)
Journal of Global Management Research
73
AMIN, Sajeda, RAI, Ashok.S, TOPA, Giorgio (1999). Does Microcredit Reach the Poor and Vulnerable? Evidence
from Northern Bangladesh. Center for International Development Working Paper No 28, Harvard University.
AMIT, Raphael, GLOSTEN, Lawrence, MULLER, Eitan (1990). Entrepreneurial Ability, Venture Investments, and
Risk Sharing. Management Science. Vol 36, No 10, 1232-1245.
BARR, Michael S. (2005). Microfinance and Financial Development. Michigan Journal of International Law. Vol
26, 271-291.
BAYDAS, Mayada M., MEYER, Richard L, AGUILERA-ALFRED, Nelson (1994). Discrimination Against
Women in Formal Credit Markets: Reality or Rhetoric? World Development. Vol 22, No 7, 1073-1082.
BERGER, Marguerite (1989). Giving Women Credit: The Strengths and Limitations of Credit as a Tool for
Alleviating Poverty. World Development. Vol 17, No 7, 1017-1032.
BRANDSMA, Judith, BURJORJEE, Deena (2004). Microfinance in the Arab States. Building inclusive financial
sectors, United Nations Capital Development Found.
BRAU, James C, WOLLER, Gary M (2004). Microfinance: A Comprehensive Review of the Existing Literature.
Journal of Entrepreneurial Finance and Business Ventures. Vol 9, No 1, 1-26.
BUVINIC, Mayra, BERGER, Marguerite (1990). Sex Differences in Access to a Small Enterprise Development
Fund in Peru. World Development. Vol 18, No 5, 695-705.
CAMPAGNE DU SOMMET DU MICRO-CRÉDIT (2006). État de la Campagne du Sommet du Micro-crédit,
Rapport 2006. www.microcreditsummit.org/french/pubs/reports/socr/2006/SOCR06_fr.pdf .
CASSON, Mark, GIUSTA, Marina D (2004). The Costly Business of Trust. Development Policy Review. Vol 22,
No 3, 321-342.
CENTRE NATIONAL DES ÉTUDES AGRICOLES (2007). Étude d’Evaluation du Projet de Financement de la
Petite Agriculture à Caractère Familial et Social. Tunis, Tunisie : Centre National des Études Agricoles.
CHRISTEN, Robert P, ROSENBERG, Richard, JAYADEVA, Veena (2004). Financial Institutions with a Double
Bottom Line: Implications for Microfinance. CGAP Occasional Paper 8, Washington, D.C.
CHUN, Rosa (2005). Corporate Reputation: Meaning and Measurement. International Journal of Management
Reviews. Vol 7, No 2, 91-109.
CITRO, Constance F, MICHAEL, Robert T (1995). Measuring Poverty: A New Approach. Washington, DC:
National Academy Press. http://www.census.gov/hhes/www/povmeas/toc.html.
CLAESSENS, Stijn (2006). Access to Financial Services: A Review of the Issues and Public Policy Objectives. The
World Bank Research Observer. Vol 21, No 2, 207-240.
COLEMAN, Brett E. (2006). Microfinance in Northeast Thailand: Who Benefits and How Much? World
Development. Vol 34, No 9, 1612-1638.
CROMIE, Stanley (1987). Motivations of
Occupational Behavior. Vol 8, No 3, 251-261.
aspiring
Male
and
Female
Entrepreneurs.
Journal
of
CROMIE, Stanley, JOHNS, Sandra (1983). Irish entrepreneurs: Some personal characteristics. Journal of
Occupational Behaviour, Vol. 4, No. 4, 317-324.
Copyright© Institut Fidal Inc (2009)
Journal of Global Management Research
74
DATTA, Dipankar (2004). Microcredit in Rural Bangladesh: Is it Reaching the Poorest? Journal of Microfinance.
Vol 6, No 1, 55-81.
DAVIES, Mark, PRINCE, Melvin (2005). Dynamics of Trust between Clients and their Advertising Agencies:
Advances in Performance Theory. Academy of Marketing Science Review. Vol 9, No 11.
DIAMOND, Douglas W (1989). Reputation Acquisition in Debt Markets. Journal of Political Economy. Vol 97 No
4, 828-62.
EVANS, Timothy G, ADAMS, Alayne M, MOHAMED, Rafi, NORRIS, Alison H (1999). Demystifying Non
Participation in Microcredit: A Population-based Analysis. World Development. Vol 27, No 2, 419-430.
HONLONKOU, Albert N, ACCLASSATO, Denis H, QUENUM, Célestin Venant C (2006). Déterminants de la
Performance de Remboursement dans les Institutions de Micro-finance au Bénin. Annals of Public and Cooperative
Economics. Vol 77, No 1, 53-81.
HONOHAN, Patrick (2004). Financial Sector Policy and the Poor: Selected Findings and Issues. World Bank
Working Paper 43, World Bank, Washington, D.C.
HONOHAN, Patrick (2005). Measuring Microfinance Access: Building of Existing Cross Country-data. World
Bank Policy Research Paper 3606, World Bank, Washington, D.C.
HOWORTH, Carole, MORO, Andrea (2006). Trust within entrepreneur bank relationships: Insights from Italy.
Entrepreneurship Theory and Practice, July, 495-517.
INSTITUT NATIONAL DE LA STATISTIQUE. (2002). Le Secteur des Micro-entreprises en Tunisie, No.2. Tunis,
Tunisie: Institut National de la Statistique.
KEMPSON, Elaine, WHYLEY, Claire, CASKEY, John, COLLARD, Sharon (2000). In or Out? Financial
Exclusion: A Literature and Research Review. Consumer Research Report 3. Financial Services Authority, London.
KHANDKER, Shahidur R. (1998). Fighting Poverty with Microcredit: Experience in Bangladesh. Oxford
University Press, Inc. New York.
KIRKPATRICK, Colin, MAIMBO, Samuel M. (2002). The Implications of the Evolving Microfinance Agenda for
Regulatory and Supervisory Policy. Development Policy Review. Vol 20, No 3, 293-304.
LEVENSON, Hanna (1974). Activism and Powerful Others: Distinctions within the Concept of Internal-External
Control. Journal of Personality Assessment. Vol 38, 377- 383.
MATIN, Imran, HULME, David, RUTHERFORD, Stuart. (2002). Finance for the Poor: From Microcredit to
Microfinancial Services. Journal of International Development. Vol 14, No 2, 273-294.
MAYER, Roger C, DAVIS, James H, SCHOORMAN, David F (1995). An Integrative Model of Organisational
Trust. Academy of Management Review. Vol 20, No 3, 709–734.
MOLL, Henk A J. (2005). Microfinance and Rural Development: A Long-Term Perspective. Journal of
Microfinance. Vol 7, No 2, 13-31.
MORDUCH, Jonathan (1999a). The Microfinance Promise. Journal of Economic Litterature. Vol 37, 1569-1614.
MORDUCH, Jonathan (1999b). The Role of Subsidies in Microfinance: Evidence from the Grameen Bank. Journal
of Development Economics. Vol 60, 229-248.
MORDUCH, Jonathan (2000). The Microfinance Schism. World Development. Vol 28, No 4, 617-629.
Copyright© Institut Fidal Inc (2009)
Journal of Global Management Research
75
MORDUCH, Jonathan, HALEY, Barbara (2002). Analysis of the Effect of Microfinance on Poverty Reduction.
NYU Wagner Working Paper No. 1014. http://www.nyu.edu/wagner/workingpapers.html.
MOSLEY, Paul (2001). Microfinance and Poverty in Bolivia. The Journal of Development Studies. Vol 37, No 4,
101-132.
NAVAJAS, Sergio, SCHREINER, Mark, MEYER, Richard L, GONZALEZ-VEGA, Claudio, RODRIGUEZMEZA, Jorge (2000). Microcredit and the Poorest of the Poor: Theory and Evidence from Bolivia. World
Development. Vol 28, 333-346.
NWACHUKWU, Osita C. (1995). CEO Locus of Control, Strategic Planning, Differentiation, and Small Business
Performance: A Test of a Path Analytic Model. Journal of Applied Business Research. Vol 11, No 4, 9-14.
ORSHANSKEY, Mollie (1963). Children of the Poor. Social Security Bulletin. Vol 26, No 7, 3-13.
ORSHANSKEY, Mollie (1965). Counting the Poor: Another Look at the Poverty Profile. Social Security Bulletin.
Vol 28, No 1, 3-29.
ORSHANSKEY, Mollie (1969). How Poverty is Measured? Monthly Labor Review. Vol 92, No 2, 37-41.
OTERO, Maria, RHYNE, Elisabeth (1994). Principles and Institutions for Micro-Enterprise Finance. The New
World of Microenterprise Finance: Building Healthy Financial Institutions for the Poor, 9-54, West Hartford:
Kumarian.
PITT, Mark M, KHANDKER, Shahidur R (1998). The Impact of Group-Based Credit Programs on Poor
Households in Bangladesh: Does the Gender of Participants Matter? The Journal of Political Economy. Vol 106,
958-996.
PRESSMAN, Steven (2002). Explaining the Gender Poverty Gap in Developed and Transitional Economies.
Journal of Economics Issues. Vol 36, No 1, 17-40.
PRETES, Michael (2002). Microequity and Microfinance. World Development. Vol 30, No 8, 1341-1353.ROTTER,
Julian B (1966). Generalized Expectancies for Internal versus External Control of Reinforcements. Psychological
Mono-graphs. Vol 80, 1-28.
SCHREINER, Mark (2000). Ways Donors Can Help the Evolution of Sustainable Microfinance Organisations.
Saving and Development. Vol 24, No 4, 423-427.
SCHREINER, Mark (2003). Scoring: The Next Breakthrough in Microcredit? CGAP occasional paper 7,
Consultative Group to Assist the Poor, Washington: D.C.
SCHUMPETER, Joseph A (1934). The Theory of Economic Development: An Inquiry into Profits, Capital, Credit,
Interest, and the Business Cycle. (1949 ed.). Cambridge, MA: Harvard University Press.
SECK, Fall F. (2007). Justifications Théoriques de la Complémentarité Banques et Institutions de Micro-finance.
Article à paraître dans la Revue Congolaise de Gestion.
STIGLITZ, Joseph E, WEISS, Andrew (1981). Credit Rationing in Markets with Imperfect Information. The
American Economic Review. Vol 71, 393- 410.
TOWNSEND, Peter (1992). The International Analysis of Poverty. Hemel Hempstead, U.K.: HarvesterWheatsheaf.
WENNER, Mark D (1995). Group Credit: A Means to Improve Information Transfer and Loan Repayment
Performance. The Journal of Development Studies. Vol 32, No 2, 264-281.
Copyright© Institut Fidal Inc (2009)