Memoire Online - la gestion des risques de crédit en microfinance par le crédit scoring

Que cet humble mémoire puisse nous apporter un peu de joie dans cette terrible année que nous vivons, et marquer le début d'un avenir meilleur.

Ce mémoire se doit d'être un geste de gratitude et de remerciements envers tous ceux, qui de prés ou de loin ont contribué à sa réalisation.

Mes remerciements s'adressent en premier lieu à mon très cher professeur et encadreur M. JAMELEDDINE CHICHTI pour son écoute, sa disponibilité, ses orientations et ses remarques constructives.

Je suis vraiment fière d'avoir été encadrée par un enseignant doté d'autant de compétence, d'honnêteté intellectuelle que de qualités morales et humaines.

Je n'oublierai jamais sa disponibilité et sa bienveillance même dans des circonstances douloureuses et pénibles.

Et je tiens par l'occasion à l'inviter à bien vouloir m'accorder l'honneur d'être mon directeur de thèse.

Mes remerciements s'adressent en second lieu à mon cher père M.MOHAMED MONDHER BELGHITH pour son encouragement, son assistance et ses précieux conseils et recommandations, malgré nos conceptions divergentes du système du microcrédit. Et à ma chère mère HAFIDHA BELGHITH pour son soutien indéfectible, sa disponibilité et ses sacrifices inestimables.

Comme je tiens à remercier monsieur ARTUR BALA, économiste chercheur à l'organisation Enda Inter-Arabe, qui n'a épargné aucun effort pour me fournir la documentation et les données nécessaires pour mon travail, et sans lesquels, je n'aurais jamais pu achever ce mémoire.

Mes remerciements s'adressent également à MM. : WALID KERAANI et TAREK BEN YOUSSEF, ingénieurs statisticiens pour leur précieuse aide sur l'utilisation des logiciels statistiques.

Que MM. HAFEDH BOUKTIF, et ABDERRAZEK BEL HAJ ZEKRI, trouvent dans ces quelques lignes l'expression de ma parfaite gratitude et mon infinie reconnaissance pour leur soutien.

Sans oublier de remercier et de rendre hommage à tous mes enseignants à l'IHEC, au lycée secondaire du Bardo, et aux écoles de base « El Effa « à Denden et « Rue de Pologne » à Bab Saâdoun, pour leur contribution à mon éducation et à ma formation.

Deuxième chapitre : gestion des risques de crédit et scoring pour assurer la viabilité des IMF et la pérennité du microcrédit 00

DEUXIEME PARTIE : MICROCREDIT EN TUNISIE ET APPLICATION DU SCORING, CAS : ENDA INTERARABE 00

Avec la crise des « subprimes », intervenue aux Etats-Unis en 2007-2008, et les crises financière et économique qui l'ont suivie et qui sont considérées comme étant les plus graves depuis la grande dépression de 1929, on assiste, aujourd'hui à une levée de boucliers sur les développements et les dérives de La Finance.

Un foisonnement d'articles, de travaux de recherche et de débats sur l'opposition entre l'économie réelle et la Finance a vu le jour et se trouve propulsé sur le devant de la scène médiatique et politique.

S'il est vrai que la crise actuelle est née dans la sphère financière, que le manque de transparence , l'absence totale de régulation, la multitude des nouveaux produits financiers et la transmission d'actifs toxiques favorisée par le développement ahurissant des nouvelles techniques de l'information dans un monde de plus en plus globalisé, ont conduit l'économie mondiale à une crise généralisée. S'il est tout aussi vrai que cette crise, causée par les opérateurs sur les marchés financiers, a entraîné la destruction de dizaines de millions d'emplois et la précarisation de dizaines de millions de personnes dans le monde entier, il n'en demeure pas moins que d'autres aspects et d'autres produits de la Finance, souvent mal connus, ont permis et continuent de permettre à des centaines de millions de personnes démunies de sortir du cercle de la pauvreté et de l'exclusion et de s'intégrer dans l'économie marchande et le processus productif aussi bien dans le monde développé que dans les pays en développement.

Le microcrédit constitue, de nos jours, une autre facette de la Finance. C'est un nouveau produit, dont les financiers peuvent s'en orgueillir au vu des résultats qu'il a enregistrés, des initiatives qu'il a pu favoriser, et des oeuvres de promotion économique et sociale qu'il a permis d'amorcer dans les zones les plus reculées et les régions les plus défavorisées.

C'est à cet aspect de la Finance, à savoir le microcrédit, que j'ai choisi de consacrer cette étude.

INTRODUCTION GENERALE

De nos jours, on parle beaucoup de microcrédit, une innovation dans le monde de la Finance, qui a permis aux populations démunies dotées de capacités productives et créatives, longtemps exclues du système financier classique, de pouvoir accéder au marché du crédit et devenir des agents actifs dans l'économie.

Cette composante de la microfinance, longtemps méconnue se trouve, aujourd'hui, exposée, d'une manière subite sous les projecteurs de l'actualité. Depuis la première conférence internationale de Washington en1997, les sommets, séminaires, conférences, déclarations et publications sur ce thème se sont succédé. Le prix Nobel de la paix 2006 a été attribué à Muhammad Yunus fondateur supposé du microcrédit et de la Grammen Bank. Dans la même optique, l'année 2005 a été décrétée, par les nations unis, « année internationale du microcrédit », et le microcrédit est considéré aujourd'hui comme un des instruments privilégiés de la réalisation des objectifs du millénaire étant devenu un outil majeur de réduction de la pauvreté.

Grâce à cet instrument, un pauvre, qui faute de moyens ni de garanties, ne pouvait, auparavant, entreprendre aucune activité, sinon salariée si le marché de l'emploi le permettait, peut se transformer, aujourd'hui, s'il en a la volonté et l'esprit créateur, en micro-entrepreneur et enclencher un processus d'accumulation de capital, de réussite économique et de promotion sociale. Partant de cette logique, il est communément admis, de nos jours qu'avec le microcrédit, on peut briser le cercle vicieux de la pauvreté et promouvoir la croissance moyennant des coûts réduits, et avec de faibles sommes d'argents dans une multitude de secteurs.

Les résultats probants obtenus grâce à cet outil sur le terrain commandent aux chercheurs et théoriciens d'étudier les voies et moyens de sauvegarder cet outil, d'améliorer son intervention et de permettre aux organismes qui le gèrent de perdurer et de se développer. Il s'agit essentiellement de chercher les meilleures voies devant assurer la pérennité des institutions offrants ce service.

Dans cette perspective, beaucoup de travaux de recherches ont été menés sur l'organisation des institutions de microfinance (IMF) et leur fonctionnement en terme de structure, de relations contractuelles entre donateurs, gestionnaires et bénéficiaires, de cadre réglementaire, de taux d'usure applicable, de pratiques de management...etc.

Le présent mémoire s'inscrit dans ce cadre de recherche de viabilité financière d'une IMF. Partant du principe que pour perdurer et prospérer, l'institution doit gérer au mieux les risques auxquels elle est soumise, en particulier le risque de non remboursement des crédits octroyés, l'objectif de ce document consiste a montrer comment une institution de microcrédit peut évaluer les risques de non remboursement de ses clients par le biais d'une méthode appelée « credit scoring », et comment ladite méthode permet aux gestionnaires et aux directeurs de crédit d'optimiser leurs décisions de microcrédit, et par suite, d'améliorer la rentabilité et l'efficacité de l'institution, ce qui est de nature à garantir sa pérennité.

L'étude comporte deux parties, la première théorique, dans laquelle, j'essaie d'exposer le concept de microcrédit, ses impacts économiques et sociaux ainsi que les risques de crédits auxquels sont soumises les IMF. Le « credit scoring » est présenté comme une des méthodes pertinentes pour gérer ces risques.

La deuxième partie est consacrée à l'étude d'un cas pratique relatif à l'intervention d'une institution de microcrédit opérant en Tunisie. Il s'agit de l'ONG : ENDA Inter-arabe, à laquelle j'ai tenté d'appliquer un projet de credit scoring .

I. CHAPITRE I: LA GENESE DU MICROCREDIT

« Microcrédit », ce terme n'existait pas il y'a 33 ans. Depuis, il a gagné du terrain dans notre langage quotidien, et a réussi à se hisser au centre des discours politiques et des débats intellectuels puisqu'il est devenu un des leviers majeurs des politiques économiques.

Le microcrédit est né de l'inadéquation entre l'offre et la demande sur le marché du crédit formel; en effet, les banques qui sont en quête de rentabilité, maintiennent à l'écart de leur champ d'intervention les personnes démunies jugées fragiles et qui ne répondent pas à leurs critères de sélection pour l'octroi de financements.

Bien qu'ils soient porteurs d'aptitudes et de volonté pour créer leurs activités indépendantes, les pauvres, ne pouvaient pas recourir au marché formel du crédit faute des moyens et des garanties à offrir aux banques, se trouvaient donc bloqués face à l'exclusion bancaire qui constitue une entrave et un obstacle devant la pleine jouissance de leur citoyenneté économique. Les expériences et les initiatives intervenues dans différentes régions de la planète pour surmonter ces obstacles et qui visaient à faire bénéficier les populations démunies des possibilités de financer leurs activités génératrices de revenus, ont fini par faire émerger ce nouvel outil qui s'est avéré comme un véritable instrument de lutte contre la pauvreté.

Quelle est la définition du microcrédit, quelles sont les caractéristiques de cette nouvelle forme de crédit, comment est il apparu et comment s'est il développé, quels sont ses apports, quelles sont ses limites ?

Maintes sont les questions qui méritent d'être posées pour approfondir la connaissance de ce nouveau concept. Nous allons dans ce premier chapitre passer en revue la genèse de ce phénomène partant de sa naissance et de ses développements dans le monde avant d'analyser son impact et ses retombées.

SECTION ² : LE DEVELOPPEMENT DU MICROCREDIT

« L'activité de microcrédit consiste généralement en l'attribution de prêts de faible montant à des entrepreneurs ou des artisans qui ne peuvent accéder aux prêts bancaires classiques » (Wikipédia)

« Microcrédit : Prêt d'un faible montant, à taux d'intérêt bas, voire nul, consenti par des O.N.G. et des banques partenaires à des personnes considérées comme insolvables pour leur permettre de financer une activité génératrice de revenus. Synonyme : crédit solidaire. » (Encyclopédie Larousse)

« Le microcrédit consiste à prêter de petites sommes à des personnes qui n'ont pas accès au circuit bancaire classique et qui ont un projet de création d'entreprise » (Le crédit Lyonnais)

« Microcrédit : C'est un prêt à la création ou au développement de très petites entreprises, pour des publics non éligibles au système bancaire, faute de garanties réelles ou d'apport personnel suffisant » (Agence de Développement Social)

Malgré l'absence de définition exacte unanimement adoptée, les différentes définitions proposées renvoient toutes aux mêmes caractéristiques quant aux faibles montants, à la pauvreté des bénéficiaires et à la destination économique d'utilisation des prêts.

Mais pour bien appréhender ce concept, il serait judicieux d'évoquer sa genèse et son histoire.

Bien que l'idée du microcrédit soit plus ancienne, au vu de certaines expériences comme celles de la caution solidaire d'un groupe d'emprunteurs qui a vu le jour en 1956 au Cameroun ou les coopératives d'épargne et de crédit parus au Ghana dans cette même période, la parenté de ce concept est attribué à Muhammad Yunus et sa banque Grammen Bank au Bengladesh.

Après avoir étudié puis enseigné l'économie au Bangladesh, Muhammad Yunus a passé quelques années aux Etats-Unis où il a obtenu son doctorat. De retour à son pays, il a pris la direction du Département d'Economie de l'Université de Chittagong, située dans une zone rurale du Sud-Est. La terrible famine qu'a vécu son pays en 1974 lui a fait prendre conscience de l'écart qui existe entre le monde abstrait des théories économiques qu'il enseignait et le monde des pauvres qui meurent de faim

Muhammad Yunus, surnommé « le banquier des pauvres », le père du microcrédit et le fondateur de la Grammen Bank qui lui a valu le prix Nobel de la paix, a déclaré qu'il n'avait pas préparé l'installation du système de microcrédit et qu'il n'était pas doté de connaissances bancaires « Lorsque je me suis lancé dans cette aventure, je n'avais aucune idée de ce dans quoi je m'engageais. ...Je n'avais par ailleurs aucune formation bancaire » a-t-il déclaré.

En effet, c'était en 1976, lors d'une séance de recherche avec ses étudiants du cours d'investissement à l'université Chittagong, qu'il a appris que les 42 femmes artisanes du bombou interrogées dans le village Jobra par ses étudiants avaient besoin en total de 27 dollars pour elles toutes afin de développer leurs activités. La modicité du montant empêchant l'activité de ces femmes de prospérer a choqué Yunus. « Ce fut le choc de ma vie » qui l'a décidé de leur prêter l'argent qui leur faisait défaut de sa propre poche en leur demandant de les lui rembourser sans intérêts quand elles pourront ; et c'est au moment où il a aperçu la joie et l'allégresse que son prêt a provoqué chez ces pauvres qu'il a décidé d'aller plus loin.

Il est allé voir le directeur d'une banque pour lui demander de prêter de l'argent à ces gens, mais la réponse a été négative car le directeur jugeait cette catégorie insolvable. Yunus a donc décidé de se porter garant des personnes qu'il voulait aider, et a emprunté lui-même de la banque pour reprêter aux pauvres qui en avaient besoin, et c'était depuis, le lancement de son projet Grammen Bank fondée en 1976 et reconnue légalement en 1983 comme une banque indépendante.

Il a réalisé cependant qu'il lui fallait développer un système qui garantirait le remboursement des prêts. Or, il est difficile de demander une caution à ceux qui n'ont rien. Il a mis donc en place un système de « caution solidaire » : les personnes désireuses recevoir un prêt doivent s'organiser en groupes de 4 ou de 5. L'un des membres de ce groupe bénéficie d'un prêt et lorsqu'il rembourse, un autre peut à son tour contracter un crédit et ainsi de suite. Si l'un des membres a des problèmes à rembourser, les autres doivent l'aider. La solidarité, la coopération et le contrôle social constituent des substituts aux garanties matérielles traditionnelles.

Le village de Jobra et d'autres villages avoisinants l'université de Chittagong étaient les premiers à profiter des services de la Grameen Banque. La banque avait un immense succès et le projet, avec l'aide du gouvernement a été étendu en 1979 au district de Tangail situé au nord de la capitale Dhaka. Le succès de la banque s'est poursuit et s'est étendu à d'autres districts du Bangladesh. En 1983 elle a été transformée en banque indépendante par le gouvernement du Bangladesh.

Se distinguant des crédits classiques octroyés par les banques commerciales, les microcrédits et même s'ils différent d'une institution de microcrédit à une autre et d'un pays à un autre, disposent de caractéristiques communes; Généralement, tout microcrédit est un prêt de faible montant, à durée de remboursement courte, octroyé à un pauvre souvent une femme qui n'a pas de garanties matérielles pour monter une activité génératrice de revenu.

Le montant faible sollicité par les pauvres est une cause de leur exclusion bancaire. En effet les besoins monétaires de cette population sont modestes au vu de leur situation précaire qui ne leur permet pas de penser à des projets à forte intensité capitalistique car non seulement ils sont certains que personne ne leur accorde un montant élevé à cause de leur vulnérabilité, mais aussi par aversion des grands projets au dessus de leur capacité, et désir d'investir dans des micro entreprises pas trop risquées.

Ce montant diffère d'un pays à un autre, si dans les pays en développement la valeur du microcrédit peut ne pas dépasser une vingtaine de dollars, il peut atteindre dans les pays industriels des milliers de dollars. En France, le Centre de Documentation Economie Finance ( CEDEF ) estime que dans les pays en voie de développement, le prêt moyen est compris entre 200 € et 300 € alors qu'en Europe de l'ouest, le prêt moyen pratiqué par les IMF est de 12 000 €

Au sein d'un même pays, les institutions peuvent fixer des plafonds différents selon leurs politiques respectives, et une même IMF peut attribuer les plafonds suivant une classification de ses clients ; cette discrimination peut se faire selon, le secteur d'activité du bénéficiaire, le motif pour lequel il demande le prêt ou bien en fonction de son historique de remboursement. C'est-à-dire que si le bénéficiaire a déjà remboursé un prêt dans les conditions préétablies, il peut solliciter un montant plus élevé.

Les microcrédits sont des crédits du court terme ; cette caractéristique de durée courte de remboursement est une des origines de réussite des programmes de microcrédit ; en effet, le fait d'avoir des échéances proches, les difficultés de remboursement sont détectées tôt, ce qui facilite le recouvrement.

Les remboursements peuvent être mensuels, hebdomadaires ou même journaliers, mais généralement la durée globale, dont la moyenne est de 6mois, ne dépasse les 18 mois que très rarement.

Le microcrédit est apparu en réponse aux besoins de financement d'une catégorie bien spécifique ; il a été crée pour servir les pauvres qui sont exclus du système bancaire classique. Cependant, Il n'y a pas de définition stricte limitant l'étendue du microcrédit aux pauvres au sens strict du mot ( vivant avec moins de 1 dollar ou 2 dollars par jour, par exemple) ; on peut donc dire que le microcrédit cible tout client, qui veut monter une activité génératrice de revenu, mais qui manque de capital, qui ne détient pas de garanties matérielles, et qui est jugé insolvable par les banques commerciales. Ce genre de crédits s'adresse donc aux pauvres actifs.

Soixante-dix pour cent des pauvres dans le monde sont des femmes. Or, traditionnellement, les femmes sont désavantagées en matière d'accès au crédit et aux autres services financiers car les banques commerciales préfèrent souvent opérer avec les hommes et les entreprises appartenant au secteur structuré, négligeant les femmes qui représentent une proportion importante et croissante de l'économie informelle. En revanche, plusieurs études constatent que la microfinance, qui s'adresse plutôt aux exclus du système bancaire traditionnel, cible souvent les femmes, voire parfois exclusivement.

En effet, Le microcrédit touche des secteurs faiblement capitalisés employant souvent une main d'oeuvre féminine ; d'ailleurs l'histoire de Mohammad Yunus et de la Grammen Bank a commencé avec des femmes qui représentent 97% des emprunteurs de la banque, et les programmes de microcrédit continuent à privilégier la femme.

Le rapport du sommet sur la microfinance 2007, déclare que jusqu'à la fin de 2006, la microfinance avait touché plus de 79 millions de femmes parmi les plus pauvres du monde^1(*).

La clientèle féminine représente en moyenne 86 % des emprunteurs des IMF d'Asie du Sud, 80 % des IMF du Moyen-Orient et d'Afrique du Nord (MOAN), 76 % des IMF d'Asie de l'Est et du Pacifique, 60 % des IMF d'Amérique latine et des Caraïbes (ALC) et 58 % des IMF d'Europe de l'Est et d'Asie centrale^2(*).

Le taux d'intérêt (prix du service de microcrédit) est au centre des débats qui se déroulent autours de la microfinance. C'est le principal point de divergence entre deux visions théoriques ; la vision institutionnelle qui propose de fixer le taux d'intérêt à un niveau qui permet à l'IMF d'assurer son autosuffisance financière et d'être rentable pour pouvoir perdurer indépendamment des subventions et dons. Et la vision welfariste du bien être social qui considère que la recherche de la performance financière entraînera intuitivement l'omission de la mission sociale qui est le fondement idéologique du concept microcrédit.

les arguments du courant privilégiant la vision institutionnelle, partent de l'idée que le microcrédit est très coûteux pour l'IMF, et que celle ci doit par conséquent fixer le taux d'intérêt de façon à pouvoir couvrir ses coûts dans une perspective de viabilité financière. L'étude de la structure de coût d'un microcrédit supporté par une institution fournissant ce service montre qu'un taux d'usure élevé est nécessaire pour couvrir ces coûts et garantir la viabilité du système et la pérennité de l'institution.

Le microcrédit est donc réputé être très onéreux comparativement aux crédits classiques offerts par le système financier traditionnel. Or, contrairement à ce que pense beaucoup de gens, force est de constater que la différence du coût entre le crédit et le microcrédit ne réside pas dans les risques associés au financement de la population pauvre, car le taux de remboursement des pauvres dans beaucoup de programmes de microcrédit a réussi à dépasser celui des banques commerciales. Mais, il est coûteux de part sa qualité « micro » car le fait de procéder à des petites opérations exigeant beaucoup d'entretiens directs, de visites de terrain, d'assistance, de formation, etc. sur la base desquels les clients sont évalués, alourdit les charges de l'IMF avec des dépenses qui ne sont pas proportionnelles aux faibles montants sollicités par les emprunteurs.

En effet, les besoins financiers de cette population sont relativement modestes comparés aux besoins des autres clients de la banque alors que les coûts qui leurs sont associés sont importants. Si le coût du capital et le risque de perte sont proportionnels aux montants des prêts, la banque supporte d'autres charges fixes et des frais généraux qui ne dépendent pas du montant, à savoir les coûts occasionnés par l'identification et l'évaluation du client, le traitement des demandes, le décaissement des crédits, la collecte de remboursement ainsi que les opérations de recouvrement en cas de défaillance.

Dans les systèmes de microcrédit non subventionnés les taux d'intérêt sont considérés comme élevés car ils doivent permettre à l'IMF d'atteindre l'équilibre financier et donc de couvrir ses coûts, tels que les frais opérationnels, les pertes sur créances douteuses, les frais financiers et couvrir la dépréciation monétaire liée au taux d'inflation du pays. Cependant et quoiqu'on dise ces taux restent inférieurs au taux des prêteurs informels.

Bien que ces dernières années, on parle de microcrédit à la consommation, et de microcrédit pour l'amélioration du logement, la destination principale et fondamentale du programme de microcrédit est la création ou l'extension d'une activité génératrice de revenu; il s'agit donc d'un crédit professionnel, favorisant l'insertion économique des personnes démunies dans la vie professionnelle.

Cette destination productrice permet au bénéficiaire de dégager des profits lui permettant de rembourser le prêt octroyé, d'améliorer les revenus générés par son activité et de promouvoir les conditions de vie de son ménage. C'est ce qui contribue à favoriser sa meilleure intégration dans le processus économique.

Le succès du microcrédit à surmonter les obstacles liés aux caractéristiques des emprunteurs qui les excluent du système bancaire classique, réside dans son mode de fonctionnement.

Face à l'absence des garanties, les IMF mettent en place un système basé sur des techniques substituables à la sûreté réelle tels que :

En effet, une caractéristique principale du microcrédit réside dans la relation de proximité qui relie l'institution et l'emprunteur et qui fait naître un climat de confiance mutuel entre les deux intervenants.

La décision d'octroi de crédit est décentralisée au sein des IMF. Chaque institution met à la disposition des clients qu'elle veut cibler des antennes dans les régions où elle veut monter ses programmes d'intervention, et c'est sur la base des contacts personnels et des visites des lieux d'opération que les agents de crédits évaluent leurs clients avant l'octroi, les contrôlent et les suivent pour assurer le bon remboursement. « La proximité accroît la confiance, réduit les asymétries d'information et atténue les barrières sociales entre les clients et l'institution »^3(*) .

D'autre part, l'IMF peut combler l'absence de garantie matérielle par une autre garantie morale, elle réside dans le recours à une technique dite « crédit de groupe solidaire ».

Cette technique utilisée par la Grammen Bank consiste en l'octroi de crédit de groupe ; les membres de petits groupes de 4 ou de 5 personnes s'engagent solidairement, sur la base de la confiance et de la connaissance mutuelle, à rembourser le crédit de l'ensemble du groupe.

Au sein d'un même groupe, le crédit est accordé à tours de rôle, une première personne est servie, et lorsqu'elle parvient à rembourser le prêt, un second membre bénéficie d'un autre prêt et ainsi de suite.

Il s'agit là d'une relation binaire entre l'IMF et le groupe et non pas entre l'institution et les membres. La banque octroie le crédit qui sera remboursé par l'ensemble du groupe. En cas de défaillance de l'un des membres, les autres doivent le rappeler à ses obligations et le cas échéant, se substituer à lui pour assurer l'intégralité du remboursement.

Si le groupe ne rembourse pas le prêt, c'est l'ensemble du groupe qui est privé de prêts futurs, et c'est là où réside la responsabilité solidaire du groupe sur laquelle compte le prêteur pour le bon remboursement.

Une autre alternative d'incitation au remboursement existe pour les microcrédits individuels, il s'agit des crédits progressifs.

Le crédit progressif est une technique utilisée par les IMF, pour motiver les emprunteurs à rembourser à terme ; elle repose sur le principe que si le client rembourse le prêt aux échéances prédéfinies lors du conclusion du contrat, il a droit à un autre crédit d'un montant plus élevé, de ce fait, les emprunteurs se trouvent encouragés à être réguliers pour pouvoir bénéficier du renouvellement du crédit, et accéder à des montants plus importants.

Faut-il être Bangladais pour être pauvre ? Certainement non. S'il est vrai que le microcrédit est apparu au Bangladesh, où Muhammad Yunus a fondé la Grameen Bank, il est tout aussi vrai que la pauvreté est une réalité mondiale, et que beaucoup de franges des populations dans tous les pays du monde, aussi bien dans les pays développés que dans ceux en développement, sont exclues du système de crédit bancaire classique.

Pour les travailleurs pauvres, les petits exploitants agricoles, les chômeurs, les indépendants qui ont fait faillite, ou encore les jeunes universitaires ou sortants des centres de formation professionnelles qui veulent créer leurs petites entreprises et/ou qui ne peuvent apporter de garanties au banquier, le crédit bancaire traditionnel reste inaccessible dans toutes les régions du monde. Heureusement les bonnes idées ne mettent généralement pas beaucoup de temps pour se propager, ces populations ont pu trouver dans le développement du microcrédit une lueur d'espoir et un mécanisme approprié pour favoriser leur accession à la sphère de la production et leur insertion dans la vie active fut il dans les secteurs informels.

Depuis sa réussite au Bangladesh avec la Grammen Bank, l'idée de microcrédit s'est exportée et généralisée. Elle devenue une préoccupation internationale et un sujet qui commence à susciter des études et des recherches pour explorer les voies de son développement et de son adaptation aux spécificités de chaque pays ou région et d'étudier son impact et ses conséquences tant sur le plan économique que social.

Le modèle de la Grameen Bank, grâce à sa réussite spectaculaire s'est répandu dans plusieurs pays, à travers le monde. En Afrique, en Asie, en Europe, en Amérique, dans les réserves indiennes et dans les régions du cercle polaire, on trouve des formules inspirées de la Grameen Bank et adaptées aux contextes locaux.

D'après le rapport sur « l'état de la compagne du sommet mondial du microcrédit de 2009 » , 3552 institutions de microcrédit avaient affirmé desservir, au 31 décembre 2007, près de 155 millions (154825825) de clients dont plus de 106 millions (106584679) étaient considérés comme faisant partie des plus pauvres.

Le rapport de PlaNet Finance 2008^4(*) indique que les 10 000 institutions de microfinance actuellement en place à travers le monde permettent de financer 150 millions de clients actifs dont plus des 80% sont des femmes. On estime que 500 millions restent à financer

Le portefeuille de crédits actifs des institutions de microfinance est estimé à
30 milliards de US$, la demande potentielle est estimée à 263 milliards de US$ .Le secteur connaît une croissance annuelle de près de 30%.

Les expériences internationales en matière de microcrédit sont nombreuses et variées. Les politiques mises en place diffèrent d'un pays à un autre sur plusieurs aspects, à savoir l'environnement réglementaire et juridique, le degré de développement du marché et l'accès aux financements.

Dans certains pays, les taux d'intérêt sont plafonnés, tandis que dans d'autres les marchés sont libéralisés. Dans certains pays, le marché de la microfinance a émergé, dans d'autres le marché ne s'est pas développé. Certains pays disposent de ressources financières très limitées, d'autres bénéficient de fonds de crédit disponibles très élevés.

L'imitation du modèle Grammen Bank a nécessité l'adaptation des services des organisations offrant la microfinance aux conditions spécifiques des différents pays (structures sociales, activités à financer, environnement institutionnel et légal, nature des différents acteurs financiers, priorités des programmes de développement), car il n'y a pas de recette universelle de microcrédit applicable dans tous les contextes. « Si le principe de la Grammen Bank a été répliqué dans le monde entier, des adaptations sont à chaque fois nécessaires compte tenu des spécificités et des contraintes de chaque contexte »^5(*)

La réussite d'un tel concept a fait naître une immense demande du service de part le monde, et a amené beaucoup d'organismes à se spécialiser dans ce créneau attractif de service financier aux pauvres. On assiste depuis à l'émergence de différents types d'institutions de microfinance : organisations non gouvernementales (ONG), institutions financières non bancaires, coopératives, banques rurales, caisses d'épargne postales, et même un nombre croissant de banques commerciales.

Le succès et l'essor qu'a connu le microcrédit, comme instrument de base, a déclenché d'autres besoins financiers de la population pauvre qui ne pouvaient pas être satisfaits par les circuits bancaires classiques ; ces besoins sont à l'origine de l'apparition de la microfinance. . Dans ce sens, elle ne se limite plus à l'octroi de microcrédit aux pauvres mais elle s'étend à la fourniture d'un ensemble de services financiers à tous ceux qui sont exclus du système financier classique ou formel. Et bien qu'elle se réduit, pour la plupart des gens, au seul microcrédit, la microfinance englobe, aujourd'hui, d'autres services financiers offerts aux personnes démunies.

Elle inclut une gamme variée de services, à savoir le microcrédit, la micro épargne, la micro assurance ,le transfert d'argent, et le mobile banking avec une clientèle de plus en plus étendue

La micro épargne est un service de dépôt qui permet aux micro épargnants d'épargner des faibles montants d'argent pour des usages ultérieurs. Ces mécanismes d'épargne permettent aux ménages de conserver de l'argent lorsque leurs revenus le permettent, afin de pouvoir répondre aux besoins de consommation ou autres urgences lorsque leurs revenus leurs fait défaut (retraite, accident, urgence, frais de scolarité...).

Les pauvres épargnent pour se constituer une base financière qui leur permet de se prémunir contre les aléas de la vie, tels que les maladies et autres vicissitudes ou pour préparer le lancement d'un projet ou alors pour faire face à des dépenses futures occasionnées par les divers événements liés à la vie du ménage (mariages, naissances...).

La BAAC (Banque pour l'agriculture et les coopératives agricoles en Thaïlande), la BCS (Banco Caja Social en Colombie) et la RPB (Banque rurale de Panabo aux Philippines) ont essayé d'introduire des comptes de microépargne bloqués obligatoires ou des comptes collectifs fonctionnant avec le principe du microcrédit du groupe solidaire ; mais ces services ont eu moins de succès que la micro épargne volontaire et la croissance du volume des dépôts a été très lente. Il s'est avéré que les comptes d'épargne volontaire individuels et liquides constituent la formule la plus attrayante pour les micros épargnants.

Une crise importante, occasionnant des dépenses énormes qui dépassent le montant de l'épargne accumulée, peut avoir un impact néfaste et décisif sur le ménage qui se trouve obligé de se sur-endetter ou de vendre une partie de l'outil générateur de revenu de la famille.

Dans ce cas, les mécanismes informels de recours à la famille ou aux proches, de même que l'épargne familiale, s'avèrent souvent insuffisants. Un service d'assurance, permettant de faire face à cette crise, peut alors être un outil cohérent complémentaire à l'épargne et au crédit pour les ménages vulnérables.

La micro-assurance est un système par lequel des individus et des microentreprises peuvent prévoir une provision financière leur permettant de se protéger contre différents risques non maîtrisables. Ce type de service d'assurance inclut l'assurance-vie, l'assurance des biens de propriété, l'assurance-santé et l'assurance-invalidité.

Beaucoup d'IMF ont mis en place des produits d'assurance-vie (en cas de décès) très simplifiés, qui permettent par exemple le remboursement du prêt en cours en cas de décès de l'emprunteur.

La cause principale de l'immigration pour le travail étant la pauvreté, les mécanismes et les institutions d'envoi des fonds permettent aux travailleurs migrants d'améliorer leurs conditions et ceux de leurs familles par le transfert d'une partie des revenus qu'ils gagnent dans les pays d'accueil vers leurs pays d'origine. De ce fait, le transfert d'argent s'est érigé comme un service financier qui sert aussi les pauvres, il a été intégré comme un nouveau produit offert, de part leur vocation, par les institutions de microfinance.

Pour une IMF, la prestation des services de transferts d'argent lui permet d'attirer de nouveaux clients vers ses autres services, car il est possible que les récipiendaires de transferts, aussi bien que les expéditeurs, puissent être des candidats potentiels pour ouvrir des comptes de microépargne, demander des microcrédits ou souscrire une microassurance.

C'est l'innovation en vogue actuellement dans le monde de la microfinance. Le mobile banking consiste à utiliser les téléphones portables pour faciliter les opérations de transfert avec le client et en conséquence pour réduire les coûts de l'activité.

Ce nouveau service est apparu suite au constat de l'importance du nombre d'utilisateurs des téléphones portables ; alors qu'un milliard de personnes possèdent, en 2008, un compte en banque, trois milliards de personnes utilisent un téléphone portable

Le mobile banking permet aux populations rurales et isolées d'accéder aux services financiers, de payer leurs factures ou encore d'obtenir un microcrédit sur place, sans avoir à se déplacer.

PlaNet Finance a reçu une subvention de 1,7 millions de dollars de la fondation Bill& Mellina Gates afin de soutenir un projet de mobile banking en partenariat avec Orange pour la mise en place de la plateforme nécessaire.

Fernand Vincent^6(*) décompose les institutions de microfinance en quatre types ; les caisses locales d'épargne et de crédit et les tantines, les systèmes nationaux et internationaux d'épargne et de crédit, les organisations non gouvernementales ainsi que les banques.

Les logiques, qui commandent le fonctionnement de ces IMF, différent d'un type à un autre ; que ce soit dans une optique de marché, de soucis du bien être social ou bien même de préoccupation financière et sociale en même temps, les exemples d'échec et de succès peuvent illustrer les diverses formes. On ne peut donc pas prétendre dire que tel type est plus adapté ou plus performant que l'autre ; car tout dépend du contexte macroéconomique dans lequel oeuvre l'institution et de son mode d'organisation et de fonctionnement.

Les tontines sont la forme traditionnelle la plus efficace de l'épargne et du petit crédit. Tout comme les caisses locales et mutuelles, elles ne sont pas placées sous la tutelle de grandes organisations, ni des banques. Elles disposent d'une autonomie dans leur gestion et fonctionnent pour un groupe de villages ou un quartier urbain.

La caisse collecte l'épargne de ses membres, fixe les taux d'intérêt indépendamment des taux applicables sur le marché financier.

Elles sont informelles, Les membres se prêtent entre eux l'argent épargné dans le même environnement. Elles font rarement appel au marché financier et ne reçoivent pas d'aide extérieure.

Leur rôle et leur fonction sont essentiels. Elles répondent parfaitement aux besoins locaux et les remboursements sont excellents car tout le monde se connaît et il n'existe que peu de risque, car il y a autocontrôle.

De nombreuses caisses locales d'épargne et de crédit se sont organisées pour obtenir davantage de crédit que les possibilités créées par leur épargne et répondre ainsi à la demande locale ou pour placer l'épargne non prêtée.

Elles ont constitué des unions et fédérations, quelquefois puissantes à l'image de l'APRACA (Association de crédit agricole d'Asie et du Pacifique), l'AFRACA (Association Africaine de crédit agricole) ou encore les COOCEC ou COOPEC (unions coopératives et Mutuelles d'Epargne et de Crédit).

En Afrique de l'Ouest, des organisations, telles par exemple Nyesigiso et Kafo Jiginew au Mali, l'ACEP au Sénégal, la FECECAM au Bénin rassemblent des dizaines de milliers de membres épargnants ou/et emprunteurs et sont des partenaires efficaces et incontournables de l'attribution du crédit au monde paysan ou aux artisans du secteur non formel urbain.

Ces unions et fédérations représentent donc des millions de membres, plus particulièrement des milieux paysans, fonctionnaires et petits commerçants. Elles sont bien ancrées dans leur milieu et sont organisées en mutuelles de type Raiffeisen^7(*) pour couvrir leurs risques.

Elles font un effort important de formation de leurs gestionnaires souvent issus des caisses locales et de leurs membres. Elles sont bien gérées. Les taux d'intérêt utilisés pour rétribuer l'épargne ou prêter aux paysans, aux commerçantes ou aux femmes entrepreneurs varient selon les cas. Il est souvent en dessous des prix du marché.

Il n'est pas rare de constater que ces caisses ne s'autofinancent pas, principalement à cause des frais engendrés par leurs efforts de formation. L'aide extérieure est souvent étroitement mêlée à leur financement.

De très nombreuses fondations ou organisations non gouvernementales ONG se sont créées pour distribuer et gérer le micro-crédit partout dans le monde. Ces organisations agissent comme des intermédiaires financiers entre les bailleurs de fonds et les emprunteurs, individuels ou organisés en petits groupes professionnels.

Ces Fondations et ONG ont joué par le passé et jouent encore actuellement un rôle essentiel dans le développement du micro-crédit. Des millions de petits producteurs ou commerçants dépendent de leur action. Ces organisations se sont professionnalisées et offrent actuellement des services d'intermédiation financière de grande qualité.

Proches de leurs clients, et travaillant dans le but d'améliorer leurs sorts et de promouvoir leurs activités, ces fondations et ONG, sont des agents indispensables pour le bon fonctionnement du microcrédit

Certes, et à cause de l'importance de leurs charges, le coût de leur intervention est élevé, comme l'est la gestion et l'appui au microcrédit. Dès lors, si ces organisations veulent être autofinancées et ne plus recevoir d'aide, ou plutôt ne pas être tributaires des dons et subventions, elles doivent facturer leurs services au prix coûtant, ce qui entraîne une forte augmentation des taux d'intérêt qu'elles pratiquent qui comprennent souvent les coûts d'appui et de suivi des projets de leurs emprunteurs

Depuis quelques années, on a assisté à l'apparition d'institutions financières formelles et banques qui ses sont spécialisées dans l'activité du microcrédit ; Elles se sont orientées vers le microcrédit ou créées pour, en raison de l'accroissement important de la demande du microcrédit, de la part des petits producteurs et des microentrepreneurs que la réussite du concept dans le monde a stimulé, ainsi que de la reconnaissance des banques centrales et des Etats de l'importance d'un tel outil.

Ainsi, les professionnels du micro-crédit se sont donnés les instruments financiers et les institutions nécessaires pour attirer et gérer l'épargne des populations et souvent des clients auxquels ils accordent du crédit, et pour bénéficier des lignes de crédit ouvertes par les Banques internationales de développement ou les Agences de coopération.

SECTION ²² : L'IMPACT DU MICROCREDIT

Le développement de ce nouveau concept et son intégration dans les politiques internationales a crée une nouvelle piste de recherche vers laquelle, de nombreux chercheurs se sont dirigés et se sont focalisés sur ses différentes facettes.

Il s'agit d'un champ de recherche pluridisciplinaire qui intéresse aussi bien les économistes et les financiers que les sociologues et les juristes.

Les travaux de recherche et d'investigation en la matière sont diversifiés et peuvent être essentiellement classées, selon leurs orientations, en deux catégories ; une première se rattachant à l'étude de l'impact du microcrédit, la seconde se rapporte aux institutions offrants ce service.

Dans cette section; nous allons traiter les retombées socio-économiques du microcrédit en essayant de distinguer, quoique la frontière n'est toujours pas nette et précise, celles à caractère économique et financier de celles ayant un caractère social.

Le microcrédit est devenu aujourd'hui, du moins dans certains pays en développement, un outil de développement local dans la mesure où il contribue à réduire le nombre des pauvres et des chômeurs, à générer des revenus, à intégrer des populations, jusque là défavorisées, dans la sphère de la production et de l'économie marchande, fut il dans le secteur informel, et donc stimuler la consommation, la production et la croissance.

De part même sa définition, le microcrédit sert la population « unbancable » qui ne peut pas recourir aux banques commerciales pour solliciter un crédit faute de garanties à offrir en contre partie. Il permet aux personnes à égales capacité entreprenariale d'avoir les mêmes chances de monter leurs affaires indépendamment de leurs positions ou conditions sociales et/ou économiques ; les pauvres qui ne manqueraient pas d'esprit d'initiative et d'idées de projets prometteurs, y trouveraient, désormais, le moyen idoine pour s'épanouir et concrétiser leurs projets.

Par ailleurs, le développement du microcrédit, a été à l'origine, comme cité supra, de l'apparition de la microfinance qui sert des services financiers de proximité assimilables aux services bancaires classiques, mais qui sont adaptés aux conditions de cette catégorie de population qui en était exclue auparavant.

Cette exclusion assimilée par Muhammad Yunus à l'apartheid est à l'origine du microcrédit « Ma réaction est avant tout une réaction contre l'injustice de la situation, qui est à bien des égards comparable à l'apartheid.... En réalité, ce sont près des trois quarts des habitants de la planète qui n'ont pas accès aux services financiers....Ce que nous voulons, c'est la fin de l'apartheid » qui doit constituer l'alternative aux exclus pour pouvoir faire partie du système financier

L'intégration des populations pauvres et à bas revenus dans le circuit économique est de nature à accroître les capacités productives génératrices et distributives de revenus à des catégories à forte propension à consommer. Elle stimule donc la consommation et la croissance et contribue à briser le cercle vicieux de la pauvreté.

«Une paix durable ne peut-être obtenue sans qu'une partie importante de la population trouve les moyens de sortir de la pauvreté.........le microcrédit est un de ces moyens » (Comité du prix Nobel de la paix 2006).

L'évaluation de l'impact du microcrédit sur la pauvreté est le champ d'investigation le plus large qui a attiré beaucoup de chercheurs et qui a fait couler beaucoup d'encre, et ce parce que la principale mission accordée au microcrédit est la lutte contre la pauvreté.

Toutefois, les études et les publications ayant trait à ce sujet sont parcellaires et n'ont pas une portée générale qui puisse démontrer l'impact du microcrédit sur la réduction de la pauvreté. Le rapport de F. Gubert et F. Roubaud^8(*) cite la synthèse proposée par Sebstad et Chen en 1996 comme la plus importante parmi les travaux académiques publiées ces dernières années bien qu'elle soit vieille de plus de dix ans. Cette synthèse de 32 études d'impact portant sur 41 projets différents dans 24 pays d'Asie, d'Afrique et d'Amérique Latine, montre que le crédit accroît significativement les variables d'output (CA, Production, VA, Profit) et l'accumulation du capital. Un accroissement des revenus et de la consommation ainsi que des actifs détenus est le plus souvent attesté, « ce qui joue évidemment sur la réduction de la pauvreté ».

Le bilan sur le plan de l'emploi est plus mitigé. Bien que la plupart des études montrent un effet positif, celui ci est relativement faible, et s'exprime par l'amélioration de la charge horaire de l'emprunteur ou des travailleurs exerçant déjà que par le recrutement de nouveaux salariés.

Quant à l'impact en terme de changement technologique et de diversification des activités productives, il s'est avéré limité ne touchant que les entreprises les mieux dotées et ayant bénéficié de plusieurs prêts pour pouvoir enclencher le processus d'innovation technologique.

Une autre synthèse d'un certain nombre de travaux portant sur l'impact des trois grands programmes de microfinance au Bengladesh (Grameen Bank, BRAC, BRDB) élaborée par Khandker (1998)^9(*) montre que l'intervention des 3 IMF a eu un impact positif sur la consommation des ménages et a permis au taux de pauvreté au sein des participants de diminuer de 8.5 points de pourcentage entre 1991/92 et 1998/99 et au taux de pauvreté extrême de 18 points au cours de la même période.

Mais d'autres questions méritent aussi d'être posées à ce sujet. Elles ont font l'objet de pusieurs études qui s'articulent autour de deux points et pistes de recherches à s'avoir :

Le degré de portée du microcrédit traduit la population qui est touchée par ce service ; beaucoup de travaux de recherche s'y sont focalisés pour voir si le microcrédit à réussi à avoir pour cible la population la plus pauvre ; on va évoquer dans ce qui suit à titre indicatif et non limitatif quelques études et leurs conclusions ;

L'étude de Navajas et al (2000) effectuée sur la Bolivie^10(*), en prenant un indicateur composite de satisfaction des besoins fondamentaux à savoir l'habitat, l'accès aux services publiques, l'éducation et la santé comme indicateur de la pauvreté, conclut que la microfinance ne sert pas les plus démunis ; elle touche ceux qui se situent soit juste au dessus, soit juste au dessous du seuil de pauvreté. Elle conclut également que les programmes de prêts à des groupes de caution solidaire et d'intervention en milieu rural sont plus efficaces quant à leurs portées sur les plus pauvres que les prêts individuels el les programmes d'intervention en milieu urbain.

Quant à l'étude d'Amin et al (2001) menée sur le nord du Bangladesh^11(*), elle montre que même si le microcrédit parvient à atteindre les familles pauvres, il échoue à toucher les ménages vulnérables, en prenant comme indicateur de vulnérabilité la capacité à se protéger contre la variabilité du revenu. Elle conclut que les ménages pauvres et vulnérables sont exclus du champ d'intervention du microcrédit.

Une autre étude d'Evan et al (1999)^12(*) indique que les ménages de petite taille qui ne sont pas dotés de terres et dont les femmes sont peu ou pas instruites se caractérisent par un faible taux de participation aux programmes des IMF à cause d'un phénomène d'auto-selection et non pas par défaut de l'offre des services financiers.

Tous les travaux évoqués et la plupart des études effectuées concluent que les clients des IMF ne sont pas les plus démunis. Ce phénomène trouve son origine dans plusieurs causes dont on peut énumérer celles qui nous paraissent les plus pertinentes, à savoir :

Un ouvrage de Hulme et Mosley^13(*) auquel on se réfère fréquemment pour les recherches en microfinance conclut à un impact positif des programmes du microcrédit sur la pauvreté des client, en prenant comme indicateur le revenu de l'emprunteur pauvre et montre que cet impact est plus significatif pour un niveau de revenu plus élevé, il rejoint donc,l'idée évoquée ci-haut

Pour répondre à la question « est ce que le microcrédit peut faire sortir les pauvres de leur pauvreté ? », Jean-Michel Servet^14(*) décompose les clients des IMF en trois catégories selon l'impact des programmes de microcrédit sur leurs situations initiales. Il montre que comme le microcrédit a réussi à faire extraire le quart des clients de leur pauvreté, la situation de la moitié des emprunteurs reste inchangée alors que pour l'autre quart, le microcrédit aggrave la situation et renforce leur vulnérabilité

Pour la première catégorie, qui profite du microcrédit, elle parvient à tirer profit et à améliorer durablement sa situation pour sortir de la pauvreté ; elle est dotée de capacité entreprenariale et donc elle affecte la part du lion du crédit, si ce n'est pas sa totalité, pour monter une activité génératrice de revenus.

Quant aux clients de la deuxième catégorie, le microcrédit ne leur permet que d'améliorer la gestion du budget familial puisque ces emprunteurs utilisent les montants collectés pour des fins de consommation non génératrices de revenus à savoir l'alimentation, l'amélioration du logement, l'acquisition des biens essentiels...Le microcrédit pour cette frange ne réduit pas leur pauvreté à long terme, il ne fait qu'accroître leurs consommations à court terme.

La dernière catégorie ne connaît que les incidences néfastes du microcrédit. L'échec des projets entrepris avec les microcrédits, faute d'esprit et aptitude entreprenariale, ou du fait de son affectation des montants des emprunts à des fins non productrices, ou bien à cause d'autres incidents incontrôlables postérieurs à la souscription du crédit, entraîne leur surendettement. Et au lieu de générer des revenus, le remboursement des échéances grèvera davantage leur situation financière déjà précaire.

Les conséquences sur les pauvres peuvent être néfastes et au lieu d'améliorer leur situation, le microcrédit peut l'aggraver et augmenter la vulnérabilité du ménage. C'est pourquoi, le microcrédit ne peut pas à lui seul prétendre éliminer la pauvreté, il doit être accompagné d'autres programmes d'accompagnement tels que l'alphabétisation, la formation en matière de modes de gestion pour s'assurer que les fins d'utilisation du crédit ne soient pas détournées.

Comme le prouvent la plupart des travaux, en particulier ceux entrepris par Isabelle Guérin ^15(*)(2004) : « le microcrédit s'adresse aux personnes vulnérables mais non aux plus pauvres »

«Le but de la microfinance est d'accroître le revenu et de créer de l'emploi chez les populations pauvres, à travers le développement des microentreprises locales, et, dans ce processus, accroître le bien être financier des emprunteurs, de leurs famille et de leur communauté au sens large. »(FENU 2001).

Pour les gens qui se trouvent en situation de chômage, la recherche d'autres alternatives que d'être salarié doit s'imposer : toute personne doit croire à ses compétences et aptitudes qui lui permettent de gérer une activité indépendante. L'idéal, serait de pouvoir monter sa propre petite entreprise, sans être obligé de démarrer avec beaucoup d'argent au début.

Le microcrédit qui part du principe d'aider les personnes qui ont « les poches vides et la tête pleine de bonnes idées », s'offre alors pour soutenir tous ceux et toutes celles qui ont décidé d'entreprendre et de créer leur propre emploi ; Cuisinier, épicier, petit éleveur, couturière, esthéticienne, coiffeur, infographiste...peuvent,grâce au microcrédit, remédier à leur problème d'inaccessibilité au système bancaire , non seulement pour le financement de leurs activité mais aussi pour se procurer de l'aide, du suivi et de l'accompagnement notamment au cours du démarrage de leurs projets.

En permettant à des pauvres chômeurs de devenir leurs propres employeurs, le microcrédit permet à ces personnes de gagner en estime de soi. La microfinance serait donc au service de la dignité humaine du fait qu'elle aide les personnes porteuses de projets à s'épanouir, à sortir d'une logique d'assistance et à se responsabiliser autour de ce qu'elles entreprennent.

Le microcrédit peut se résumer sous cet angle au service offert pour permettre aux pauvres de créer leur propre emploi en leur prêtant une petite somme d'argent, en les accompagnant dans leur démarche d'entrepreneur et en faisant confiance en leur solvabilité et leur énergie.

En France, depuis sa création en 1989 par sa présidente Maria Nowak^16(*), l'Adie^17(*) a financé plus de 61 000 microcrédits générant plus de 62 000 emplois.

La vocation sociale du microcrédit est très importante, du fait qu'il cible la catégorie des gens démunie et marginalisée ; il permet le rétablissement de la justice sociale, et ce en égalisant les chances de recours au crédit entre les pauvres et les riches, comme il permet la réalisation de l'égalité entre les sexes, en ciblant la femme, et en affirmant sa capacité à promouvoir le bien être collectif.

Le fait de permettre l'accès des femmes à un capital, aussi minime soit-il, a des répercussions sur leur statut dans la famille et dans la société. En effet, dans de nombreuses régions du monde, les femmes vivent souvent dans des situations précaires ; le microcrédit contribue à leur insertion dans la vie active et l'économie marchande et se révèle être un véritable outil de leur émancipation économique et sociale.

La plupart des institutions de microfinance privilégient les transactions avec les femmes, qui sont la première cible du microcrédit et considèrent qu'elles sont capables de réaliser des taux de remboursement plus élevés que les hommes et qu'elles sont mieux dotées pour pouvoir générer, grâce aux crédits octroyés, des revenus durables qui leur permettent d'améliorer les conditions de vie de leurs ménages.

Muhammad Yunus évalue l'impact du programme de microcrédit sur l'autonomisation de la femme en déclarant : « ces femmes qui, avant ne sortaient jamais de chez elles, n'avaient jamais eu d'argent à elles et n'osaient pas prendre la parole en public, assistent désormais à des réunions où elles parlent licitement, gèrent un budget et assument des responsabilités financières, elles deviennent plus sûres d'elles mêmes »^18(*).

A l'occasion de la Journée de la Femme, le 8 mars 2008, PlaNet Finance présente la microfinance comme étant un instrument efficace de valorisation et d'émancipation pour les femmes et montre que les femmes qui représentent la moitié de la population et ne gagnent qu'un tiers du revenu mondial, ont réussi à propulser près de 130 millions d'entre elles à la tête de microentreprises, grâce au soutien et à la confiance de près de 10 000 institutions de microfinance partout dans le monde, alors qu'elles n'étaient que 5 millions il y a dix ans.

Les revenus de ces microentreprises féminines bénéficient à toute la famille, car les femmes affectent plus que les hommes les moyens dont elles disposent pour des dépenses utiles se rapportant à l'éducation des enfants, à l'amélioration des conditions d'hygiène du foyer, aux frais de santé de la famille, etc. et permettent à leurs titulaires de gagner plus de confiance en elles et de croyance en leurs propres habilités de faire des choix et d'exercer un pouvoir de négociation en tant qu'organes actifs dans l'économie.

Dans la même logique d'évaluation de l'impact du microcrédit sur les femmes, l'étude de Hashemi et al (1996)^19(*) a été réalisé en prenant huit indicateurs qui sont ; la mobilité physique, la sécurité économique, la réalisation des petits achats, la capacité à réaliser de gros achats, la participation à la prise de décisions dans le ménage, le statut au sein de la famille, la conscience politique et la participation à la vie publique et a conclu que l'accès au crédit favorise l'émancipation de la femme.

Tous les programmes de microcrédit, que ce soit ceux qui se contentent d'offrir des microcrédit pour investissement, ou bien ceux qui accompagnent leurs programmes de microcrédit par d'autres programmes d'amélioration des conditions de vie des pauvres, aboutissent à cette finalité. Mais la différence entre eux réside dans les degrés d'amélioration auxquels ils parviennent à atteindre.

En effet, par le simple fait de permettre au pauvre d'accéder au crédit pour financer une activité génératrice de revenu, une proportion de ce revenu, quelle que soit son importance, sera automatiquement consacrée pour la nourriture, l'hygiène, le logement, la scolarisation des enfants...qui sont tous des indicateurs du niveau de vie du ménage.

Le principe de privilégier la femme, renforce cet impact sur la qualité de vie, parce que la femme qui est le noyau de la famille est plus soucieuse que l'homme du bien être collectif de sa famille ; la nourriture des enfants, leur éducation, l'hygiène et l'aménagement de son logement étant, par nature, au centre de ses intérêt, elle fait de son mieux pour optimiser l'affectation,du revenu additionnel que le programme de microcrédit lui a permis, de satisfaire aux besoins du ménage.

D'autre part, dans le souci de réaliser la vocation sociale du microcrédit, la plupart des IMF, élaborent leurs plans d'intervention en prenant en compte l'amélioration des conditions de vie de leurs clients comme un objectif en soi. Pour ce faire, des programmes de microcrédit intégré sont mis en place. Ces programmes offrent aux pauvres, une combinaison coordonnée comprenant des services de microfinance et d'autres services de développement qui leur permettent d'améliorer entreprises, revenus, santé, nutrition, planification familiale, éducation des enfants, réseaux de soutien social, etc.

Une étude réalisée par Guber et Rouband (2005)^20(*) sur les client d'une IMF à Madagascar, conclut que, plus des trois quart des emprunteurs ont assisté à une amélioration au niveau de l'alimentation et de l'habillement de la famille, suite aux micrcrédits octroyés, et que deux tiers de ces clients ont connu des améliorations au niveau des équipements du logement, de la santé, des soins de la famille et de l'éducation des enfants.

Pour pouvoir solliciter un crédit reposant sur le principe du groupe solidaire, les emprunteurs doivent s'organiser en groupes, la réunion des membres du groupe leur permet de se rencontrer, de discuter et d'échanger leurs expériences et problèmes ce qui les aide à tisser des relations solidaires communautaires.

De même, le microcrédit peut être considéré comme un moyen d'intégration sociale; en effet, avant de contracter un crédit et de pénétrer le marché du travail, l'emprunteur était écarté marginalisé de la communauté, soit par auto-exclusion (car se sentant inactif, l'être humain se sous-estime et se retire guidé par un complexe d'infériorité, de manque et d'incapacité), soit par rejet des autres membres de la communauté. Mais, après avoir reçu le prêt, la personne se sent utile, capable de générer du revenu et d'apporter un plus aux autres, il reprend sa confiance en soi, s'épanouit et établit des relations sociales.

Par son insertion dans la vie active et professionnelle, l'emprunteur se trouve intégré dans un réseau de relations humaines (fournisseurs, clients, employés ...) avec lesquels il opère et coopère et détient des objectifs et intérêt communs.

J'ai essayé, dans ce chapitre de présenter le microcrédit en tant que solution alternative qui s'offre aux exclus du système bancaire classiques ; cette notion simple qui consiste en l'octroi de crédits de faibles montants à des personnes ne disposant pas de garanties matérielles pour les aider à monter des petites activités génératrices de revenus, s'est révélée, selon plusieurs études et à des degrés plus ou moins élevés, comme un outil efficace de développement local et solidaire alliant impacts économiques positifs et des retombées sociales tout aussi bénéfiques.

La fourniture de ce service est réalisé par des institutions qui se spécialisées en la matière ; quelles sont les performances de ces institutions, et comment parviennent-elles à poursuivre leur double objectifs d'efficacité et de pérennité ? Ce sont là les questions auxquelles j'essayerais, dans le second chapitre, d'exposer les réponses et les éclairages apportés par les travaux de recherche entrepris en la matière.

CHAPITRE II: GESTION DES RISQUES DE CREDIT EN MICROFINANCE

INTRODUCTION

Maria Nowak dans son livre « on ne prête pas qu'aux riches » attribue au microcrédit deux faces ; la première se réfère à la justice sociale quant aux choix de la population cible et la deuxième concerne la viabilité de l'institution de microcrédit.

En tant que financier je laisse le débat sur la première face aux juristes et autres sociologues pour étudier la deuxième qui est l'essence de ce document.

En effet, l'essor qu'a connu le microcrédit en très peu de temps et l'immensité de ses résultats nous imposent d'accorder une attention très particulière et veiller à ce qu'un tel instrument puisse fonctionner correctement et continue à contribuer au soutien des efforts de développement des régions et zones défavorisées de par le monde dans le futur.

Il s'agit de ne pas se contenter d'énumérer les impacts du microcrédit et d'en parler en termes de clichés et slogans comme « microcrédit, macro-espoir »^21(*), « microcrédit, macro idea »^22(*) , « microloans, macro-impact »^23(*)....mais il faut plutôt étudier les mécanismes et les outils à mêmes de garantir la pérennité de ce service qui est étroitement liée à la pérennité et la viabilité des systèmes et institutions de microfinance.

La pérennité est une conséquence de la viabilité opérationnelle, de la viabilité financière, de l'efficacité productive et allocative, de la gouvernance, du managment et de l'efficacité institutionnelle ; et elle ne sera réalisée, d'après Maria Nowak, que par deux facteurs : un taux d'intérêt élevé et un volume d'opérations suffisant.

Nonobstant l'effet de l'importance du nombre d'opérations sur l'abaissement des charges fixes grevant chaque crédit, ce n'est pas, à mon humble avis, le volume d'opérations en lui-même qui importe, car l'opération de crédit est par nature risquée. Un volume important d'opérations qui comportent beaucoup de transactions douteuses serait un facteur d'échec et non de succès. Donc il vaut mieux plutôt parler du nombre de crédits sans problèmes remboursables aux échéances prédéterminées, que de volume important d'opérations tout court.

La viabilité des institutions de microcrédit, outre les techniques managériales et institutionnelles, est donc le fruit d'un taux d'intérêt élevé capable de couvrir les charges de l'institution et d'un système de gestion des risques de crédit efficace.

Le présent chapitre est consacré à développer les fondements théoriques de cette opinion ; la section première présente les risques de crédit auxquels sont confrontés les institutions de microfinance et les techniques de gestion de ces risques auxquelles elles se référent, tandis que la deuxième section, propose et présente « le crédit scoring » comme méthode efficace pour rationaliser les crédits et optimiser les taux de remboursement afin d'assurer la pérennité de l'institution.

Les institutions de microcrédit, comme tous les intermédiaires financiers sont soumises à différents types de risques qui peuvent être classés en quatre grandes catégories a savoir ; les risques institutionnels, les risques opérationnels, les risques de gestion financière el les risques externes.

v Les risques institutionnels sont les risques associés à l'organisation de l'institution et à sa mission, ils peuvent être soit des risques associés à sa mission sociale, soit liés à sa mission commerciale ou bien se référant à sa dépendance des organisations internationales.

v Les risques opérationnels sont les risques auxquels sont confrontés les institutions lors de leurs opérations quotidiennes et qui se résument aux risques de crédit, risques de fraude et risques de sécurité.

v Les risques de gestion financière sont les risques qui se rapportent au domaine financier et qui englobent les risques de gestion de l'Actif et du Passif souvent traduits par les risques de solvabilité, de change et de taux d'intérêt, les risques d'inefficience ainsi que les risques d'intégrité du système d'information.

v Les risques externes sont tous les risques liés à l'environnement externe de l'institution tel que les risques réglementaire, démographique, la concurrence...

Nous allons nous contenter dans le présent mémoire d'élucider les risques de crédit auxquels sont confrontés les organisations de microcrédit, ce type de risque est le risque opérationnel le plus connu et le plus important pour les IMF.

C'est ce risque qui entraîne la détérioration de la qualité du portefeuille du crédit qui est à l'origine des pertes et des charges énormes conduisant à la faillite. Ce risque, connu aussi comme le risque de défaillance, est lié à l'incapacité du client à respecter les termes du contrat de prêt ou bien à sa volonté de s'abstenir.

Une caractéristique principale du microcrédit, et qui est à l'origine de l'exclusion bancaire de la population pauvre, réside dans les risques importants qui y sont associés et qui se rattachent à la nature du client et à sa solvabilité ; ces risques sont nés de la relation d'agence qui relie la banque à l'emprunteur.

Le crédit peut être considéré comme étant un contrat reliant la banque qui est le prêteur au client qui est l'emprunteur, pour lequel la banque loue une part de sa richesse ; en contre partie, le client s'engage à rembourser le montant emprunté et à payer des charges d'intérêt à des échéances et conditions fixées d'avance.

Cette relation donne lieu à plusieurs risques que le banquier doit gérer afin de garantir le bon fonctionnement de son activité ; l'asymétrie de l'information, les problèmes de détection, l'absence de garanties, sont donc des causes majeures de l'exclusion bancaire de la population la plus démunie ; je vais procéder dans ce qui suit à expliquer ces différents facteurs et comment ils influencent la décision de crédit.

Le marché de crédit est un marché imparfait ;l'accès aux informations est inégal entre les deux contractants, et étant donnée la divergence des préoccupations des deux parties, l'emprunteur, que ce soit de bonne ou de mauvaise foi, peut cacher à son banquier des réalités nécessaires à la transparence exigée. Ce phénomène, appelé sélection averse, biaise la décision d'octroi de crédit et rend difficile l'évaluation de la qualité du demandeur, ce qui ne peut entraîner que la méfiance de la banque pour toute personne contractante et la complication de l'opération de sélection des clients

D'autre part, un risque d'aléa moral ou moral hasard peut exister et ce lorsque l'emprunteur cache une réalité qui surgit après la conclusion du contrat et ne la communique pas à son prêteur comme doivent le mentionner les clauses du contrat. Or, la notion même du crédit repose sur un décalage temporel entre l'octroi et le remboursement, ce décalage est perçu comme une source de risque pour l'institution de crédit parce que elle ne peut pas prévoir avec certitude les événements qui peuvent surgir pendant la durée du contrat et qui peuvent influencer sur la capacité de l'emprunteur à liquider sa position dans les conditions négociées. Ce phénomène ne permet pas le bon respect des termes du contrat. Et comme on disait que « la fausse monnaie chasse la bonne », toute la population jugée insolvable ou incontrôlable fût écartée du champ d'application de la banque classique.

Pour faire face à cette asymétrie d'information, la banque préfère opérer alors avec des agents exerçant des activités dans le secteur structuré, pour lesquels l'information sera disponible par un simple recours aux bilans comptables, registres de commerce, déclarations de revenus, quitus d'impôt ou tout autre document qui laisse voir clairement la situation du client et son évolution. Ainsi, et en l'absence de ces outils, les agents exerçant des activités informelles, et les chômeurs ne pourront pas recourir au système de crédit classique géré par les banques commerciales.

Avant d'accorder un crédit, le prêteur doit constituer une bonne base de données sur le client contracté qui englobe toutes les informations se rattachant à son activité, à la situation de son ménage, au motif de sa demande, à la rentabilité et viabilité de son projet ainsi que beaucoup d'autres informations nécessaires à la construction d'un pré-avis pour évaluer la qualité du demandeur.

Or, la procédure de collecte d'informations sur le client, qui est la première étape du processus de sélection, est lourde à mettre en oeuvre que ce soit en terme de coût, de temps ou de disponibilité des données. En effet, si le client se trouve incapable pour une cause ou une autre de présenter des documents légaux fournissant les informations exigées, il se trouve mis en marge du système classique avant même l'étude de sa solvabilité.

La banque ne sera prête à collecter elle-même les informations nécessaires et à procéder à des visites des lieux par des experts que lorsqu'elle se trouve face à un client potentiel très important et un projet dont la rentabilité escomptée est très élevée.

En contre partie du risque supporté par la banque du fait du non remboursement d'une partie ou de l'intégralité du prêt, elle exige de son client une garantie. Plus le risque couru est élevé, plus la garantie demandée est importante pour être saisie en cas de défaillance du client ; or la population démunie ne dispose pas de quoi offrir comme garanties.

Et pourtant, la performance de la plupart des IMF consiste en leur réussite à réaliser des taux de remboursement des microcrédit qui dépassent dans beaucoup des cas le taux de remboursement des banques classiques bien que celles-ci opèrent avec des clients moins risqués que les catégories démunies. Cela s'explique par le succès des IMF dans leur gestion des risques de crédit.

Craig Churchill^24(*) et Dan Coster^25(*) définissent le processus de gestion des risques comme étant ; « la prévention des problèmes potentiels et la détection anticipée des problèmes réels quand ceux-ci arrivent ».

La réussite du microcrédit s'explique entre autres par la capacité de ses Institutions et ses programmes tendant à surmonter les obstacles excluant les pauvres du système bancaire, et notamment la mise en place d'emblée des procédures de gestion de risques de crédit efficaces. Ces procédures de gestion ont permis à Muhammad Yunus de gagner le pari de la solvabilité de la population démunie.

Le prêteur rationnel ne peut être prêt à s'engager dans un processus d'octroi de crédit que s'il dispose de pratiques lui permettant de réduire les problèmes d'incertitude et d'asymétrie d'information relatifs au prêt ; or les opérations de collecte d'informations et de surveillance sont très difficiles et très coûteuses dans le domaines du microcrédit, à cause des faibles montants des crédits.

Les moyens mis en place par les IMF pour réduire les risques de crédit depuis leur engagement dans l'expérience de microcrédit sont : « l'approche du crédit collectif » et « l'approche incitative pour le crédit individuel » qui substituent les incitations des emprunteurs pour rembourser aux procédures de collecte d'informations et au suivi.

Le principe du prêt collectif se base sur la responsabilité conjointe des emprunteurs, il s'agit d'une véritable innovation dans le monde de la Finance puisqu'il permet, malgré la simplicité de sa mise en place à des coûts réduits, de pouvoir pallier les problèmes majeurs auxquels sont confrontés les intermédiaires financiers à savoir le problème d'asymétrie d'information, la collecte des donnés et le contrôle du bon déroulement.

La Banque Mondiale distingue deux types d'approches collectives : une première fondée sur le principe des groupes de caution solidaires et une deuxième basée sur le principe des banques villageoises.

La technique du groupe solidaire a vu le jour avec les premières expériences du microcrédit ; en effet, et comme mentionné dans le chapitre précédant, la Grammen Bank et son fondateur Muhammad Yunus ont recouru à cette approche dès le départ pour garantir le remboursement des prêts.

Le principe de fonctionnement de ce type de prêt , intitulé « caution de groupe solidaire », est très simple ; les emprunteurs pour solliciter un crédit s'organisent en groupes de 4 à 10 personnes, et les différents membres se portent mutuellement caution. Aucune garantie ni épargne préalable n'est exigée, l'institution financière s'appuie sur l'autocontrôle interne du groupe pour réduire les risques de défaillance par le biais de la procédure (two-two-one).

Ladite procédure consiste en l'attribution des crédits à tour de rôle; Les deux premiers membres du groupe bénéficient d'un prêt , et ce n'est que si ces deux emprunteurs remboursent dans les délais fixées dès le départ, que les deux membres suivants peuvent bénéficier à leur tour d'un prêt. Lorsqu'ils remboursent, la cinquième personne, qui joue généralement le rôle du chef de groupe, obtient un crédit.

Dans les groupes de caution solidaire où les mécanismes de pression sociale sont suffisamment forts pour exercer un rôle de menace, le prêteur délègue au groupe la gestion de l'information à la fois ex-ante (sélection des emprunteurs solvables), et ex-post (surveillance et contrôle des comportements de remboursement). L'approche collective apparaît ainsi comme un instrument de gestion des risques d'asymétrie d'information.

Cette seconde technique de prêt collectif intitulée « banque villageoise » (village banking) ou encore « groupe d'auto assistance » a est développée notamment par la fondation FICA (Foundation for International Community Assistance). Elle s'appuie sur des groupes dont le nombre des membres est plus grand que celui des groupes de caution solidaire (l'effectif du groupe varie entre 10 et 50 personnes).

Avec cette approche, c'est le groupe entier qui bénéficie du crédit, et c'est au sein du groupe que la redistribution prend lieu entre les différents membres, selon des modalités et des règles qui sont propre au groupe.

Outre l'accès au crédit, cette technique est pionnière dans la mesure où elle vise l'amélioration des capacités d'auto-organisation des groupes de pauvres « l'empowerment» afin d'assurer leur autonomie financière.

La méthode a été lancée en Amérique Latine au cours des années quatre-vingt, et a été imitée et reproduite dans plus de 25 pays, aussi bien en Amérique qu'en Afrique. Etant donné que les règles internes sont spécifiques aux groupes, les résultats sur l'autonomisation dépendent des contextes et des moyens développés dans chaque groupe.

Une enquête a été réalisée par la Banque Mondiale en 1997 dans les pays en développement, dans le cadre de son programme Sustainable banking with the poor, afin d'étudier ces deux techniques de prêt collectif (voir le tableau 1ci-dessous)

Cette étude prouve que ce type de crédit est plus orienté vers les femmes que le crédit individuel (le pourcentage des femmes adhérentes à ces programmes dépasse celui des femmes qui ont contracté des crédits individuels), et plus concentré dans les zones rurales. Ces deux caractéristiques rejoignent l'idée que les prêts de groupe sont plus conçus pour servir la population exclue du système bancaire traditionnel, en particulier les femmes et les habitants des régions rurales et isolées

Tableau 1. Comparaison des institutions accordant des prêts individuels et des prêts collectifs

Ce tableau montre aussi que les taux d'impayés déclarés sont plus élevés pour les prêts collectifs et notamment chez les groupes solidaires de 11-50 personnes. Plus le groupe s'élargit plus le taux d'impayés augmente, car plus le nombre de membres du groupe augmente plus la responsabilité est diffuse.

S'inspirant de ces deux programmes de crédits et s'inscrivant dans la même optique de prêt collectif, plusieurs programmes de microcrédit on vu le jour. En fait, il s'agit de l'application de l'une des deux techniques de groupe solidaire et de banque villageoise si ce n'est pas la combinaison des deux dans des contextes particuliers suivant des stratégies différentes. On cite à titre d'exemple, d'après Isabelle Guérin :

Le principe de base de fonctionnement est celui de la Grameen Bank, à savoir une responsabilité conjointe au sein d'un groupe d'emprunteurs (généralement au nombre de 5 personnes) qui est doublée d'une responsabilité conjointe sectorielle parceque ces groupes solidaires sont regroupés en quartiers, qui à leur tour sont regroupés en villages.

Au sein de chaque village, tous les groupes sont mutuellement responsables : si l'un des groupes ne rembourse pas, c'est l'ensemble du village qui est privé d'un nouveau prêt. L'objectif de l'instauration d'un tel système pyramidal sévère, consiste à profiter de la forte pression sociale villageoise.

Cette technique a été imposée au Burkina Faso par Le PPCR^27(*) qui s'est chargé d'adapter l'idée de la Grammen Bank dans un contexte risqué du fait des sécheresses régulières, d'une clientèle dispersée et d'un contexte économique défavorable.

· La convention « crédits rotatifs »: responsabilité sectorielle et fonds de garantie

L'idée de base du Crédits rotatifs du Crédit Mutuel au Sénégal combine les deux principes des groupes solidaires et des banques villageoises

Il repose sur la technique suivante ; un crédit, d'un montant de 420$US, est octroyé à un groupe de femmes, dont la taille varie entre 10 et 250 personnes. La gestion du crédit est entièrement déléguée au groupe qui décide lui-même des conditions d'attribution et du choix des bénéficiaires, et qui se charge de surveiller les remboursements.

Deux types de garanties sont exigées, à savoir le partage et la mutualisation des risques ; Le partage des risques se fait par le bais d'un fonds de garantie, alimenté à la fois par les groupements emprunteurs et par un bailleur de fonds, et la mutualisation des risques reprend le principe de la responsabilité conjointe sectorielle du fait que les groupes sont responsables les uns des autres à l'échelle du quartier.

· La pression sociale par la responsabilité conjointe : les caisses villageoises autogérées

L'objectif de ces caisses consiste à favoriser l'octroi de crédit et non pas la mobilisation de l'épargne. Elles sont gérées par un comité de gestion composé de 6 à 12 personnes, des deux sexes, appartenant aux différents quartiers du village. L'élection des membres se fait par les villageois qui basent leurs choix sur des critères d'honnêteté, de sérieux et de dévouement ; le rôle du comité consiste à analyser les demandes de crédit, à décider des octrois et à contrôler la bonne gestion.

Pour cette catégorie de crédit, une garantie matérielle est exigée pour tout prêt demandé, mais l'originalité réside dans les objets offerts en garantie et qui ne représentent pas de valeur comptable mais qui servent de gage à cause de leur rareté ; en effet, un fusil, une charrue, une radio ou même une bicyclette peuvent composer le fonds de gage d'une caisse villageoise autogérée.

Ce type de caisse a été mis en place par une organisation française (le Centre International de recherche et de développement, CIDR)^28(*) au Mali, en Burkina Faso, en Gambie, à Madagascar, au Cameroun, à Sao Tomé, et en Ethiopie.

L'approche de prêt collectif sous les différentes formes qu'elle prend permet donc au prêteur de réduire les coûts de transaction liés à l'octroi d'un crédit puisqu'elle regroupe les clients et délègue vers ceux-ci une partie importante de la sélection qui représente le risque ex-ante et du contrôle qui représente le risque ex-post (Gomez Vaquero, 1992^29(*) ; Berenbach, Guzman, 1993^30(*)). Cela se traduit par une économie d'échelle et une réduction du risque dont une partie est transférée aux emprunteurs.

Par le recours aux prêts de groupe, l'IMF peut bénéficier de l'avantage de diversification qui lui permet de réduire ces risques (Berenbach, Guzman, 1994)^31(*). Avec ce type de crédit, le fait que les membres d'un groupe exercent des activités différentes est considéré comme un facteur positif pour le prêteur (Albert, 1997)^32(*).

Personne ne peut nier les avantages que peut rapporter la technique du prêt de groupe, mais il n'empêche qu'une telle méthode ait des limites. En effet, D'une part, le regroupement en cinq membres où plus peut être artificiel, c'est-à-dire que les personnes concernées, en se trouvant contraintes d'être organisés en groupe pour pouvoir accéder au crédit, vont se rassembler rien que pour former un groupe ; de cette façon il n' y aurait pas d'auto-sélection puisque les membres ne se connaissent pas bien, et la pression sociale ne jouera pas son rôle.

Jonathan Morduch^33(*) (1999) pense que le rôle du prêt collectif a été exagéré par les économistes qui y voient l'outil efficace combinant accessibilité et viabilité, et ce parce que l'efficacité de cette technique en terme d'incitation des emprunteurs au remboursement dépend du degré de cohésion sociale.

D'autre part, c'est dans les zones rurales, que cette approche fonctionne mieux, car dans ces milieu l'approche mutualiste est plus privilégiée et la cohésion sociale est plus importante que dans les milieu urbains, où on assiste de plus en plus à la disparition du sentiment d'appartenance à une communauté, ce qui fait que l'application du principe de pression sociale s'y trouve de portée limitée.

Une autre limite réside dans le fait, qu'un mauvais élément insolvable dans le groupe peut exclure du champ d'intervention de l'institution beaucoup d'autres clients qui sont des bons emprunteurs. Cette exclusion est autant nuisible aux clients qu'à l'IMF en terme de manque à gagner, car le prêteur, en sanctionnant tout le groupe parce qu'un élément s'est abstenu de rembourser, voit se réduire le nombre de ses clients potentiels.

Timothy Besley et Stephen Coate (1995), à travers un jeu qu'ils intitulent « jeu du remboursement »^34(*) montrent que deux équilibres sont possibles pour ce marché de prêt collectif. Dans le premier, tous les emprunteurs acceptent de rembourser car ils anticipent que les autres vont rembourser. La responsabilité conjointe joue bien son rôle de mutualisation des risques. Toutefois, un second équilibre est également envisageable et stable, il suffit qu'un des membres anticipe la défaillance d'un de ses partenaires, pour que le défaut de remboursement soit collectif. Il est alors plus avantageux pour chacun de ne pas rembourser dans ce cas.

Huppi et Feder, (1990) parlent « d'effet domino »^35(*) pour cette approche de prêt collectif à logique pyramidale, dans la mesure où la défaillance de quelques emprunteurs peut avoir pour conséquence l'effondrement progressif de tout le système de crédit. En effet, Lorsque le système est pyramidal, cette ambivalence est d'autant plus marquée, et dispose d'un effet de levier, Il est plus avantageux pour un groupe de ne pas rembourser lorsque la défaillance d'un des groupes bloque l'ensemble du système. Et plus le nombre des membres ou des groupes défaillants augmente, plus l'incitation à ne pas rembourser est forte puisque les chances d'octroi d'un autre crédit diminuent. On assiste alors à un effet « domino ».

Du fait du rôle déterminant des anticipations croisées, une simple rumeur suffit à déclencher un processus en chaîne.

Cette technique se distingue de l'approche de groupe par sa souplesse ; l'emprunteur n'est pas obligé de faire partie d'un groupe et d'obéir à ses règles internes pour pouvoir solliciter un prêt, il n'est pas obligé de se porter garant des autres membres du groupe, et n'a pas à être sanctionné lui aussi si quelqu'un d'autre n'a pas respecté ses engagements.

Cette approche est plus équitable que la procédure de prêt de groupe, car avec cette méthode, chacun assume ses responsabilités, les crédits sont personnels et individuels, et le prêteur traite chaque client en fonction de sa solvabilité à lui et non pas en fonction de la solvabilité de tout un groupe.

L'incitation au remboursement pour cette technique ne réside pas dans la pression sociale exercée par les membres d'un groupe, mais dans la motivation de l'emprunteur, il s'agit d'une simple procédure d'approbation et de renouvellement, du fait que chaque client qui rembourse dans les termes du contrat a droit à solliciter un crédit d'un montant plus élevé. Donc partant de cette logique, l'emprunteur est contraint d'être régulier dans ses remboursements afin de ne pas être pénalisé et privé d'un second prêt.

La cible du microcrédit, étant la population démunie, majoritairement féminine, caractérisée par un taux d'alphabétisation faible, les programmes y afférents sont donc souvent accompagnés de programmes de formation dans les techniques de gestion, de suivi et contrôle des projets bénéficiaires de financement. Ces programmes revêtent une importance capitale dans la mesure où ils contribuent à accompagner les petits promoteurs et à les assister notamment dans les phases de démarrage.

En effet, la cause essentielle de l'incapacité des emprunteurs à rembourser réside dans l'échec des activités entreprises, ou le détournement de l'affectation du microcrédit vers des dépenses non génératrices de revenus. Le suivi et l'accompagnement des bénéficiaires permettent de diminuer les risques de détournement des crédits et d'échec des projets.

D'autres techniques de gestion de risques sont envisageables pour les institutions de microcrédit, ces méthodes se basent sur l'évaluation de la solvabilité des clients afin de sélectionner ceux que l'institution juge capables de ne pas présenter des défauts de remboursement.

« Le crédit scoring », est une méthode statistique d'évaluation des clients qui s'est révélée comme un outil efficace de gestion des risques dans les banques commerciales, peut s'étendre au champ d'intervention des IMF, et s'adapter à ses caractéristiques.

SECTION ²² : LE CREDIT SCORING

Le principe général de fonctionnement des IMF consiste à déléguer une partie de la décision d'octroi des prêts aux agents de crédit ; En effet, toute personne souhaitant contracter un prêt se présente à l'agent de crédit, ce dernier en fonction des données collectées sur le demandeur évalue sa solvabilité pour décider si la demande de l'intéressé peut être présentée au comité de crédit, s'il s'agit d'un bon client, sinon il refuse la demande d'emblée.

Ce jugement se base sur l'opinion de l'agent qui, en fonction de son expérience et des historiques de remboursement des prêts octroyés auparavant, parvient à se doter d'une certaine intuition qui le guide dans son évaluation.

Cette évaluation subjective, quoiqu'elle dispose d'un bon pouvoir prédictif prouvé par le taux de remboursement élevé, généralement réalisé en microcrédit, peut comporter certains biais personnel.

En effet, et comme le pense Mark Schreiner^36(*), d'une part, les agents de crédit doivent prendre leurs temps pour tirer de leurs expériences « un sixième sens » pour pouvoir distinguer entre un bon et un mauvais emprunteur. D'autre part, l'humeur du jour de l'agent de crédit, son degré d'aversion au risque, peut biaiser sa décision ainsi que la sélection des caractéristiques inappropriées.

Les méthodes statistiques sont les meilleures solutions aux biais personnels de sélection, et c'est dans cette perspective que Schreiner envisage d'appuyer l'évaluation subjective par une évaluation statistique appelée « le crédit scoring ».

Le risque est indispensable pour la bonne marche des activités de microcrédit mais il est très important de prendre plutôt des risques calculés. Le crédit scoring se présente comme une technique de quantification du risque par l'évaluation du risque de défaut d'une personne donnée.

« Le terme Crédit Scoring désigne un ensemble d'outils d'aide à la décision utilisés par les organismes financiers pour évaluer le risque de non remboursement des prêts. Un score est une note de risque, ou une probabilité de défaut »^37(*)

« Scoring est l'utilisation des connaissances des résultats de remboursement et des caractéristiques des prêts remboursés dans le passé pour pronostiquer les résultats de futurs prêts »^38(*)

Le crédit scoring, souvent désigné « Le crédit par point » dans certains ouvrages, constitue une tentative de rationalisation de l'exploitation de la base de données qu'a pu construire le prêteur sur ses clients afin d'apprécier leur solvabilité.

Il consiste à attribuer à chaque information collectée une note ; une fois comparé à une grille préétablie, le total des notes de toutes les informations pour chaque client, commande la décision de l'agent de crédit. La grille et le nombre de points attribués à chaque réponse se basent sur l'expérience statistique.

Le Crédit Scoring est une technique jeune; son apparition remonte à soixante huit ans. En poursuivant les recherches de Fischer sur l'analyse discriminante, Durand (1941) est le premier à reconnaître la possibilité d'utiliser les techniques statistiques pour analyser le défaut de remboursement des clients et pour discriminer entre bons et mauvais emprunteurs.

Même si le recours au Crédit Scoring pour l'évaluation des risques d'un emprunteur n'est pas nouveau, il convient de signaler que le concept est relativement jeune pour la microfinance notamment dans les pays en développement (Schreiner, 2004)^39(*).

La principale hypothèse sur la quelle se fonde les théories du crédit scoring consiste à penser que le passé est le meilleur estimateur du futur.

A partir de la base de données qui comporte un bon nombre d'historiques de clients ainsi qu'une multitudes de leurs caractéristiques, l'explorateur doit identifier les caractéristiques qui seront incluses comme variables dans le modèle, c'est-à-dire les facteurs qui influent sur le risque à prédire ( dans notre exemple d'évaluation de risque de crédit, ces variables sont les caractéristiques de l'emprunteur déterminantes de son comportement de remboursement), ainsi que le lien et la corrélation entre chaque variable et le facteur de risque.

Des définitions précises de la variable à expliquer fournissent les meilleurs modèles en termes de précision et de pouvoir prédictif.

Pour les modèles statistiques, cette étape nécessite des analyses statistiques rigoureuses, des logiciels de programmation tel que SPSS, STATA, SAS, qui facilitent l'utilisation des techniques statistiques, surtout qu'un bon modèle se base sur beaucoup de clients et de variables observés.

La fiche de notation est le fruit de l'exploitation des données de l'échantillon de construction, elle fournit les liens escomptés entre le risque prévu et les caractéristiques de l'emprunteur. Elle peut avoir plusieurs types suivant la manière d'exploitation des données ;

Elle peut être statistique, établie à partir de l'évaluation statistique des informations et des crédits passés. Ce type de fiche comporte un ensemble de règles ou des formules mathématiques qui prédisent le risque de crédit précis de chaque emprunteur en fonction de ses caractéristiques.

La fiche peut être subjective établie à partir des jugements des experts et de l'expérience de l'institution, elle comporte des directives explicites d'évaluation que les agents combinent avec leurs évaluations implicites.

Comme elle peut être hybride combinant les techniques statistiques et le jugement des experts.

Pour valider la fiabilité prédictive d'une fiche de notation, il conviendrait de vérifier que cette fonction donne également des résultats satisfaisants sur la même période à partir d'au moins un autre échantillon.

Après avoir élaboré la fiche de notation, un test historique sur son pouvoir de prédiction est indispensable avant sa mise en application ; ce test consiste à utiliser la fiche pour prévoir le risque associé aux prêts d'un échantillon historique de test, différent de l'échantillon de construction et comparer ce risque prévu avec le risque réalisé.

Ce pouvoir prédictif peut être évalué selon trois critères ; la précision absolue qui indique l'écart absolu entre le risque prévu et le risque réalisé, la précision relative qui indique dans quelle mesure le risque réalisé varie dans les mêmes proportions que le risque prévu, et la précision en queue de distribution qui examine la précision absolue et la précision relative pour les segment extrêmes, à savoir les catégories « les trop risqués » et « les très peu risqués ».

Une fois validée par les tests historiques, la fiche de notation peut être mise en application pour évaluer les clients et guider le choix de décision.

Le pouvoir prédictif d'une fiche de notation se dégrade avec le temps ; une fonction score garde son pouvoir prédictif au moins pendant les quelques années suivant la période au titre de laquelle elle a été élaborée. Il est donc nécessaire de vérifier périodiquement que ces résultats sont encore valides lorsqu'on s'éloigne de la période de référence.

Le scoring permet de prédire le risque, il ne revendique pas cependant à son utilisateur la manière de le gérer, l'institution doit établir sa politique en matière de gestion de ces risques quantifiés, et ce par la classification et la fixation des seuils.

Les clients peuvent être classés en des segments suivant leurs risques respectifs ; le nombre des segments dépend de la politique de l'institution.

la classification peut porter sur deux segments, à savoir un segment des « prêts risqués » pour lequel le scoring affecte les demandes à rejeter, et un segment des « prêts pas trop risqués » pour lequel seront affectés les demandes qui ne présentent pas trop de risques d'après le scoring..

Les classes de risques peuvent être en nombre de quatre ; la classe de « risque excellent » qui englobe les prêts qui se caractérisent par un niveau de risque très faible, la classe de « risque normal », la classe de « risque limite » et la classe de « risque problématique ».

Le scoring permet à l'institution d'adopter des politiques différentes pour chaque niveau de risque prévu ; par exemple les demandes classées dans le segment très problématique seront rejetées automatiquement, les demandes du segment excellent seront approuvées immédiatement, et l'institution peut envisager des politiques d'incitation et de fidélisation des clients à risque excellent ; pour les cas à risque normal, le scoring confirme l'acceptation provisoire de ces prêts. Par contre, pour la classe limite, le comité doit examiner les différentes demandes avec beaucoup de soin pour décider soit du rejet soit de la modification des caractéristiques du prêt par l'exigence de garantie supplémentaire ou bien par la réduction du montant à décaisser.

Les seuils de risque qui déterminent les limites de chaque classe sont déterminés par les dirigeants de l'institution suivant leur politique, leur aversion au risque, leur objectif, et le type de clients qu'ils veulent cibler, sachant que ces seuils peuvent être changés facilement par la fixation d'autres seuils.

La réussite du crédit scoring et son utilisation de plus en plus fréquente sont une conséquence inéluctable des avantages qu'il procure à ses utilisateurs notamment dans le domaine du crédit et dont il convient de citer particulièrement :

Le recourt au crédit scoring permet d'augmenter la robustesse du processus d'évaluation, par une meilleure évaluation du risque prévu pour les différentes classes de risque des emprunteurs.

Le principal inconvénient du jugement personnel étant le biais humain d'évaluation. Que ce soit de bonne ou de mauvaise fois, le décideur de crédit peut ne pas prendre la bonne décision, le crédit scoring vient donc pour remédier à ce biais , en privilégiant l'évaluation objective.

Les demandes à risque extrême (soit trop risqué ou bien très faiblement risqués) sont détectées rapidement, les réponses soit d'accord ou de refus de ces types de demandes sont automatiques ; le temps gagné sur leur étude peut être utilisé pour se concentrer d'avantage à l'exploitation des dossiers à score moyen, ce qui se traduit par une amélioration de l'efficience des agents de crédit.

Le scoring permet de détecter les prêts très problématiques. Le rejet automatique de ce type de prêt se traduit par un gain en termes de coût et de temps, par moins d'arriérés de crédit à recouvrir par l'agent de crédit, Quand on sait combien l'opération de recouvrement des impayés est onéreuse et combien de temps et d'efforts elle demande, on réalise l'importance des gains qui pourraient être réinvestis dans la prospection et l'évaluation des autres demandes.

Ce type d'évaluation entraîne la standardisation de la procédure d'octroi de crédit ; elle permet de placer objectivement chaque client suivant son risque de remboursement, par rapport à un seuil que la direction détermine ; l'objectivité de la procédure permet à la direction de déléguer la décision d'octroi de crédit à ses agents et peut y impliquer mêmes ceux qui ne sont pas trop expérimentés.

§ L'homogénéité des décisions et le sentiment de sécurité des agents de crédit :

Guidé dans leurs prises de décisions par un manuel de fonctionnement, des règles de décisions préétablies et par une évaluation objective, les décisions des différents agents et différents antennes ne peuvent être qu'homogènes et comparables ce qui est de nature à sécuriser le décideur. Il ne culpabilisera pas d'avoir jugé injustement un client, ni d'avoir pris beaucoup de risque que l'institution peut ne pas tolérer. Cette homogénéité des décisions apparaît comme un gage et une preuve de l'objectivité et de la crédibilité de l'institution et de ses agents.

Une politique de prix fondée sur le niveau de risque peut être envisagée ; ainsi les demandes ayant un risque inférieur au seuil le plus faible peuvent être fidélisé par exemple par une réduction de la commission de prêt, tandis que pour ceux de la classe de risque limite, l'institution peut augmenter la valeur de la commission, du taux d'intérêt, ou bien exiger une garantie supplémentaire.

Le classement des clients, permet à l'institution d'optimiser ses choix quant à l'allocation de ses fonds, par la sélection des clients les plus crédibles.

§ Ajustement de la politique de l'institution en déplaçant le seuil d'acceptation :

La direction de l'institution peut à tout moment changer le seuil d'acceptation de crédit pour une raison ou une autre ; par exemple si elle veut prendre moins de risque que d'habitude parce qu'il s'est avéré qu'elle a beaucoup d'arriérés pour l'exercice précédent, il suffit qu'elle fixe le nouveau niveau de risque tolérable et de le communiquer aux agents de crédit.

L'évaluation statistique par la méthode du crédit scoring prend en considération une multitude de facteurs de risques ; elle permet par une simple procédure d'exploiter beaucoup de variables déterminantes du comportement de remboursement du client pour prédire et estimer son niveau de risque de défaut de remboursement.

Le scoring n'apportera ses fruits que dans les institutions dotées d'une importante base de données historiques sur ses clients.

Le crédit scoring en microfinance est utilisé en conjointement avec le processus de jugement personnel des agent de crédit et non pas comme outil de décision indépendant, puisque le scoring n'évalue que les caractéristiques quantitatives. Le recours à l'évaluation subjective des agents de crédit, qui évaluent les caractéristiques qualitatives qui sont statistiquement ignorées, reste toujours nécessaire.

De ce fait la notation ne va pas se substituer à l'expertise et au jugement personnel de part l'importance des caractéristiques qualitatives des demandeurs de crédit, mais elle va plutôt le compléter.

Avant la mise en place d'un projet scoring, Schreiner^40(*) suggère de commencer par la préparation de la culture organisationnelle, la collecte des données et le choix du modèle.

1. préparer la culture organisationnelle pour la mise en place du crédit scoring

Schreiner pense que la difficulté dans la mise en oeuvre d'un projet de crédit scoring ne réside pas dans les procédures techniques, elle relève plutôt de la qualité humaine et organisationnelle. Il suffit d'exploiter la base de données pour pouvoir tirer une formule mathématique, mais, le problème consiste à savoir comment changer la culture organisationnelle pour pouvoir mettre en place l'application de cette formule.

Les agents de crédit peuvent être réticents envers le scoring, et n'y voire qu'un travail supplémentaire à effectuer, comme ils peuvent s'y méfier du fait que ceux qui préparent le modèle qui guidera leurs choix soient des personnes qui n'ont jamais accordé des crédits, ni rencontré un de leurs clients. Ils ne les considèrent donc pas aptes pour prédire et évaluer leurs propres clients.

Les gestionnaires de l'organisation doivent préparer l'installation du modèle de scoring, pour qu'il ne reste pas non exploité et surtout pour qu'il ne soit pas mal exploité ; une sensibilisation préalable et une formation de plusieurs mois sont indispensables pour les parties prenantes de l'évaluation.

Toutefois, la connaissance théorique de son mode de fonctionnement n'est pas suffisante, il faut que ses utilisateurs soient convaincus que c'est une pratique qui marche, et qu'ils aient la ferme volonté de l'appliquer et de l'utiliser.

L'acceptation de ce nouveau mode de fonctionnement serait le fruit de la simplicité de son utilisation grâce notamment à une bonne formation, d'une conviction des avantages qui lui sont associés, et de l'implication des directeurs et agents de crédit dans la préparation de la « formule magique ».

Il faut veiller à ce que le nouveau système d'évaluation ne coupe pas court, et subitement, avec l'ancien système. Les agents de crédit ne vont pas accepter facilement un changement radical de leurs procédures et méthodes de travail. La nouvelle procédure doit donc se rapprocher du système de gestion des informations déjà existantes, et n'exiger que peu de nouvelles données à inclure en plus de celles qu'ils ont déjà pris l'habitude d'utiliser dans le cadre du système classique.

La nouvelle procédure ne devrait pas être perçue par les agents de crédit comme un substitut à leurs jugements subjectifs. Ils ne devraient être appelés à appliquer le scoring que sur les demandes qui ont déjà bénéficié d'une approbation subjective quant à ses caractéristiques qualitatives.

Une politique écrite et un manuel de procédures doivent être mise en place, non seulement pour empêcher le recours aux méthodes traditionnelles et la mauvaise exploitation des données, mais aussi, pour indiquer les seuils de risques et les marches à suivre pour chaque seuil. Ce manuel devra déterminer, par exemple, le niveau de risque au-dessous du quel le prêt est considéré excellent, et comment le récompenser.

Mettre en place une méthode de scoring appropriée à la microfinance nécessite une combinaison des outils techniques de modélisation et un savoir pratique des risques de crédit des emprunteurs. Le projet de scoring doit donc prendre en compte l'expérience du personnel de crédit.

L'implication des agents et directeurs de crédit dans la phase de modélisation ne peut être que bénéfique, puisqu'elle diminue leur réticence envers cette technique qui va s'imposer dans leur domaine « réservé », et contribue à dissiper leur méfiance envers sa fiabilité quand elle n'apparaîtra plus à leurs yeux comme parachutée étant donné qu'ils ont participé à sa modélisation. Par ailleurs, l'expérience qu'ils ont acquise lors de leur participation à la modélisation ne peut qu'améliorer la crédibilité du modèle.

Le responsable du projet scoring doit faire comprendre aux décideurs de crédit que le processus ne va pas se passer de leurs évaluations subjectives, et qu'au contraire il va les aider à mieux évaluer les caractéristiques quantitatives. Il doit encourager le personnel à proposer leurs commentaires et suggestions, et leur poser des questions quant aux caractéristiques qu'ils jugent déterminants du risque et aux obstacles au bon fonctionnement du scoring.

Avant la mise en place officielle du projet, un test historique de son pouvoir prédictif doit être effectué. Cette phase est très intéressante pour s'assurer que la technique est fiable, et pour en convaincre les directeurs de crédit et faire en sorte qu'ils l'acceptent, et l'adoptent.

Le fait de prouver aux responsables de crédit que la fiche de notation produit les mêmes effets sur un autre échantillon de test qui n'était pas pris en compte dans l'échantillon de construction et que le risque prévu par le scoring se rapproche du risque réalisé, ne peut que les convaincre que les résultats peuvent être généralisés pour tous les clients.

Pour pouvoir élaborer une fiche de notation, l'institution doit commencer, des années avant de la mise en place du projet, par la collecte des données qui peuvent influer sur le risque de remboursement : ces données se rapportent soit aux caractéristiques de l'emprunteur, soit à celles du prêt, comme elle peuvent être en rapport avec les caractéristiques de l'agent de crédit.

Les caractéristiques de l'emprunteur sont les facteurs les plus déterminants de son comportement de remboursement. Un maximum de donnés sur le client permet de mieux prédire son comportement ; en effet, ces données peuvent se référer à ses caractèristiques démographiques ou celles relatives à son ménage, ses coordonnées, les avoirs de sa famille, son activité professionnelle, ses flux financiers, son historique de remboursement, ses traits de caractères.

C'est le type de données le plus important en terme de pouvoir prédictif ; ces caractéristiques sont relatifs à l'âge du client, son sexe, sa situation familiale, son niveau d'étude.

D'autres informations sur le client : numéros de téléphone au domicile et au travail pour le contacter, ou bien la distance séparant son domicile de l'agence la plus proche sont nécessaires pour pouvoir déterminer le coût des transactions et la difficulté du travail de suivi des agents.

Le nombre des membres du ménage et leurs âges, le régime d'occupation du foyer et son type, les biens de propriété de la famille, la possession de véhicules et d'appareils ménagers, sont des indicateurs du niveau de pauvreté du demandeur de crédit, qui doivent être collectés pour prédire la solvabilité du client.

Le secteur d'activité, le type d'activité, le nombre d'années d'expérience, le type du local et l'enregistrement officiel sont toutes des informations que l'institution doit savoir sur son emprunteur et qui lui servent pour évaluer son risque de défaut.

Connaître les différents revenus de la famille ainsi que ses différentes dépenses et la régularité de ces flux est indispensable pour bien cerner la situation financière de l'emprunteur et sa stabilité.

Les remboursements passés étant les meilleurs indicateurs du remboursement futur, l'institution doit être en mesure de déterminer les performances de remboursement de chaque prêt antécédent, ainsi que les détails de tout retard.

Les institutions de microcrédit qui veulent investir plus dans la qualité de leurs modèles de crédit scoring, peuvent collecter des données qui sont des indicateurs indirects des traits de caractère de l'emprunteur. Ces données sont en relation avec la consommation du client des cigarettes et des boisons alcoolisés, l'aversion de l'emprunteur au risque et sa préférence pour les jeux d'hasard, son appartenance aux comités....

Le montant du crédit décaissé, le montant demandé, le taux d'intérêt pratiqué, la période de grâce si elle existe, l'objet du prêt, le type de garantie et sa valeur si elle a lieu, le nombre des versements et la période de prêt, sont toutes des informations relatives à chaque client, elles doivent figurer sur la base de données de l'institution pour que le projet de scoring peut en tenir compte lors de l'élaboration.

Les caractéristiques de l'agent de crédit qui a pris la décision quant à l'octroi peuvent influencer le risque ; l'institution doit avoir enregistré, pour chaque crédit déboursé, l'agent qui a effectue l'opération. Lors de l'exploitation et l'extrapolation des données, son sexe, son âge, sa situation familiale, son niveau d'études et sa spécialité seront pris en compte.

Le choix du modèle de scoring repose sur le choix du type de la fiche de notation ainsi que le choix de la variable à prédire par l'évaluation.

Schreiner^41(*) distingue trois modèles du scoring selon la technique d'évaluation et de classification utilisées.

Pour nous faire comprendre le principe de prédiction du risque par l'arbre , Schreiner recourt à un exemple d'arbre très simplifié, il s'agit d'un arbre à quatre feuilles que je reprends( voir figure 1);

Cet arbre comporte deux niveau, le premier étant le type de prêt (nouveau ou bien renouvellement) et le second étant le sexe, et malgré sa simplicité, il indique plusieurs éléments à l'institution sujet d'évaluation :

Le principe de fonctionnement de cet arbre dans la prédiction du risque suppose que le risque historique associé à un segment représente le risque prévu pour ce segment, donc toute demande représentant certaines caractéristiques est identiques au risque historique des prêts passés présentant les mêmes caractéristiques. Partant de cette logique, le risque prévu d'une première demande de crédit d'un homme vaut 22,3%.

Ce type d'évaluation nous rappelle l'évaluation subjective qui repose sur le même principe, mais elle mesure les relations historiques en terme qualitatifs et implicites, tandisque l'arbre mesure les relations en termes explicites et quantitatifs.

Nous avons étudié un arbre à deux niveau et quatre feuilles pour faciliter la compréhension de la procédure, mais la logique est la même quelque soit le nombre de niveaux et de feuilles qui représentent les différents segments des clients.

Une fiche de notation par régression est une formule mathématique qui procure la probabilité personnelle de réalisation de l'événement source de risque pour l'institution et qui est dans notre cas le défaut de remboursement.

Cette formule comporte les indicateurs explicatifs du comportement (les facteurs influençant le comportement de remboursement) sous forme de variables qui dépendent de l'emprunteur ; ces variables sont pondérées par des coefficients traduisant la relation entre chaque facteur de risque et le risque encouru.

Les coefficients de pondérations ainsi que les variables retenues dans la formule mathématique sont le fruit d'études statistiques complexes comparativement aux analyses des arbres.

Les fiches de notation par régression ont le meilleur pouvoir prédictif, elles indiquent clairement le lien entre chaque caractéristique et le risque quant au sens ou la part de sensibilité du comportement de remboursement pour chaque variation de chaque variable explicative du modèle.

Ce type de fiche se base non pas sur l'évaluation statistique des données, mais plutôt sur l'expérience et le jugement des responsables.

Les systèmes experts reposent sur des règles explicites ou bien des formules mathématiques et non pas sur des jugements implicites comme l'évaluation subjective, et ils ne peuvent pas établir la corrélation entre le risque et les facteurs, comme peut le faire la régression.

Ils disposent du pouvoir prédictif le plus faible parmi les autres types de fiche, du fait qu'ils ne se basent pas sur des évaluations objectives, même s'il reposent sur des formules mathématiques ; les coefficients de pondération et les variables ne sont pas tirés des données, ils sont plutôt choisis par les dirigeants.

La plupart des IMF prétendant travailler avec le crédit scoring ont plutôt recours aux systèmes experts.

L'institution doit choisir entre différents type de scoring à mettre en place, qui différent selon le risque que l'IMF se propose de prévoir comme elle peut utiliser plusieurs à la fois;

il permet d'évaluer le risque de défaut de remboursement du client, pour décider d'octroyer le crédit ou bien rejeter le demande. Le risque que cherche à prédire l'institution peut être le non remboursement ou bien le retard des remboursement. C'est le type de scoring le plus répondu et le plus utile à mon avis, car il permet de distinguer d'emblée entre les bons et les mauvais clients.

Il évalue le risque de retard du versement prochain pour un prêt déjà en cours. Si le client se trouve risqué par l'évaluation, il est présumé « coupable », l'institution peut alors exercer sur lui des incitations au remboursement régulier, tel que les visites de courtoisie pour le rappeler indirectement, par la simple présence, de ses obligations.

Il calcule la probabilité de présenter encore du retard pour un prêt présentant déjà un arriéré. Sur la base de cette évaluation, l'agent de crédit décide de rendre visite à l'emprunteur ou non, comme il décide de la pratique qu'il va exercer sur lui pour le relancer (soit la manière douce, soit la manière forte)

Le scoring du risque de départ se propose de prédire si le client demandera un autre crédit une fois son prêt arrive à terme, cette évaluation permet de distinguer entre la politique à utiliser pour l'inciter à demander un autre crédit ; pour les mauvais emprunteurs et même si leur risque de départ est faible, l'institution ne cherche pas à fidéliser. Mais pour les clients fiables pour lesquels le risque de départ n'est pas important, le prêteur doit mettre en place des procédures d'incitation pour la demande d'autres crédits.

Avant la visite du terrain, le scoring de visite calcule la probabilité de rejet après la visite, il permet de rejeter donc les clients sans leur rendre visite.

Le risque de crédit est l'un des risques les plus importants auxquels est exposée l'institution de microcrédit. Ce risque s'il n'est pas géré de manière efficace aura des répercussions néfastes sur la qualité du portefeuille de l'institution et sur sa rentabilité ce qui influe à long terme sur ses équilibres et sa perennité.

En conséquence, les IMF doivent accorder beaucoup d'importance à leurs politiques de gestion du risque de crédit ; outres les techniques traditionnelles utilisées par les institutions pour réduire ce risque, le crédit scoring se présente comme une méthode de gestion des risques de crédit qui peut s'étendre aux organismes de microcrédit.

Le scoring qui quantifie le risque de crédit de chaque emprunteur et qui établit le lien entre ce risque et les caractéristiques de la personne peut s'étendre au champ d'application de la microfinance.

En microcrédit, l'évaluation par le crédit scoring ne remplace pas l'évaluation subjective des agents de crédit mais elle la complète pour fournir une évaluation objective, complète qui prend en considération toutes les caractéristiques quantitatives et qualitatives qui peuvent influencer le comportement de remboursement de l'emprunteur.

Après avoir exposé théoriquement dans ce chapitre, les étapes de mise en place d'un projet de crédit scoring dans une institution de microcrédit, je vais essayer dans la suite de ce mémoire de passer à l'application empirique de ce concept dans une IMF tunisienne à savoir : Enda InterArabe.

DEUXIEME PARTIE : CAS PRATIQUE ; ENDA INTERARABE

CHAPITRE I : L'EXPERIENCE TUNISIENNE EN MATIERE DE MICROCREDIT

Le concept de crédits de faibles montants accordés par des institutions non bancaires n'est pas nouveau en Tunisie. Même si certaines experiences et pratiques traditionnelles existaient avant que la Grammen Bank ne voie le jour et qu'on commence à parler de microcrédit, l'apparition de véritables Institutions spécialisées en microfinances ne remonte qu'en 1995 avec la création de ENDA Inter_arabe et le lancement du système de microcrédits à travers les associations de développement par la Banque Tunisienne de Solidarité en 1997.

Les premières tentatives institutionnelles se sont concentrées dans le secteur agricole et accompagné l'expérience collectiviste durant la période 1962-1969 avec l'apparition des Caisses d'épargne et de crédit (CEC) qui ont été chargées du financement des unités coopératives de production agricoles.

Les CEC sont comparables à des intermédiaires financiers car elles devaient drainer les capacités de financement disponibles pour couvrir les besoins de financement des coopérateurs ; leur tâche consistait à collecter les thésaurisations individuelles des membres qui servaient à l'octroi de prêts aux adhérents des coopératives.

L'expérience n'a pas trop duré et elle a été abandonnée concomitamment à l'avortement ou à l'échec de l'expérience collectiviste en 1969^42(*).

Au début des années 1970, et dans le cadre de la nouvelle politique libérale amorcée au cours de cette période, un autre système de financement des microprojets agricoles s'est instauré: il s'agit des Sociétés de cautionnement mutuel (SCM) qui se chargeaient de cautionner les adhérents, qui étaient des petits exploitants agricoles, auprès des établissement de crédit pour l'obtention des financements. Elles s'engageaient à couvrir 25% des prêts octroyés. Cette couverture était assurée grâce à un fonctionnement mutualiste: chaque membre était appelé à verser une commission, dite d'aval, au taux variant entre 0.25% et 1% du crédit obtenu.

Toutes ces expériences avaient pour objectif de promouvoir le secteur agricole, les autres indépendants opérant dans les autres secteurs d'activités restaient encore marginalisés, et exclus du marché du crédit institutionnel.

Cependant, il convient de signaler, également, que certaines autres expériences d'aide à la création d'emploi indépendant et des sources de revenus ont été mises en place dans le cadre, soit des programmes régionaux de développement, tels que le Programme de Développement Rural (PDR) lancé en 1973, ou les Programme de Développement Rural Intégré (PDRI) et le Programme de Développement Urbain Intégré (PDUI) qui l'ont remplacé, le programme de la Famille Productive, le Programme de l'Emploi des Jeunes (1983-1984) et le Programme d'aide à la création de sources de revenus par les Handicapés, comportaient tous une composante microcrédits pour aider à la création ou l'extension de petits projets dans les milieux rural et urbain. Mais la caractéristique commune à tous ces instruments, qui ont certes contribué à l'éclosion d'une multitude de petits projets dans les différentes régions du pays, est que les crédits qui ont été octroyés par les pouvoirs publics dans ce cadre, n'ont pas fait l'objet de suivi, ni d'une politique rigoureuse de recouvrement. Ils sont donc à exclure du champ d'étude du concept actuel du microcrédit où la composante remboursement constitue une caractéristique essentielle.

SECTION ² : PRESENTATION DU PAYSAGE DE MICROCREDIT EN TUNISIE

Malgré l'importance du nombre d'emprunteurs actifs, le paysage tunisien de microcrédit se limite essentiellement à deux types d'institutions; d'une part la Banque Tunisienne de Solidarité (BTS) et les Associations de Développement, qui ont été créées suite à l'instauration du système du microcrédit par cette banque, et l'organisation non gouvernementale « ENDA interarabe »^43(*)

La Banque Tunisienne de Solidarité est une banque de dépôt à caractère parapublique régie par la loi bancaire tunisienne, elle est placée sous la cotutelle du ministère des finances et de la Banque Centrale Tunisienne( BCT). Elle a été crée en 1997 et a commencé son activité en1998. Son capital initial s'élevait, lors de sa création, à 30 millions de Dinars tunisiens . Il était détenu par le secteur public à concurrence de 62%,t le reste, soit 38% était détenu par plus de 220 milles actionnaires privés. Il s'élève aujourd'hui à 40 millions DT, la part de l'Etat et des entreprises publique y est passée à 54%.

Pour la réalisation de ses objectifs, elle a mis en place deux programmes à savoir le programme de financement des microentreprises et le programme d'octroi des microcrédits qui a été lancé en 1999 après la promulgation de la loi organique n° 99-67 du 15 juillet 1999 relative aux microcrédits accordés par les associations.

Pour ses activités de microcrédit et pour les montants inférieurs à 4000 DT, la BTS, opère à travers un large réseau d'associations tunisiennes, dénommées associations de développement associations de microcrédits (AMC) et dont la majorité ont été créées suite au lancement du système de microcrédits gérés par cette banque. Le nombre total de ces associations , pour lesquels la banque octroie des lignes de crédit à un taux d'intérêt de 0%, est passé de 6 en 1999 à 271 actuellement.

La BTS a servi depuis son lancement et jusqu'au 31 décembre 2007 un nombre important de microcrédit, qui s'élève à 284 700 dont le montant total a atteint 232,660 millions dinars. l'évolution des montants accordés par an est représentée dans la figure 1

S'inscrivant dans le cadre de l'effort des pouvoirs publics pour lutter contre la pauvreté et promouvoir le travail indépendant, l'intervention de la BTS en matière de microcrédit vise les personnes physiques qui disposent de qualifications requises pour exercer une activité dans l'agriculture, les petits métiers ou les services et qui n'exercent pas de travail salarié ainsi que les personnes appartenant aux familles nécessiteuses et les catégories vulnérables ayant la capacité d'exercer une activité.

Contrairement aux programmes traditionnels de microcrédit qui ciblent principalement, si ce n'est exclusivement les femmes, les emprunteurs de la BTS sont majoritairement des hommes. (voir figure1)

Dans le souci de couvrir tout le territoire national et notamment les régions et zones jugées défavorisées, l'accent a été mis sur les délégations prioritaires qui ont bénéficié de 65.9% des microcrédits octroyés par la banque. Les régions de l'intérieur et de l'ouest ont bénéficié de 51.6% de ces microcrédits. (voir figure 3)

La répartition par secteur d'activité des microcrédits octroyés par la BTS montre que 40.6% des projets financés relèvent du secteur agricole, le commerce arrive en deuxième position avec 22.7% des projets. Les petits métiers ont bénéficié de 14.8% des prêts.(figure 4)

Outre le financement à taux 0 %, la BTS accorde aux associations, une prime d'installation lors du démarrage d'une valeur de 15000 DT, et une prime d'exploitation de 20 DT pour chaque dossier.

La BTS délègue l'opération d'octroi et de recouvrement des microcrédits aux associations AMCs. La banque finance les associations, qui disposent de toute l'autonomie de gestion ; c'est au sein de l'association que se traitent les demandes de crédit, et la prise de décision revient à l'AMC indépendamment de la banque. Les associations sont également responsabilisées face aux problèmes de contentieux et de recouvrement.

La relation qui relie la BTS à ses associations est assimilable à une relation de sous-traitance ; la banque fixe les modalités d'action et les conditions d'éligibilité, et c'est l'association qui doit décider des crédits, veiller au bon recouvrement, et assurer l'encadrement et le suivi de l'emprunteur tout le long de la période du crédit, et c'est à elle qu'échoit la responsabilité de veiller au recouvrement des remboursements (voir figure 5).

Les taux d'intérêt que les associations fixent pour les emprunteurs, en taux dégressif, sont plafonnés à 5% (hors commissions éventuelles). Ces AMCs qui sont tenues de participer à un fonds national de garantie (FNG), garantissant 90% des montants prêtés ne peuvent bénéficier d'autres lignes de crédit que si elles remboursent au moins 80% de la somme empruntée l'année précédente.

Les associations BTS proposent deux types de prêt pour une durée maximale de 3 ans: un microcrédit à la consommation pour un montant maximum de 700 DT pour les personnes vulnérables, et un microcrédit pour celles qui veulent s'engager dans une activité génératrice de revenus et dont le montant ne dépasse pas les 4000 DT.

La BTS fixe les conditions d'éligibilité des bénéficiaires du programme de microcrédit, comme suit ;

Dans une communication présentée, lors de la conférence annuelle de Sanabel, Rafik Missaoui^45(*) évalue le système de microcrédit géré par la BTS, et présente ses différentes limites. Il constate que puisque le système est incapable de se référer au marché financier pour se refinancer, il reste tributaire des subventions et des crédits prélevés sur les fonds nationaux de solidarité et de l'emploi. La dépendance du système de ces seules sources de financement ainsi que le plafonnement du taux d'intérêt à un bas niveau sont de nature à entraîner la fragilité d'un tel dispositif et mettent en cause à long terme son équilibre et sa pérennité.

Une étude réalisée par le CGAP^46(*) sur l'environnement de microcrédit tunisien, suite à une visite en Tunisie en Septembre 2004 et des discussions avec les principaux acteurs du microcrédit du pays, conclut à quelques obstacles du programme d'intervention de la BTS qui limitent le développement du microcrédit dans notre pays ; ces obstacles et comme l'a prouvé Missaoui, sont en rapports avec le taux d'intérêt plafonné, la forte dépendance envers les subventions, le manque de données fiables ainsi que le manque de formation.

Le plafond du taux d'intérêt annuel situé à un niveau de 5% est trop faible pour pouvoir assurer un développement durable de la microfinance. Ce taux ne permet pas de couvrir les charges de fonctionnement des associations et de répondre à la demande croissante de la population. De plus, il limite l'accessibilité au refinancement auprès des banques commerciales tunisiennes ou étrangères.

Ce taux ne permet pas la réalisation de l'autosuffisance opérationnelle et financière, ce qui menace la pérennité des associations et peut conduire à l'effondrement total de toute la politique de microcrédit mise en place.

Le rapport du CGAP précise que« Les associations BTS souffrent toutes d'un manque cruel de ressources à la fois pour leur fonctionnement actuel et pour leur croissance, principalement à cause du plafond à 5% du taux d'intérêt, conjugué à un faible niveau de subventions externes. Malgré les lignes de crédit à 0%, une participation étatique aux salaires des employés et un bonus versé par prêt octroyé, elles sont en perpétuelle recherche de fonds pour subsister »^47(*).

Non rentables, à cause du produit financier (les intérêts du crédit) largement inférieur aux charges associées, les associations BTS et la BTS elle-même ne peuvent que s'enfoncer progressivement dans la dépendance subventionnelle.

Tout le système étatique de microcrédit géré par la BTS étant largement subventionné ; aussi bien la banque, que les associations ou le fonds de garantie sont tributaires des subventions. Ainsi, toute abstention ou retard des subventions pour unecause ou uneautre peut avoir des conséquences néfastes sur leur équilibre.

Cette dépendance fragilise l'assise financière du système et ne peut que menacer sa viabilité et sa pérennité à long terme. Elle peut, également, décourager les banques et autres bailleurs de fonds à s'y engager et investir.

Une des limites du système de la BTS soulevées par l'étude du CGAP, réside dans l'absence des données pour procéder à une analyse objective ; ce qui ne permet pas de détecter les faiblesses du système et y apporter les rectifications nécessaires pour les corriger.

Sur ce point, le groupe consultatif affirme que « le système MIS de la BTS est encore trop limité et les données indépendantes et publiquement disponibles ne sont pas assez nombreuses pour analyser objectivement les performances des associations. De plus, aucun mécanisme de contrôle n'existe pour vérifier si les 80% qui doivent être remboursés par les associations à la BTS proviennent effectivement du remboursement des prêts et non d'éventuelles subventions externes ».

Le cadre réglementaire peut présenter une entrave à l'essor de la microfinance en Tunisie ; En effet, les restrictions légales concernant les taux d'intérêts limitent les possibilités des associations à devenir des entreprises commerciales, comme elles constituent une barrière devant l'intervention des banques dans le créneau de la microfinance.

En termes de recommandations, le CGAP envisage, par ailleurs, deux actions qui pourraient être mises en place avec la BTS, à savoir une assistance technique pour plusieurs associations BTS afin d'identifier leurs problèmes et leurs potentiels d'amélioration en terme de performance, et une assistance pour la formation et la remise à niveau de formateurs.

Enda inter-arabe, membre autonome de Enda-tiers monde basée à Dakar au Sénégal, est une organisation non gouvernementale internationale à but non lucratif, fondée en 1990 en Tunisie par le couple co-fondateur ; Essma Ben Hamida^48(*) et Michael Cracknell ^49(*) avec un capital de départ de 20 000 DT.

L'organisation a débuté par l'exercice d'activités dans le domaine écologique, avant de se lancer dans le développement urbain. Elle ne s'est lancée dans le programme de microcrédit que cinq ans après sa création.

C'est en 1995, avec le soutien de la Fondation « Ford »que le programme de micro-crédit a été mis en place. Au début, ce programme était mené en parallèle avec les programmes d'insertion professionnelle, de socialisation des jeunes et de sensibilisation des femmes en matière de santé.

En 2000, le créneau microcrédit devenait si important que les capacités de gestion de l'organisation ne parvenaient plus à couvrir à la fois des activités de développement urbain général et son intervention dans le domaine du microcrédit.

Ainsi, depuis 2001, Enda Inter-Arabe s'est spécialisée dans le soutien aux micro-entrepreneurs en termes de microcrédits et d'activités non financières de soutien et d'accompagnement.

Elle a atteint son autonomie financière depuis 2003 .Et c'est en 2005 qu'elle a obtenu l'autorisation du ministère des finances et celle du Président de la République pour l'opération d'octroi de crédit.

A travers son réseau qui comporte 51 antennes dispersées sur tout le territoire national et son équipe jeune comportant 450 membres qualifiés, et depuis le lancement de son activité, jusqu'à 2008, Enda inter-arabe a octroyé 408 000 prêts d'une valeur de 211 millions DT au profit de 135 000 clients.

L'encours des crédit est passé de 27,230 MDT en 2007 à 44,000 MDT en 2008, et le nombre de clients actifs a atteint 95 000 contre 63 800 en 2007. Cette tendance haussière (voir figure 6) régulière a marqué l'évolution de l'activité de l'organisation qui a connu onnaissant une croissance annuelle supérieure à 50% depuis 11ans.

Enda Inter-Arabe projette avoir 350 000 clients actifs en 2012, et un encours de crédit estimé à 241 500 MDT.

Enda, à l'instar de la majorité des organismes de microcrédit, cible plutôt les femmes (voir figure 7), elle vise de la sorte l'élément central de la cellule familiale. En 2008 les femmes représentaient 81% des clients actifs de l'institution.

En permettant à la femme de monter une petite activité génératrice de revenus grâce au microcrédit octroyé, elle a contribué à la promotion du bien être collectif des ménages concernés, étant donné que la femme, comme cité supra, est plus soucieuse de l'éducation des enfants, de l'hygiène du foyer, de l'amélioration de l'habitat et de l'alimentation de la famille.

Le prêts sollicités auprès d'enda ont permis à ces femmes longtemps marginalisées de renforcer leur pouvoir de décision et leur statut au sein de la famille et de la communauté.

L'attention particulière qu'accordait Enda pour la femme tunisienne, et sa contribution à l'amélioration des conditions de vie de sa famille a été reconnue et couronnée, en 2005, par le prix du président de la république Tunisienne pour la promotion de la famille.

Près 60% des clients de Enda exercent dans le secteur du commerce. Ils bénéficient de la part de l'organisation de formation en comptabilité pour les initier aux bonnes pratiques du métier de manière à ne pas confondre capital, charges et besoins personnels.

Le reste de la clientèle opèrent dans les secteurs des services, de l'élevage, de l'artisanat et des petits métiers. Pour ces catégories une formation spécifique est assurée afin d'améliorer la qualité de leurs productions ou prestations.

La répartition de la clientèle de Enda selon état civil montre clairement que l'institution privilégie, lors de la sélection de ses clients, ceux qui sont considérés comme familialement stables; les célibataires représentent 20 %, et l'institution n'opère que rarement avec les veufs et les divorcés, ces dernières catégories ne représentent donc que, respectivement, 3% et 2% des clients (voir figure).

Si on examine les caractéristiques démographiques des clients de l'institutions, on remarque que les clients de la tranche d'âge « 31 et 50 ans », représentent 60% du total de l'ensemble des clients, le reste étant partagé à parts presque égales entre ceux d'âge inférieur à 30 ans et ceux âgés de plus de 50 ans (voir figure).

cette caractéristique confirme l'idée que l'institution privilégie les catégories stables étant donné que l'octroi des crédits est risqué pour les jeunes qui ne sont pas trop expérimentés ni trop averses aux risques.

Enda Inter-Arabe dispose d'un bon nombre de partenaires nationaux et internationaux ;

Sur le plan international, l'organisation a été financée par beaucoup de partenaires; l'Union Européenne, la Coopération Espagnole, la Banque Européenne d'Investissement (BEI), la Société Financière Internationale (SFI), Oikocredit, le principal investisseur privé en microcrédit, et L'Agence Française de Développement (AFD). Ces partenaires, dans le cadre de la solidarité internationale, supportent le risque de change.

Sur le plan national, l'autorisation formelle d'exercer des activités de microfinance en Tunisie, obtenue en 2005, a permis à Enda d'obtenir plusieurs financements par emprunt auprès des banques tunisiennes. L'institution se refinance auprès de sept banques à savoir ; la Banque de l'Habitat (BH), l'Union Internationale des Banques (UIB), la BIAT, l'Arab Tunisian Bank (ATB), l'Amen Bank, Attijeri Bank et l'Union Bancaire pour le Commerce et l'Industrie (UBCI). Ce refinancement s'effectue aux conditions du marché, même si l'organisation a réussi à négocier quelques conditions favorables. Ainsi, Enda Inter-Arabe sert d'interface entre les banques, qui n'opèrent pas directement avec les pauvres, et ses clients micro entrepreneurs.

Enda profite,également, de certains mécanismes mis en place par l'Etat tunisien, en particulier, les interventions en matière de formations des micro entrepreneurs assurées par l'Agence Tunisienne de l'Emploi et du Travail indépendant (qui gère les Bureaux de l'emploi), l'Office de l'Artisanat, le Ministère des Affaires de la Femme, de la Famille, de l'Enfance et des Personnes Agées (MAFFEPA), l'Agence de Vulgarisation et de Formation Agricoles (AVFA) et l'Office National de la Famille et de la Population.

Mais étant donné la croissance appreciable réalisée par Enda, cette dernière doit être en mesure d'attirer beaucoup plus d'autres sources de financement pour pouvoir maintenir le même rythme de croissance. Pour ce faire l'objectif actuel de l'organisation consiste à se transformer en une véritable institution financière (banque) comme l'a affirmé Mme Essma Ben Hamida, sa présidente en déclarant lors d'un entretien avec Altime, un groupe de conseil en organisation et systèmes d'information, en décembre 2008: « La prochaine étape sera donc la création d'une banque, à l'instar d'une cinquantaine d'ONG qui ont déjà entrepris cette transformation, de droit tunisien d'ici trois ou quatre ans. »

SECTION ²² : LES PERFORMENCES D'ENDA

Enda I-A est la seule institution tunisienne qui applique les bonnes pratiques (best practices) du microcrédit. Elle a réalisé sur une courte période des pas de géants dans le domaine du microcrédit qui apparaissent notamment à travers son classement, en 2008, au 18^ème rang mondial parmi les IMF du monde entier.

Enda Inter-Arabe enregistre des performances impressionnantes. L'observation de l'évolution des réalisations de l'institution, l'analyse de ses ratios de gestion et les rapports d'évaluations externes des spécialistes de la microfinance, attestent de l'importance de ces performances.

l'ONG enregistre un haut niveau de performance grâce à une rentabilité élevée et à une excellente qualité de portefeuille et dont le tableau suivant permet d'en rendre compte.

La qualité du portefeuille de crédit en microfinance peut être appréciée par le calcul des deux ratio; le ratio du portefeuille à risque (ratio PAR) et le ratio de recouvrement à l'échéance.

Le portefeuille à risque est le meilleur indicateur de la qualité du portefeuille d'une institution de microfinance, il s'obtient en divisant le total de l'encours des prêts présentant un retard sur le total des prêts en cours. Le calcul de ce ratio ne tient pas compte, seulement, de la partie du prêt présentant le retard, mais il prend en considération, également, la totalité de son solde du crédit. Le principe étant qu'un prêt affichant un retard indique que les autres paiements à venir pourront aussi présenter des retards et que par la suite, c'est l'ensemble de la créance qui est en danger.

Enda bénéficie d'un PAR très faible (0,51 % en 2007 et 0,61 % en 2006) en prenant comme période de retard tolérable 30 jours, ce qui traduit une très bonne qualité du portefeuille (voir tableau).

Une des performances d'Enda réside dans son taux élevé de remboursement à l'échéance qui s'élève à 95% ; quant à son taux général de remboursement il dépasse les 99%.

Ces indicateurs prouvent que Enda dispose d'un portefeuille d'activité de qualité exceptionnelle, Il résulte de la rigueur de ses procédures de crédit et d'une véritable culture de remboursement à l'échéance instaurée chez ses emprunteurs.

Le ratio de charges d'exploitation est en baisse régulière. Cette diminution est le fruit de la croissance soutenue du portefeuille (supérieure à 50%) qui a permis à l'institution de bénéficier des économies d'échelle et de diminuer le coût par emprunteur.

Une meilleure maîtrise des charges d'exploitation est de nature à augmenter la productivité et l'efficience de l'institution.

Avec un ratio d'autosuffisance opérationnelle aussi important (157%), Enda a réussi non seulement à couvrir ses charges d'exploitation par ses activités, mais aussi, à en dégager du bénéfice.

Autosuffisance opérationnelle = (Valeur du chiffre d'affaires cumulé de la période)^50(*) / (Valeur des charges d'exploitation cumulées sur la période)^51(*).

De même, l'autosuffisance financière d'Enda (135%) est importante ; ses produits financiers sont capables de couvrir toutes les charges de l'organisation, cette autosuffisance est le meilleur garant de la viabilité financière d'Enda.

Le rendement des fonds propres (AROE) est passé de 15,8% à 21% en une période inférieure à un an (entre 31 Décembre 2007 et 30 Septembre 2008), réalisant une croissance de l'ordre de 33%.

Le taux de rendement des actifs (AROA) augmente aussi d'une année à l'autre mais dans des proportions plus faibles que le rendement des fonds propres, avec un taux de croissance de 10% réalisé sur la même période.

L'importance de la croissance des rendements des fonds propres par rapport aux rendements du total d'actif découle de l'effet de levier qui joue favorablement pour l'institution, il amplifie le rendement des fonds propres puisque la formule des deux rendements s'établit comme suit :

L'effet de levier favorable laisse apparaître un autre type de performance d'Enda, à savoir sa rigoureuse politique de financement et de dette.

Avec un taux de remboursement dépassant 99% depuis 14 ans, et un taux de remboursement à l'échéance de 95%, l'institution a réussi à devenir pérenne depuis 2003, à pouvoir se refinancer auprès des banques et à ne plus dépendre des donateurs.

La directrice d'Enda Assema Ben Hamida attribue les performances en matière de rentabilité de son institution à la performance de remboursement de ses clients ; « le plus gros de nos actifs a été constitué par les efforts des micro entrepreneurs tunisiens que nous servons. En remboursant sans faille leurs prêts .En fait, ils ont été, et sont encore, très solidaires entre eux et avec leur institution, Enda Inter-Arabe ».

Le « Rating » où la notation par des agences spécialisées de notation en microfinance est le meilleur moyen pour une institution soucieuse de sa prospérité, pour connaître ses performances et ses défaillances à tous les niveaux afin de pouvoir remédier à ses points faibles et améliorer davantage ses points forts ;

La notation se fait selon une méthodologie visant à donner un large éventail de renseignements diagnostics sur l'organisation de microfinance (sa gestion, sa mission sociale, ses produits, sa gestion du risque, sa capacité de croissance, etc.). Elle mesure non seulement la solvabilité de l'IMF, mais aussi son intégrité et sa performance en matière de microfinance.

Elle compare la performance de l'institution par rapport aux autres IMF, et évalue la portée de ses actions c'est-à-dire si elle réussit à toucher efficacement ses clients ciblés et si elle leur propose des prêts bien adaptés à leurs besoins.

« Micro Rate », la première agence internationale de notation des institutions de la microfinance, a accordé en 2008, la note « á- » à l'Association Enda Inter-Arabe pour ses performances financières avec une mention « excellent » pour ses performances sociales. Cette note est la meilleure attribuée aux institutions de microfinance arabes.

Les points forts qu'a identifié le rating se rapportent à une croissance forte soutenue et contrôlée, une excellente qualité du portefeuille, une efficacité et rentabilité élevées, une diversification des produits ainsi qu'à une direction et d'un conseil d'administration solides.

En revanche, les points faibles de l'institution s'articulent autour de sa faible position juridique qui est de nature à augmenter le risque d'exposition politique.

Le rapport final de MicroRate stipule que : «Enda Inter-Arabe a réalisé un bas niveau de risque de crédit et ses opérations sont solides, bien gérées et très efficaces»^52(*)ce qui lui a valu une bonne performance financière.

Il évalue la performance sociale par « un très haut niveau d'impact social grâce à la fois à ses excellents résultats et son grand engagement » .

Ces doubles performances sont réalisées grâce à « la maîtrise de ses coûts et de son ratio de charges d'exploitation » ainsi qu'au « sens de la responsabilité institutionnelle de son personnel, de ses clients ainsi que de ses partenaires ».

L'évaluation par l'approche girafe de « Planet Rating » en 2006 a abouti à l'attribution de la note « B+ » à Enda i-a qui traduit : « une Bonne institution solide, financièrement autosuffisante avec des procédures de crédit efficaces et des contrôles internes suffisants. »

L'évaluation, comme l'indique le nom de l'approche « GIRAFE » porte sur six caractéristiques de fonctionnement de l'IMF et qui sont : Gouvernance, Information, Risk managment, Activities and services, Financing and liquidity, Eficiency and profitability.

Le rapport d'évaluation indique que : « La direction d'enda a su développer une institution de microfinance solide et financièrement autosuffisante dotée de procédures de crédit efficaces et de contrôles internes bien conçus.

L'institution a par ailleurs créé les conditions favorables à son refinancement par emprunt ce qui a permis à enda de diversifier sa structure de financement.

Le plan stratégique développé en collaboration avec l'ensemble de l'équipe et avec la participation du Comité de Pilotage donne une feuille de route claire et identifie notamment bien les principaux axes d'amélioration : formalisation de la gouvernance, renforcement de l'équipe de Direction, passage à un SIG plus robuste, sophistication de la gestion financière. L'équipe s'est déjà attelée à l'ensemble de ces chantiers.

Cette note est octroyée avec une tendance « positive ». L'institution a su gagner la confiance de plusieurs bailleurs nationaux et internationaux, ce qui devrait lui permettre de mener à bien l'extension du réseau, l'amélioration de son offre de produits et les actions de renforcement institutionnel prévues dans son plan stratégique.»^53(*)

Alors qu'en 2007, elle a été classée 30éme avec une mention « honorable » pour la transparence de ses données financières, Enda Inter-Arabe s'est hissée en 2008 à la 18^ème place parmi les 100 IMF les plus performantes du monde et 3éme des IMF arabes, sur un total de 971 institutions étudiées, avec une moyenne sur l'ensemble des indicateurs de 78,38%, selon le dernier rapport du « Microfinance Information Exchange » (MIX).

Un autre classement établi par le Microbanking bulletin vient confirmer les performances de l'institution à tous les niveaux. Sur un échantillon global de 704 IMF mondiales, le tableau ci-joint fournit les différents indicateurs d'Enda comparées aux moyennes des institutions mondiales et celles de la zone MENA^54(*) ;

Tableau : Comparaison des performances d'enda avec celles des IMF du Moyen Orient et de l'Afrique du Nord (MENA) et des IMF du monde en 2006

Source : Micro Banking Bulletin (MBB) [Bulletin n°15 / Automne 2007] et le rapport de performance personnalisé Enda I-A 2006

Les montants sont exprimés en US dollar, le taux de change étant de $1 = 1.297 TND et les ratios sont calculés sur la base des chiffres en monnaie locale.

La stratégie d'Enda est une stratégie intégrée ; elle a « fait preuve d'un modèle général d'excellence »^55(*), toutes ses activités sont bâties sur des logiques et des valeurs garantissant le bon fonctionnement.

Grâce à un taux d'intérêt bien étudié, une politique de crédit rigoureuse, une diversification des produits offerts, une bonne gouvernance et un système de gestion efficace, l'institution pratiquant les best practicies de la microfinance mérite d'être nommée « IMF performante ».

Le taux d'intérêt pratiqué par Enda tient compte des dépenses effectives associés à l'opération d'octroi de microcrédit, à savoir le coût des ressources, les charges d'exploitation et les dépenses liées aux programmes d'accompagnement et de formation.

Le TEG^56(*) varie selon le montant du prêt octroyé et le type du microcrédit, et il englobe les frais et commissions des crédits pour permettre à l'institution de couvrir les coûts de fonctionnement et les coûts financiers et d'assurer la pérennité de ses programmes.

La politique de crédit de Enda est bien étudiée ; elle est élaborée autour d'une certaine méthodologie d'octroi qui garantit sa réussite ; en effet, la procédures d'octroi de crédits sont simples, souples et rapides ; les prêts sont de court terme (8 mois en moyenne) permettant une circulation rapide des fonds, avec un remboursement mensuel régulier de montants fixes, et des pénalités prévues pour tout remboursement en retard.

Cette relation de proximité est assurée par la dispersion des 51 antennes de Enda i-a dans 21 gouvernorats de la République Tunisienne (La Tunise compte 24 gouvernorats). Les opérations de crédit sont décentralisées ; en effet, en plus des déboursements et des remboursements qui s'effectuent à la caisse de l'antenne, sans que le client ne se trouve obligé de se déplacer vers le siège, la décision d'octroi est elle-même du ressort du comité de crédit de chaque antenne, conformément aux procédures établies par le siège, qui se charge de l'édition de tous les documents contractuels et de leur envoi par mail aux antennes.

Chaque client est pris en charge par un seul agent de crédit qui constitue son interlocuteur privilégié avec lequel il se familiarise. Le micro entrepreneur est accompagné tout au long de son parcours par des formations, des diagnostics et des conseils assurés et/ou offerts par l'institution.

La politique de crédit de Enda se base sur le principe du prêt progressif ; Les micro entrepreneurs répondant aux conditions exigées par l'institution peuvent accéder à une ligne de crédit progressive allant de 150 à 5000 dinars ; chaque fois que l'emprunteur rembourse son ancien crédit à l'échéance, il peut demander un renouvellement du prêt pour un montant plus élevé.

La méthode de prêt progressif est privilégiée par l'institution en raison des avantages qu'elle procure, puisqu'elle permet d'initier progressivement les emprunteurs à la gestion de la dette, et en même temps, diminuer les risques de non remboursement des clients en les motivant et incitant au remboursement.

La rapidité d'octroi de crédit constitue un record pour Enda ; en effet, pour une nouvelle demande de crédit, l'analyse du projet, l'engagement des formalités et le décaissement du prêt ne prennent, au maximum, que 15 jours de délais, alors que pour le renouvellement des prêts, cette période ne dépasse pas les 2jours.

L'institution travaille dans une logique de diversification de ses produits, elle offre une gamme de services financiers différents selon les besoins de ses clients et la destination du prêt sollicité.

Chaque catégorie de service dispose de ses propres caractéristiques, la diversification permet à Enda de pouvoir d'une part satisfaire les besoins spécifiques à chaque catégorie de clients, et d'autre part améliorer ses prestations, et minimiser ses risques de crédits, en évitant de concentrer ses activités dans un nombre de secteurs très restreint.

Elle offre donc une panoplie de formules de microcrédits adaptés à chaque type de projets et à chaque catégorie de clients. Ces différentes formules sont :

Le crédit « entreprise » est un prêt renouvelable d'un montant plafonné à 5000 DT, remboursable sur une durée de 2ans, destiné à financer des besoins en fonds de roulement ou investir dans une entreprise. Le projet objet de ce prêt doit vérifier certaines conditions :

Si les conditions exigées du prêt « entreprise » ne sont pas vérifiées, un autre type de crédit constitue une alternative ;

Pour les personnes souhaitant se lancer dans une activité génératrice de revenus et qui sont porteurs d'une idée, « solfa » constitue la solution idoine; il s'agit d'un prêt renouvelable d'un montant croissant plafonné à 1000 DT, remboursable sur un an.

« Elmachia » est un service qui cible les clients pratiquant l'élevage ; c'est un prêt d'un montant plafonné à 5000 DT, remboursable sur 2 ans qui vise soit le financement de l'investissement consistant en l'achat des têtes de bétail, d'équipements ou d'aménagements, soit le financement des besoins de fonds de roulement à travers l'achat d'intrants et des cultures fourragères.

L'organisation peut accorder des crédits de consommation qui ne sont pas destinés à des activités génératrices de revenus, mais qui sont destinés à l'amélioration du logement de la famille du bénéficiaire.

Il suffit qu'un membre du ménage soit propriétaire d'un logement pour pouvoir bénéficier du crédit « eddar » ; ce crédit qui est destiné à l'amélioration du logement appartenant à la famille, est un prêt renouvelable, plafonné à 5000 DT, remboursable sur une période de 3 ans.

Ce type de microcrédit peut être accordé pour la construction ou l'extension, il peut être destiné à l'aménagement ou même au paiement des frais d'enregistrement.

Pour ne pas détourner l'usage du microcrédit reçu vers des dépenses autres que le projet sujet de la demande du prêt, l'organisation offre un crédit parallèle destiné à financer les dépenses scolaires des enfants.

« Taâlim » est un prêt parallèle octroyé pour les emprunteurs ayant des microcrédit en cours, et ayant des enfants scolarisés ; le montant plafonné est de 500 DT , il est destiné à financer les dépenses de la rentrée scolaires des enfants des emprunteurs.

v le payement des frais d'hébergement dans les foyers universitaires ou privés

Une forme d'assurance vie est offerte automatiquement par l'organisation lors de la conclusion du contrat ; Enda a mis en place un fonds de prévoyance qui prend en charge le reliquat du prêt non encore remboursé, en cas de décès ou d'incapacité de l'emprunteur, et se charge à verser à la famille du défunt une indemnité d'une valeur de 500 DT.

Enda i-a adopte une approche intégrée, elle ne se contente pas dans ses programmes de microcrédit à la fourniture du service financier en tant que tel, mais elle le complète par d'autres services non financiers offerts à ses clients.

A travers ses activités de Business Development Services (BDS), Enda accompagne ses micro-entrepreneurs dans le développement de leurs activités en leur proposant une série de formations et de conseils tels que :

Les formations que l'organisation assure pour ses emprunteurs ne se limitent pas aux connaissances professionnelles. Parallèlement à ses formations professionnelles quant aux design, aux normes de qualité, aux nouvelles techniques d'informations et de communications (NTIC), Enda encadre ses clients et essaye de développer chez eux la capacité de gérer les choses : elle leur apprend les techniques de gestion des microprojets à savoir ; comment prendre les décisions qui s'imposent, gérer le temps et les relations avec les autres acteurs, tenir une comptabilité simple, surmonter les multiples obstacles, en particulier administratifs, comprendre ce qui se passe dans l'environnement de l'entreprise...

Les Cercles réalisés par Enda i-a sont des réunions d'informations, d'échange et de sensibilisation avec des spécialistes sur des sujets divers tels que la gestion d'entreprise, la santé, les questions juridiques et fiscales, la famille, etc.

A titre d'exemple, durant la période Janvier- Février 2009, 11 cercles d'informations ont été organisés concernant des sujets liés à l'affiliation à la Caisse Nationale de la Sécurité Sociale et à l'identification fiscale et 10 cercles de sensibilisation relatifs à des thèmes liés à la santé ont été organisés en collaboration avec l'Office National de la Famille et de la Population.

L'organisation accompagne ses microentrepreneurs lors de la réalisation de leurs projets, Pour les soutenir, elle organise chaque année des foires,( 10 fois par an) afin de faciliter la commercialisation des biens qu'ils produisent, favoriser l'ouverture de leurs esprits à d'autres modes de fabrication, à d'autres produits, et leurs faire profiter des meilleurs prix de vente et d'achat de marchandises.

Il s'agit soit des foires Enda, soit des foires nationales ou internationales auxquels chaque client peut participer avec des frais d'inscription symboliques (10 DT par participant).

Les dates de ces événements sont communiquées par les Business Development Service (BDS) de l'organisation et sont affichées dans les salles d'attente des antennes.

Dans l'objectif de distraire les microentrepreneurs et de les faire sortir de leur environnement habituel, Enda organise des fêtes et des excursions.

En effet, par les visites d'autres villes et expositions, l'organisation crée un climat de mise en réseau et d'échange d'expériences entre ces différents microentrepreneurs.

Cette stratégie est bénéfique pour les clients aussi bien sur les plan du divertissement et de la culture que celui de l'amélioration des compétences et de l'ouverture sur les expériences des autres.

La gouvernance de l'organisation, en perpétuelle amélioration, est l'un de ses points fort ; l'organe de pilotage de Enda i-a est composé :

· d'un conseil d'administration qui comporte des personnalités tunisiennes aux compétences et expériences diverses. Ils possèdent une bonne connaissance de l'environnement légal et politique tunisien, des compétences appréciables en gestion d'entreprise, gestion bancaire, sociologie et économie, et ayant occupé des postes stratégiques et sensibles dans le pays (voir annexes)

· et d'une direction générale constituée de 2 co-directeurs (directrice exécutive et secrétaire général).

La direction générale se réfère au Conseil d'Administration, pour la mise en place des grandes lignes stratégiques de croissance de l'institution, la formalisation du processus de planification, l'évolution de la situation réglementaire, la recherche de partenaires locaux et l'identification de candidats aux postes de direction.

La volonté de combiner la réalisation de la mission sociale et celle de l'autonomie financière est partagée à tous les niveaux de l'institution et en particulier, par les membres du conseil de pilotage.

Pour ce faire, toute l'équipe travaille dans l'objectif d'assurer et combiner performance financière, impact social, transparence et bonne gouvernance, en se partageant des valeurs communes à l'institution, à savoir :

La qualité de portefeuille reflète la méthode de gestion de crédit mise en place.: Enda a articulé sa politique de gestion autour de deux points essentiels qui sont : la sélection des clients avant l'octroi, et la détection rapide des défauts de remboursement.

La méthode de sélection des clients dépend des montants des prêts et des modes de crédits octroyés. Pour les groupes solidaires l'institution organise des réunions de sensibilisation en vue de les inciter au bon choix des candidats et au respect des termes du contrat, pour les clients individuels, elle recourt aux visites à domicile pour apprecier la réputation des emprunteurs potentiels et procède à l'analyse de la viabilité de chaque projet. Cette analyse est d'autant plus développée et approfondie que le montant demandé est élevé.

Lors de la sélection, l'agent de crédit se réfère souvent à l'historique de crédit du client pour décider de l'opportunité de l'octroi, du type du prêt et du montant à accorder.

Les retards sont rapidement détectés et traités, les mesures de relance s'intensifiant dès le départ, au 15ème de jour de retard, le dossier est transfèré au contentieux ; ce processus solide est complété par un système de primes de motivation pour les agents de crédit qui dépend de la qualité des portefeuilles qu'ils détiennent.

Les agents de crédits sont motivés et disposent des compétences importantes pour la réalisation de leurs tâches, appuyées par un processus de formation mist en place par l'organisation. Toutefois, et selon l'agence de notation Planet Rating, ces agents sont invités, à renforcer leurs compétences en analyse de crédit, si Enda veut s'engager dans l'optique des microcrédit aux montants relativement importants. « Leurs compétences en analyse de crédits devraient cependant être renforcées si l'offre de crédits de montants élevés se généralise ».

C'est dans le but d'améliorer ce système de gestion, que je propose dans ce mémoire, la mise en place par Enda d'un système de gestion de risque de crédit en appliquant la méthode du « crédit scoring » qui viendrait l'aider et permettre à ses agents de crédit de mieux évaluer et prédire les risques de retards ou de non remboursement sur une base objective et quantitative et renforcer le système.basé sur l'appréciation qualitative.

Dans le chapitre qui suit, j'essaie d'exposer un modèle predictif de credit scoring qui pourrait être affiné et amélioré en fonctions de la politique de l'institution.

Bien que soumise à la forte concurrence du système de la BTS, qui tarifie ses services à des prix trop bas, l'ONG Enda Inter-Arabe a réussi à s'imposer et à prouver ses performances en microcrédit.

Cette institution à double objectif, a bien accompli ses missions en combinant rentabilité et performances sociales grâce aux best practices quelle utilise, à des valeurs partagées au sein de l'organisation et à une recherche perpétuelle de nouvelles pistes pour son développement. La mise en place d'un système de credit scoring serait un plus que l'institution pourrait mettre à profit pour améliorer davantage son efficacité et mieux gérer ses risques au vu de ses développements futurs.

Après avoir étudié le fonctionnement de l'organisation non gouvernementale Enda Inter Arabe, le présent mémoire essaye de proposer un projet de crédit scoring à mettre en place, pour une meilleure gestion des risques de crédit de cette institution.

L'objectif principal de cette recherche consiste à développer un modèle statistique qui puisse prédire le comportement de remboursement d'un client demandeur de microcrédit afin de distinguer entre bons et mauvais emprunteurs.

Pour ce faire, à partir d'un ensemble de variables collectées sur un important échantillon des clients d'Enda, nous allons essayer de distinguer à l'aide des tests statistiques les variables déterminantes qui influent sur le comportement de remboursement des client. Une fois les variables explicatives du remboursement sont déterminées, on effectue une régression logistique pour estimer les paramètres du modèle associés à ces variables. Le modèle sera ensuite testé pour décider de sa pertinence et de sa prédiction. L'étude sera réalisée en utilisant les logiciels statistiques SPSS 11 (version française) et SPSS 17 (version anglaise).

Une des premières étapes préalables à cette analyse consiste à définir avec précision ce que nous entendons dire par bon et mauvais emprunteur :

Un emprunteur est considéré comme bon s'il rembourse régulièrement ses prêts dans les conditions du contrat et n'a jamais fait l'objet d'un retard de paiement.

Un mauvais emprunteur est un emprunteur qui a connu, au moins une fois, un retard dans le remboursement de son prêt. Sachant qu'un retard de paiement est considéré comme tel dès qu'il dépasse les 30 jours après l'échéance.

La variable à expliquer par notre modèle serait donc le retard de remboursement intitulée dans notre base de données par la variable binaire « dummy retard », elle vaut 1 si l'emprunteur représente au moins un retard, et vaut 0 sinon

Le travail sera donc réalisé en deux étapes ; dans la première, on va se référer à notre base de données pour étudier l'échantillon et ses caractéristiques, tandis que la deuxième étape consiste à construire le modèle statistique du scoring.

SECTION ² : ECHANTILLON ET VARIABLES

L'échantillon objet de notre étude est un échantillon des emprunteurs d'Enda qui m'a été fourni par l'institution, il a été construit afin de pouvoir établir les liens entre les différentes caractéristiques de l'emprunteur et son comportement de remboursement à l'échéance.

Nous disposons d'un large échantillon d'observations ; il s'agit d'un échantillon composé de 16021 clients de l'institution, sur lesquels 30 informations sont collectées.

2947 clients de cet échantillon global sont des mauvais emprunteurs, les bons emprunteurs représentent donc 81,6% de l'ensemble des observations.

Les informations collectées sur chaque emprunteur sont récapitulées dans le tableau ci-dessous et regroupées suivant qu'elles se rapportent à l'emprunteur lui-même, à son prêt ou bien à l'agent de crédit qui lui a octroyé le crédit ;

Les caractéristiques de l'échantillon figurent dans l'annexe 2, sous forme de tableau récapitulant des statistiques descriptives et des tableaux croisés entre les différentes variables et le retard de remboursement

Le taux de remboursement à l'échéance de notre échantillon représente 82% du total des remboursements, la variable dummy retard vaut 0 pour un total de 13074 emprunteurs parmi les 16021 emprunteurs de l'échantillon.

Avec un taux de féminisation de l'échantillon de 81,25% très proche du taux de féminisation de la population mère « Enda », les femmes représentent un taux de remboursement à l'échéance plus élevé que celui des hommes, ce taux est de l'ordre de 82, 4% pour la catégorie féminine et de l'ordre de 81, 6% pour le genre masculin.

L'age moyen de notre échantillon est de 38 ans, le plus petit emprunteur a 14 ans et le plus âgé a 79 ans. La consultation du tableau de croisement de l'age avec le retard de remboursement nous permet de constater que les clients âgés de moins de 30 ans et ceux âgés de plus de 60 ans ne sont pas performants en terme de remboursement à l'échéance ; en effet, pour beaucoup de clients jeunes ce taux est inférieur à 75% ( il est de l'ordre de 60% , 75%, 73,3% et 70% respectivement pour les clients âgés de 14, 15, 17 et 24 ans), et le phénomène se reproduit aussi avec les plus vieux,( il est de l'ordre de 0% pour l'âge de 79 ans , de 50% pour l'âge de 77 ans et de 66,7% pour les emprunteurs âgés de 60, 67 et 76 ans

Alors que les statistiques indiquent une taille moyenne du ménage à l'exception du client est de l'ordre de 4 membres, elles montrent également que cette taille varie entre 0 membres et 90 membres. Cette limite me parait très irréaliste, les informations collectées sur cette variable ne sont donc pas de qualité qui mérite d'être à la base de l'élaboration d'un modèle prédictif.

75% des membres de notre échantillon sont mariés, 2% sont des veufs et 4% sont divorcés. Alors que 82,8% des mariés remboursent sans retard, ce taux est de l'ordre de 78% pour les célibataires, de 79,9% pour les divorcés et de 81,6% pour les veufs .

Le montant du prêt octroyé varie entre 100 TND et 5000 TND ; le montant moyen observé est de 542 TND, la catégorie des prêts de montant = 2700 TND enregistre une performance parfaite de remboursement avec un taux de 100%, alors qu'on observe au niveau des montants les plus élevés, un taux de retard important de l'ordre de 50% et de 25%, pour les crédits de montants respectifs 4500 TND et 4000 TND.

Les mensualités de remboursement peuvent être au nombre d'une seule échéance, comme elles peuvent atteindre 36 échéances. Pour ce cas extrême(36 mensualités), le taux de remboursement à l'échéance ne dépasse guère les 20% . Le nombre moyen étant de 8 mensualités et 64% des prêts sont de montants compris entre 800 et 1200 TND.

66% des clients d'Enda présents dans notre base de données sont de niveau d'étude secondaire, parmi les autres clients on trouve des analphabètes comme ont trouve des diplômés de l'enseignement supérieur.

61% de notre échantillon opèrent dans le secteur du commerce, 15% sont des producteurs et 12% travaillent dans le domaine des services.

Le montant précédant moyen de notre échantillon est de l'ordre de 382 TND, avec un plafond de 5000 TND, le taux de remboursement à l'échéance pour ceux qui atteignent ce plafond n'est que de l'ordre de 40%.

Avec un nombre de prêts moyen de 3, un minimum de 1 et un maximum de 35. Le plus faible taux de remboursement à l'échéance concerne les emprunteurs qui ont contracté beaucoup de crédits auparavant (le taux de remboursement sans faille est de 75% pour les emprunteurs qui contractent soit un 21^ème, un 23^ème ou un 25^ème prêt, et il ne représente que 50% pour ceux qui sollicitent un 20^ème ou un 28^ème crédit).

L'expérience moyenne de l'agent de crédit est de l'ordre de 23mois d'octrois de crédit avec une expérience maximale de 132 mois. Le taux de remboursement des prêts déboursés par des agents en passation est trop faible, il vaut 0% dans beaucoup de cas, de même pour les agents trop expérimentés, leurs prêts octroyés ne sont pas très performants, par exemple le taux de remboursement à l'échéance des prêts octroyés par un agent ayant une expérience de 118 mois est de l'ordre de 25%.

60% des agents de crédit qui ont octroyés les prêts de notre base de données sont des hommes ; les prêts qu'ils déboursent procurent un taux de remboursement à l'échéance de 81,1% ; le taux de performance des prêts accordés par des femmes est de 82,3%.

L'échantillon dont on dispose se réfère à des prêts déboursés, remboursés et renouvelés dans la période 2006 - 2008. Or puisque nous ne traitons pas des données de panel, nous n'allons pas prendre en considération la dimension temporelle, et ces trois variables ne seront pas introduites dans notre régression.

SECTION ²² : ESTIMATION DU MODELE

Du fait que, d'une part, la variable à expliquer est discrète, et d'autre part l'hypothèse de normalité des variables n'est pas vérifiée, on ne peut pas, pour produire le modèle, mener une analyse discriminante qui suppose l'existence de relations linéaires entre les variables explicatives et la variable à expliquer, le recours à une analyse en terme probabiliste serait donc l'issue ; il s'agit de la régression logistique qui est une extension de la régression multiple.

La régression logistique est une technique statistique qui consiste à produire un modèle permettant de prédire les valeurs prises par une variable catégorielle, le plus souvent binaire, à partir d'une série de variables explicatives continues ou binaires.

Par rapport aux autres techniques de régression, en particulier la régression linéaire, la régression logistique se distingue essentiellement par le fait que la variable à expliquer est discrète (catégorielle).

nous supposons que Pi = P( Yi = 1) représente la probabilité que l'individu i réalise un retard de remboursement,

ce qui se traduit par ; Pi = P(Yi = 1) = P (Yi^* > 0) et P ( Yi = 0) = P (Yi^*=< 0)

Pi est compris entre 0 et 1, d'où, elle peut être assimilé à une fonction de répartition F, elle s'écrit alors :

La méthode d'estimation par une régression logistique est une méthode d'estimation non linéaire qui est la méthode de maximum de vraisemblance ;elle suppose que la probabilité d'appartenance d'un individu

à un groupe, que nous pouvons également voir comme une contribution à la vraisemblance, peut être décrit de la manière suivante :

Dans notre cas de retard de remboursement , la formule de vraisemblance s'écrit donc comme suit :

Les paramètres ßn qui maximisent ce produit sont les estimateurs du maximum de vraisemblance de la régression logistique.

Pour construire notre modèle et estimer les variables explicatives, nous avons recouru au logiciel SPSS, la régression logistique binaire réalisée par ce type de logiciel repose sur un principe d'itérations ; à la première étape (step 1) , il choisit la variable la plus significative, ensuite lors de la deuxième itération, il choisit la seconde variable la plus significative pour prévoir le retard, et ainsi de suite jusqu'à ce que les tests statistiques qu'il effectue ne soient plus significatifs pour les autres variables.

La facilité d'utilisation de la régression logistique repose sur le fait qu'elle ne se base pas sur des hypothèses restrictives, on peut passer directement à la régression sans effectuer des tests de colinéarité et d'homosédasticité.

En fait, la détermination des variables significatives du modèle s'est faite en deux étapes et par le recours à deux modèles ; un modèle comportant 11 variables, mais dont la qualité d'ajustement s'est dégradé avec l'introduction de la 11^ème variable, ce qui nous a permis de passer à la production d'un deuxième modèle qui tient compte de 10 variables à savoir :

Le logiciel s'est arrêté à la 11éme itération et n'a retenu que 11 variables sur les 26 variables introduites qui sont significatives et qui permettent de prédire la probabilité de réaliser un retard de remboursement ; les variables retenues et introduites dans l'équation du modèle à la 11éme étape en plus de la constante sont :

Les variables qui ne sont pas significatives et qui n'exercent pas d'impact sur le comportement de remboursement sont donc les variables que le logiciel nomme « variables hors de l'équation »

Le khi deux (khi square) du modèle obtenu augmente d'une étape à l'autre avec l'introduction de chaque variable significative suivante, jusqu'à ce qu'il atteint son maximum à la 10^ème étape, pour une valeur de 637,621. La valeur du khi deux de la 11^ème étape qui consiste en l'introduction de la variable « montant précédent » est égale à - 36, 195 et la valeur du khi square du modèle tombe à 601, 426.

De même, nous remarquons que l'indicateur « -2 log vraisemblance » diminue d'une étape à l'autre pour atteindre sa valeur minimum 14630,533 à la dixième étape, tandis qu'il augmente à la 11^ème étape par l'introduction de la variable « previous amount » pour atteindre 1466,728, sachant que le modèle parfait est celui dont le « -2 log vraisemblance » se rapproche le plus de 0.

Le même phénomène se produit avec les indicateurs « R-deux de Cox&Snell » et « R-deux de Nagelkerke » qui augmentent au fur et à mesure que le logiciel procède à l'introduction de variable significative suivante pour les 10 premières étapes, et diminuent à l'introduction de la 11^ème variable.

Ces différentes observations nous permettent de conclure que le modèle adéquat est plutôt celui qui tient compte des 10 premières variables. L'influence qu'exerce l'introduction de la variable « montant précédant » sur la diminution de la qualité du modèle provient en fait des fortes corrélations entre cette variable et les deux variables « passage en montant » et « montant du prêt », la matrice de corrélation indique une corrélation positive parfaite entre passage en montant et montant précédant =1, et une corrélation négative parfaite = -1 entre montant du prêt et montant précédant (voir annexe).

La variable previous amount peut donc ne pas être introduite dans le modèle. A cet effet, on procède à une autre régression en ne tenant compte que des dix premières variables significatives pour estimer leurs coefficients respectifs.

Y* = -2,35967705 - 0,00058950* Amount + 0,13209881 * NumberOfpayments - 0,01007606 * Age + 0,03672781* Cycle - 0,00027807 * PassageMontant +0,65894468 * dummy_fardi + 0,29147199* dummy_solfa + 0,27335096*dummy_homme - 0,22959808 * dummy_marie +0,00530517* experience_AC

EXEMPLE : Pour un homme célibataire âgé de 26 ans, qui contracte son troisième prêt en mode individuel, d'une valeur de 1200 TND, remboursable sur 12 mensualités, ce crédit qui dépasse le montant précédant d'une valeur de 400 DT a été attribué par un agent de crédit d'expérience 15 mois, la fonction score vaut - 0,733 et la probabilité de réalisation du retard est de l'ordre de 0,324.

Pour notre modèle à dix variables explicatives, le khi deux augmente d'une étape à une autre et atteint sa valeur maximale à la dernière étape soit 640,830 qui dépasse la valeur maximale du khi deux du premier modèle.

« -2 log vraisemblance » diminue avec l'introduction de chaque variable et atteint son minimum à la dernière étape, de même les « R-deux de Cox & Snell » et de « Nagelkerke » augmentent d'une étape à l'autre.

On peut donc affirmer que notre modèle mis en place est globalement pertinent, les variables explicatives retenues sont significatives individuellement au seuil de 5%, elles sont celles qui s'avèrent utiles et importantes dans l'explication et la prédiction de la probabilité de défaut, et il est plus approprié que le premier modèle à onze variable, du fait que l'élimination de la 11^ème variable améliore la qualité d'ajustement du modèle.

Le modèle dispose d'un bon pouvoir prédictif, il prédit correctement 81,6% des retards de remboursement à un seuil de césure de 0,5. En essayant de déplacer le seuil pour retenir celui qui maximise le pouvoir prédictif, on a trouvé que ce seuil de 0,5 est le meilleur puisqu'il procure 13075 prédictions justes, car le nombre de bonnes prédictions diminue dès qu'on l'augmente ou qu'on le diminue ; le nombre de bonnes prédictions descend à 13072 si on diminue le taux de césure de 0,01 et on le fixe à 0,49 et il s'élève à 13073 si on augmente ce seuil de 0,01.

Les variables dont le coefficient estimé est positif influent positivement sur la probabilité de retard, alors que les coefficients négatifs indiquent que les variables auxquelles ils se rapportent affectent négativement la probabilité de réaliser un retard.

Les coefficients peuvent être interprétés comme les coefficients des régression simples où ils présentent l'impact d'une unité supplémentaire sur le « log des chances (logodds) » . Par exemple : Une unité monétaire supplémentaire du montant du crédit entraîne la diminution du logodds de -0,00058950.

D'une manière plus concrète, l'interprétation des coefficients s'effectue suivant la formule suivante ;

Un accroissement d'une unité monétaire supplémentaire du montant du crédit demandé, toute chose étant égales par ailleurs, entraîne la diminution de la probabilité de réaliser un retard de 0, 0000870, la probabilité du retard diminue donc avec le montant du prêt.

En effet, d'une part, un montant octroyé plus élevé engendre des opérations d'encadrement et de suivi plus rigoureuses pour garantir le bon remboursement, et d'autre part, généralement plus le montant est important plus il est affecté au financement de projet plus rentable, cette rentabilité permet de rembourser sans failles.

L'augmentation du nombre de mensualités d'une échéance, sans modifier les autres variables, se traduit par l'augmentation de la probabilité de retard de 0, 0194977, le risque de retard augmente avec le nombre des mensualités. Cette constatation rejoint l'idée que le court terme est l'un des facteurs de réussite du microcrédit, du fait que le temps est en lui-même un facteur de risque.

L'âge influe négativement sur le risque de réalisation du retard ; un emprunteur plus âgé qu'un autre et disposant des mêmes autres caractéristiques a une probabilité de retard inférieure de 0,0014872 de la probabilité de retard de l'autre client.

A chaque fois que l'emprunteur procède à un autre crédit, en gardant les mêmes caractéristiques que le prêt précédant, la probabilité de réaliser un retard augmente de 0,005421

Si la différence entre le montant du prêt actuel et le montant du prêt précédant augmente d'une unité monétaire (un dinar tunisien), la probabilité de représenter un retard de remboursement diminue de 0,000041.

Un prêt octroyé par un agent de crédit plus expérimenté est plus risqué, il présente une probabilité de réalisation de retard plus élevée de 0,0007830, même si ce résultat s'oppose à la logique d'expérience qui suppose normalement l'amélioration de la qualité du portefeuille, il peut trouver une explication plausible dans la surestime des AC de leurs compétences au point de négliger certains aspects qualitatifs et de ne pas effectuer des études rigoureuses.

Le mode d'octroi individuel accroît la probabilité de réaliser un retard de remboursement, logodds augmente de 0,65894468 si l'emprunteur demande un crédit individuel. Ce lien négatif est attendu, et il explique la préférence des IMF pour le type de crédit collectif pour minimiser conjointement le risque de non remboursement et le risque de retard.

Alors que les autres types de prêts n'ont pas de significativités, ils n'influencent pas le comportement de remboursement, le crédit « solfa » affecte le remboursement, le recours à ce type de crédit augmente log de la chance de réalisation du retard de 0,29147199. Ce type de crédit est plus risqué parce que son octroi n'exige pas de conditions sélectives ; il n'exige pas la possession de la patente, ni la viabilité du projet d'au moins un an comme l'est le cas du crédit entreprise.

L'octroi d'un crédit à un homme est plus risqué que l'octroi à une femme, toutes choses étant égales par ailleurs, le logodds entre les deux sexes diffère d'une valeur de 0,27335096. Les femmes respectent leurs obligations plus que les hommes, ce qui fait qu'elles soient les cibles privilégiées des programmes de microcrédit.

La probabilité de retard diminue avec le mariage de l'emprunteur, un client marié est moins risqué qu'un célibataire, la différence du logodds entre les deux catégorie est de l'ordre de 0,22959808. En fait, c'est la stabilité familiale du marié qui est à l'origine de sa performance de remboursement.

Les résultats auraient pu être plus pertinents et plus précis si nous avions disposé d'une base de donnée plus rigoureuse ; En fait le nombre d'observations est important, mais d'autres améliorations sur les informations collectées sont envisageables :

§ la variable niveau d'instruction décomposée en 4 variables (dummy sait-lire, dummy primaire, dummy secondaire, dummy supérieur) distinctes aurait dû être regroupée en une seule. En se référant à notre base de données, on trouve que le niveau d'instruction indique le dernier niveau de l'emprunteur, donc pour un individu de niveau supérieur, on attribue des zéros pour les autres niveaux (primaire et secondaire et sait lire), alors qu'en réalité on aurait dû attribuer des 1 partout, ce qui fait que cette décomposition ne permet pas d'étudier convenablement l'impact la variable niveau d'éducation.

Même si, l'on installe un programme qui attribue 1 directement pour les niveaux les moins élevés à chaque niveau d'instruction, il y aurait, d'une part, une corrélation parfaite entre les variables du modèle, et d'autre part le modèle traitera par exemple un bachelier exactement comme un élève qui n'a pas réussi sa première année secondaire puisqu'ils ont tous les deux le niveau secondaire ; or dans la réalité, ces deux individus disposent de compétences distinctes qui peuvent influencer sur leurs comportement de remboursement.

A mon humble avis, ce biais peut être résolu par le remplacement de ces quatre variables par une seule qui serait le nombre d'années d'étude.

§ L'absence de données sur les avoirs de l'emprunteur, qui peuvent être d'une grande utilité pour la prédiction de sa capacité du bon remboursement, pourrait être corrigée par l'intégration de données qui peuvent donner une idée sur la situation du patrimoine du demandeur. Par exemple, on s'attend intuitivement à ce qu'un locataire ait plus de difficultés de remboursement qu'un propriétaire de son logement du fait de la dépense supplémentaire de location, une variable dummy propriété du logement semble intéressante. Ces données pourraient même servir pour des études ultérieures relatives aux effets des microcrédits sur l'évolution du patrimoine des bénéficiaires.

§ L'expérience de l'emprunteur n'est pas exploitée, pourtant elle peut être très déterminante dans la réussite du projet pour lequel le crédit est affecté, et peut donc influencer le comportement de remboursement.

A partir d'un échantillon des clients d'Enda, on a construit un modèle statistique permettant de prédire le comportement de remboursement à l'échéance par le biais de la régression logistique.

Toutefois, ce modèle devrait être testé par l'institution sur un autre échantillon historique de clients ; Une fois son pouvoir prédictif prouvé, Enda pourrait l'utiliser progressivement pour effectuer la sélection des demandeurs de crédit.

Pour ce faire, il faudrait par ailleurs, fixer les seuils de risque en fonction des objectifs et de la politique de l'organisation. Par exemple , s'ils fixent les seuils à :

Ø Une demande dont la formule prédit une probabilité de retard de 0,01 serait approuvée d'emblée et l'organisation peut fidéliser l'emprunteur trop faiblement risqué par une diminution du taux d'intérêt applicable.

Ø Les demandes à risque 20%, doivent faire l'objet d'un approfondissement d'étude de solvabilité pour décider de l'octroi

Ø Une demande dont la probabilité de retard se situe au niveau de 30%, doit faire l'objet d'un réexamen qui peut entraîner soit le rejet, soit l'acceptation avec une révision du montant demandé vers la baisse, une augmentation du taux d'intérêt applicable et une exigence si possible de garanties matérielles.

Ø Toute demande dont le risque de retard dépasse 0,35 serait rejetée dés le départ, sans y passer beaucoup de temps pour son étude et son examen.

Par la mise en place d'un système de gestion de risque de crédits se basant sur la méthode de crédit scoring qui devrait être affiné, discuté et amélioré par les avis des agents de crédits et des instances dirigeantes de l'institution, Enda ne peut qu'améliorer ses performances en matière de remboursement à l'échéance et d'efficacité et qui constituent des atouts appréciables pour entamer la nouvelle phase de restructuration à laquelle elle s'apprête.

CONCLUSION GENERALE

Le débat actuel concernant les répercussions, sur la microfinance, de la crise financière et économique qui sévit depuis la fin de l'année 2008 dans le monde entier, ne fait que commencer, et il n'est pas prêt d'aboutir à une conclusion unanime.

Certains pensent que la crise ne va pas affecter le secteur microfinancier ; cette idée à été défendue par Muhammad Yunus, le père du microcrédit, qui a déclaré, lors d'une conférence de presse accordée à l'occasion d'un symposium sur la microfinance, organisé au siège du Bureau international du travail (BIT) à Genève en Octobre 2008, que le système de la microfinance n'est pas affecté par la crise ; « Il y a une bonne nouvelle au milieu des mauvaises nouvelles: la microfinance continue à fonctionner d'une manière aussi bonne qu'elle fonctionnait au passé, elle n'a pas été touchée par le processus de désintégration ».

Cependant, beaucoup d'autres économistes, chercheurs et même des responsables d'IMFs pensent que l'impact de la crise financière a commencé à se faire sentir dans la sphère de la microfinance ; ils avancent particulièrement deux arguments pour étayer leur thèse :

D'une part, pensent ils, la crise économique va accroître la demande en matière de microcrédit, étant donné qu'elle a entraîné la destruction massive de millions d'emplois, la recrudescence du chômage, et par conséquent, l'augmentation de la pauvreté et du nombre des exclus du système bancaire.

D'autre part, et en raison du manque de liquidités bancaires et du climat de méfiance qui caractérisent le monde de la finance depuis le début de la crise, le coût de refinancement des IMF auprès des banques et des bailleurs de fonds va augmenter- même si l'on assiste à la baisse des principaux taux directeurs - ce qui ne manquera pas de se traduire par une augmentation des taux d'intérêts que les demandeurs des microcrédits ne seront pas capables de supporter.

Les institutions de microfinance qui pourront mieux maîtriser leurs coûts, et bien gérer les risques de crédits ainsi que celles qui bénéficient déjà d'une autonomie financière, surtout si elles collectent les dépôts, ont plus de chances de consolider leurs positions et de sortir de la crise plus aguerries et plus fortes.

Dans ce contexte, Enda Inter-Arabe, pour continuer à progresser et améliorer davantage ses performances remarquables, et de là consolider la place de choix qu'elle occupe dans le dispositif de lutte contre la pauvreté en Tunisie, est appelée à entreprendre sa transformation en institution financière et veiller à bien préparer les instruments, les mécanismes et les procédures adéquats pour bien réussir cette mutation.

C'est un vaste programme. Mais c'est un nouveau challenge aussi mobilisateur que passionnant...

Annexes

Descriptive Statistics
											N					Minimum					Maximum					Mean							Std. Deviation
age du client											16019					14					79					38,00							10,648
montant du pret											16021					100					5000					542,04							408,043
nombre de mensualité											16021					1					36					8,41							2,904
taille du menage (excepte le client)											15995					0					90					4,16							2,655
nombre de prets reçus											16021					1					35					3,40							3,087
montant precedent											16021					,00					5000,00					387,0358							432,35573
passage en montant											16021					-4500,00					5000,00					155,0091							344,41011
dummy du retard (retard=1)											16021					0					1					,18							,387
annee d'octroi du pret											16021					2005					2008					2006,90							1,028
annee de cloture du pret											11410					2005,00					2008,00					2007,0700							,92259
dummy du groupe solidaire											16021					,00					1,00					,4432							,49678
dummy du produit individuel											16021					,00					1,00					,4201							,49360
dummy du produit solfa											16021					,00					1,00					,0600							,23746
dummy du produit forsa											16021					,00					1,00					,0039							,06259
dummy du produit taalim											16021					,00					1,00					,0544							,22675
dummy du produit elevage											16021					,00					1,00					,0760							,26505
dummy genre (homme=1)											16021					,00					1,00					,1875							,39033
dummy marie											16021					,00					1,00					,7461							,43526
dummy veuf											16021					,00					1,00					,0248							,15546
dummy_divorce											16021					,00					1,00					,0361							,18649
dummy sait lire (client)											16021					,00					1,00					,0805							,27201
dummy études primaires											16021					,00					1,00					,6630							,47270
dummy études secondaires											16021					,00					1,00					,0840							,27742
dummy études supérieures											16021					,00					1,00					,0086							,09208
dummy activite commerce											16021					,00					1,00					,6103							,48771
dummy activite production											16021					,00					1,00					,1476							,35467
dummy activite service											16021					,00					1,00					,1197							,32457
dummy agent de credit homme (=1)											16021					,00					1,00					,5940							,49109
experience de l'agent de credit (negatif si passation)											16021					-19,00					123,00					22,9120							24,49068
Valid N (listwise)											11387
*montant du pret dummy du retard (retard=1) Crosstabulation**
													dummy du retard (retard=1)						Total
													pas de retard			retard
montant du pret	100		Count										61			9			70
			% within montant du pret										87,1%			12,9%			100,0%
	150		Count										448			50			498
			% within montant du pret										90,0%			10,0%			100,0%
	200		Count										2445			368			2813
			% within montant du pret										86,9%			13,1%			100,0%
	300		Count										2231			389			2620
			% within montant du pret										85,2%			14,8%			100,0%
	400		Count										1799			425			2224
			% within montant du pret										80,9%			19,1%			100,0%
	500		Count										1809			485			2294
			% within montant du pret										78,9%			21,1%			100,0%
	600		Count										925			232			1157
			% within montant du pret										79,9%			20,1%			100,0%
	700		Count										675			215			890
			% within montant du pret										75,8%			24,2%			100,0%
	800		Count										869			266			1135
			% within montant du pret										76,6%			23,4%			100,0%
	1000		Count										915			254			1169
			% within montant du pret										78,3%			21,7%			100,0%
	1200		Count										416			129			545
			% within montant du pret										76,3%			23,7%			100,0%
	1500		Count										236			64			300
			% within montant du pret										78,7%			21,3%			100,0%
	1700		Count										65			16			81
			% within montant du pret										80,2%			19,8%			100,0%
	2000		Count										81			25			106
			% within montant du pret										76,4%			23,6%			100,0%
	2200		Count										7			1			8
			% within montant du pret										87,5%			12,5%			100,0%
	2500		Count										36			5			41
			% within montant du pret										87,8%			12,2%			100,0%
	2700		Count										1			0			1
			% within montant du pret										100,0%			,0%			100,0%
	3000		Count										30			7			37
			% within montant du pret										81,1%			18,9%			100,0%
	3500		Count										6			1			7
			% within montant du pret										85,7%			14,3%			100,0%
	4000		Count										9			3			12
			% within montant du pret										75,0%			25,0%			100,0%
	4500		Count										2			2			4
			% within montant du pret										50,0%			50,0%			100,0%
	5000		Count										8			1			9
			% within montant du pret										88,9%			11,1%			100,0%
Total			Count										13074			2947			16021
			% within montant du pret										81,6%			18,4%			100,0%
*nombre de mensualité dummy du retard (retard=1) Crosstabulation**
															dummy du retard							Total
															pas de retard			retard
nombre de mensualité		1		Count											18			0				18
				% within nombre de mensualité											100,0%			,0%				100,0%
		2		Count											250			35				285
				% within nombre de mensualité											87,7%			12,3%				100,0%
		3		Count											569			104				673
				% within nombre de mensualité											84,5%			15,5%				100,0%
		4		Count											185			10				195
				% within nombre de mensualité											94,9%			5,1%				100,0%
		5		Count											5			1				6
				% within nombre de mensualité											83,3%			16,7%				100,0%
		6		Count											3832			601				4433
				% within nombre de mensualité											86,4%			13,6%				100,0%
		7		Count											1			0				1
				% within nombre de mensualité											100,0%			,0%				100,0%
		8		Count											2958			617				3575
				% within nombre de mensualité											82,7%			17,3%				100,0%
		9		Count											3			1				4
				% within nombre de mensualité											75,0%			25,0%				100,0%
		10		Count											2798			798				3596
				% within nombre de mensualité											77,8%			22,2%				100,0%
		12		Count											2323			745				3068
				% within nombre de mensualité											75,7%			24,3%				100,0%
		14		Count											1			0				1
				% within nombre de mensualité											100,0%			,0%				100,0%
		15		Count											9			0				9
				% within nombre de mensualité											100,0%			,0%				100,0%
		16		Count											6			1				7
				% within nombre de mensualité											85,7%			14,3%				100,0%
		18		Count											81			24				105
				% within nombre de mensualité											77,1%			22,9%				100,0%
		20		Count											1			0				1
				% within nombre de mensualité											100,0%			,0%				100,0%
		22		Count											1			0				1
				% within nombre de mensualité											100,0%			,0%				100,0%
		24		Count											32			6				38
				% within nombre de mensualité											84,2%			15,8%				100,0%
		36		Count											1			4				5
				% within nombre de mensualité											20,0%			80,0%				100,0%
Total				Count											13074			2947				16021
				% within nombre de mensualité											81,6%			18,4%				100,0%
*age du client dummy du retard (retard=1) Crosstabulation**
																	dummy du retard (retard=1)												Total
																	pas de retard						retard
age du client					14		Count										3						2						5
							% within age du client										60,0%						40,0%						100,0%
					15		Count										6						2						8
							% within age du client										75,0%						25,0%						100,0%
					16		Count										28						8						36
							% within age du client										77,8%						22,2%						100,0%
					17		Count										44						16						60
							% within age du client										73,3%						26,7%						100,0%
					18		Count										97						15						112
							% within age du client										86,6%						13,4%						100,0%
					19		Count										132						28						160
							% within age du client										82,5%						17,5%						100,0%
					20		Count										143						45						188
							% within age du client										76,1%						23,9%						100,0%
					21		Count										224						59						283
							% within age du client										79,2%						20,8%						100,0%
					22		Count										240						45						285
							% within age du client										84,2%						15,8%						100,0%
					23		Count										267						76						343
							% within age du client										77,8%						22,2%						100,0%
					24		Count										242						102						344
							% within age du client										70,3%						29,7%						100,0%
					25		Count										301						89						390
							% within age du client										77,2%						22,8%						100,0%
					26		Count										308						80						388
							% within age du client										79,4%						20,6%						100,0%
					27		Count										338						97						435
							% within age du client										77,7%						22,3%						100,0%
					28		Count										362						85						447
							% within age du client										81,0%						19,0%						100,0%
					29		Count										335						111						446
							% within age du client										75,1%						24,9%						100,0%
					30		Count										391						59						450
							% within age du client										86,9%						13,1%						100,0%
					31		Count										409						88						497
							% within age du client										82,3%						17,7%						100,0%
					32		Count										388						85						473
							% within age du client										82,0%						18,0%						100,0%
					33		Count										355						87						442
							% within age du client										80,3%						19,7%						100,0%
					34		Count										373						95						468
							% within age du client										79,7%						20,3%						100,0%
					35		Count										398						81						479
							% within age du client										83,1%						16,9%						100,0%
					36		Count										417						85						502
							% within age du client										83,1%						16,9%						100,0%
					37		Count										390						111						501
							% within age du client										77,8%						22,2%						100,0%
					38		Count										489						88						577
							% within age du client										84,7%						15,3%						100,0%
					39		Count										454						93						547
							% within age du client										83,0%						17,0%						100,0%
					40		Count										459						84						543
							% within age du client										84,5%						15,5%						100,0%
					41		Count										465						92						557
							% within age du client										83,5%						16,5%						100,0%
					42		Count										431						76						507
							% within age du client										85,0%						15,0%						100,0%
					43		Count										433						103						536
							% within age du client										80,8%						19,2%						100,0%
					44		Count										398						83						481
							% within age du client										82,7%						17,3%						100,0%
					45		Count										416						75						491
							% within age du client										84,7%						15,3%						100,0%
46		Count										353						68							421
		% within age du client										83,8%						16,2%							100,0%
47		Count										367						77							444
		% within age du client										82,7%						17,3%							100,0%
48		Count										319						78							397
		% within age du client										80,4%						19,6%							100,0%
49		Count										320						76							396
		% within age du client										80,8%						19,2%							100,0%
50		Count										290						57							347
		% within age du client										83,6%						16,4%							100,0%
51		Count										263						51							314
		% within age du client										83,8%						16,2%							100,0%
52		Count										211						35							246
		% within age du client										85,8%						14,2%							100,0%
53		Count										231						38							269
		% within age du client										85,9%						14,1%							100,0%
54		Count										154						31							185
		% within age du client										83,2%						16,8%							100,0%
55		Count										122						25							147
		% within age du client										83,0%						17,0%							100,0%
56		Count										140						32							172
		% within age du client										81,4%						18,6%							100,0%
57		Count										104						18							122
		% within age du client										85,2%						14,8%							100,0%
58		Count										96						25							121
		% within age du client										79,3%						20,7%							100,0%
59		Count										79						24							103
		% within age du client										76,7%						23,3%							100,0%
60		Count										63						12							75
		% within age du client										84,0%						16,0%							100,0%
61		Count										39						12							51
		% within age du client										76,5%						23,5%							100,0%
62		Count										48						5							53
		% within age du client										90,6%						9,4%							100,0%
63		Count										32						5							37
		% within age du client										86,5%						13,5%							100,0%
64		Count										28						9							37
		% within age du client										75,7%						24,3%							100,0%
65		Count										22						6							28
		% within age du client										78,6%						21,4%							100,0%
66		Count										6						3							9
		% within age du client										66,7%						33,3%							100,0%
67		Count										10						5							15
		% within age du client										66,7%						33,3%							100,0%
68		Count										17						3							20
		% within age du client										85,0%						15,0%							100,0%
69		Count										4						2							6
		% within age du client										66,7%						33,3%							100,0%
71		Count										3						0							3
		% within age du client										100,0%						,0%							100,0%
72		Count										5						1							6
		% within age du client										83,3%						16,7%							100,0%
73		Count										4						1							5
		% within age du client										80,0%						20,0%							100,0%
74		Count										2						0							2
		% within age du client										100,0%						,0%							100,0%
75		Count										1						0							1
		% within age du client										100,0%						,0%							100,0%
76		Count										2						1							3
		% within age du client										66,7%						33,3%							100,0%
77		Count										1						1							2
		% within age du client										50,0%						50,0%							100,0%
79		Count										0						1							1
		% within age du client										,0%						100,0%							100,0%
Total							Count										13072						2947						16019
							% within age du client										81,6%						18,4%						100,0%
*nombre de prets reçus dummy du retard (retard=1) Crosstabulation**
																					dummy du retard (retard=1)											Total
																					pas de retard							retard
nombre de prets reçus								1				Count									4443							684				5127
												% within nombre de prets reçus									86,7%							13,3%				100,0%
								2				Count									2802							578				3380
												% within nombre de prets reçus									82,9%							17,1%				100,0%
								3				Count									1721							444				2165
												% within nombre de prets reçus									79,5%							20,5%				100,0%
								4				Count									1152							339				1491
												% within nombre de prets reçus									77,3%							22,7%				100,0%
								5				Count									743							222				965
												% within nombre de prets reçus									77,0%							23,0%				100,0%
								6				Count									561							193				754
												% within nombre de prets reçus									74,4%							25,6%				100,0%
								7				Count									449							123				572
												% within nombre de prets reçus									78,5%							21,5%				100,0%
								8				Count									343							100				443
												% within nombre de prets reçus									77,4%							22,6%				100,0%
								9				Count									231							72				303
												% within nombre de prets reçus									76,2%							23,8%				100,0%
								10				Count									174							57				231
												% within nombre de prets reçus									75,3%							24,7%				100,0%
								11				Count									124							31				155
												% within nombre de prets reçus									80,0%							20,0%				100,0%
								12				Count									93							30				123
												% within nombre de prets reçus									75,6%							24,4%				100,0%
								13				Count									59							18				77
												% within nombre de prets reçus									76,6%							23,4%				100,0%
								14				Count									45							15				60
												% within nombre de prets reçus									75,0%							25,0%				100,0%
								15				Count									27							14				41
												% within nombre de prets reçus									65,9%							34,1%				100,0%
								16				Count									31							4				35
												% within nombre de prets reçus									88,6%							11,4%				100,0%
								17				Count									23							7				30
												% within nombre de prets reçus									76,7%							23,3%				100,0%
								18				Count									13							6				19
												% within nombre de prets reçus									68,4%							31,6%				100,0%
								19				Count									13							2				15
												% within nombre de prets reçus									86,7%							13,3%				100,0%
								20				Count									3							3				6
												% within nombre de prets reçus									50,0%							50,0%				100,0%
								21				Count									3							1				4
												% within nombre de prets reçus									75,0%							25,0%				100,0%
								22				Count									5							0				5
												% within nombre de prets reçus									100,0%							,0%				100,0%
								23				Count									3							1				4
												% within nombre de prets reçus									75,0%							25,0%				100,0%
								24				Count									1							0				1
												% within nombre de prets reçus									100,0%							,0%				100,0%
								25				Count									3							1				4
												% within nombre de prets reçus									75,0%							25,0%				100,0%
								26				Count									1							0				1
												% within nombre de prets reçus									100,0%							,0%				100,0%
								27				Count									5							0				5
												% within nombre de prets reçus									100,0%							,0%				100,0%
								28				Count									1							1				2
												% within nombre de prets reçus									50,0%							50,0%				100,0%
								30				Count									1							0				1
												% within nombre de prets reçus									100,0%							,0%				100,0%
								33				Count									0							1				1
												% within nombre de prets reçus									,0%							100,0%				100,0%
								35				Count									1							0				1
												% within nombre de prets reçus									100,0%							,0%				100,0%
Total												Count									13074							2947				16021
												% within nombre de prets reçus									81,6%							18,4%				100,0%
*montant precedent dummy du retard (retard=1) Crosstabulation**
																				dummy du retard (retard=1)											Total
																				pas de retard							retard
montant precedent						,00				Count										4443							684				5127
										% within montant precedent										86,7%							13,3%				100,0%
						100,00				Count										32							2				34
										% within montant precedent										94,1%							5,9%				100,0%
						150,00				Count										379							59				438
										% within montant precedent										86,5%							13,5%				100,0%
						200,00				Count										1500							306				1806
										% within montant precedent										83,1%							16,9%				100,0%
						300,00				Count										1141							304				1445
										% within montant precedent										79,0%							21,0%				100,0%
						400,00				Count										1153							301				1454
										% within montant precedent										79,3%							20,7%				100,0%
						500,00				Count										991							343				1334
										% within montant precedent										74,3%							25,7%				100,0%
						600,00				Count										750							226				976
										% within montant precedent										76,8%							23,2%				100,0%
						700,00				Count										571							143				714
										% within montant precedent										80,0%							20,0%				100,0%
						800,00				Count										699							178				877
										% within montant precedent										79,7%							20,3%				100,0%
						1000,00				Count										722							202				924
										% within montant precedent										78,1%							21,9%				100,0%
						1200,00				Count										351							105				456
										% within montant precedent										77,0%							23,0%				100,0%
						1500,00				Count										175							53				228
										% within montant precedent										76,8%							23,2%				100,0%
						1700,00				Count										37							10				47
										% within montant precedent										78,7%							21,3%				100,0%
						2000,00				Count										64							15				79
										% within montant precedent										81,0%							19,0%				100,0%
						2200,00				Count										7							3				10
										% within montant precedent										70,0%							30,0%				100,0%
						2500,00				Count										20							3				23
										% within montant precedent										87,0%							13,0%				100,0%
						2700,00				Count										1							0				1
										% within montant precedent										100,0%							,0%				100,0%
						3000,00				Count										19							6				25
										% within montant precedent										76,0%							24,0%				100,0%
						3500,00				Count										9							0				9
										% within montant precedent										100,0%							,0%				100,0%
						4000,00				Count										7							1				8
										% within montant precedent										87,5%							12,5%				100,0%
						4500,00				Count										1							0				1
										% within montant precedent										100,0%							,0%				100,0%
						5000,00				Count										2							3				5
										% within montant precedent										40,0%							60,0%				100,0%
Total										Count										13074							2947				16021
										% within montant precedent										81,6%							18,4%				100,0%
*dummy genre (homme=1) dummy du retard (retard=1) Crosstabulation**
																								dummy du retard (retard=1)										Total
																								pas de retard						retard
dummy genre (homme=1)									,00					Count										10728						2289				13017
														% within dummy genre (homme=1)										82,4%						17,6%				100,0%
									1,00					Count										2346						658				3004
														% within dummy genre (homme=1)										78,1%						21,9%				100,0%
Total														Count										13074						2947				16021
														% within dummy genre (homme=1)										81,6%						18,4%				100,0%
*dummy agent de credit homme (=1) dummy du retard (retard=1) Crosstabulation**
																								dummy du retard (retard=1)										Total
																								pas de retard						retard
dummy agent de credit homme (=1)									,00					Count										5353						1151				6504
														% within dummy agent de credit homme (=1)										82,3%						17,7%				100,0%
									1,00					Count										7721						1796				9517
														% within dummy agent de credit homme (=1)										81,1%						18,9%				100,0%
Total														Count										13074						2947				16021
														% within dummy agent de credit homme (=1)										81,6%						18,4%				100,0%

Variables dans l'équation
				B						E.S.				Wald				ddl			Signif.			Exp(B)
Etape 1(a)		DUMMY_FA		,750						,041				328,855				1			,000			2,117
		Constante		-1,848						,030				3726,543				1			,000			,158
Etape 2(b)		NUMBEROF		,059						,007				65,324				1			,000			1,061
		DUMMY_FA		,653						,043				231,226				1			,000			1,922
		Constante		-2,314						,066				1217,880				1			,000			,099
Etape 3(c)		NUMBEROF		,082						,008				110,552				1			,000			1,085
		PASSAGEM		-,001						,000				85,992				1			,000			,999
		DUMMY_FA		,700						,044				255,382				1			,000			2,015
		Constante		-2,446						,068				1281,270				1			,000			,087
Etape 4(d)		NUMBEROF		,087						,008				121,798				1			,000			1,090
		PASSAGEM		-,001						,000				93,163				1			,000			,999
		DUMMY_FA		,683						,044				241,264				1			,000			1,979
		DUMMY_MA		-,317						,046				47,260				1			,000			,728
		Constante		-2,241						,074				917,829				1			,000			,106
Etape 5(e)		NUMBEROF		,085						,008				117,533				1			,000			1,089
		PASSAGEM		-,001						,000				69,778				1			,000			,999
		DUMMY_FA		,632						,045				198,255				1			,000			1,881
		DUMMY_MA		-,323						,046				49,102				1			,000			,724
		EXPERIEN		,005						,001				32,385				1			,000			1,005
		Constante		-2,323						,075				951,761				1			,000			,098
Etape 6(f)		NUMBEROF		,090						,008				128,755				1			,000			1,094
		AGE		-,010						,002				23,577				1			,000			,990
		PASSAGEM		-,001						,000				78,860				1			,000			,999
		DUMMY_FA		,632						,045				197,876				1			,000			1,881
		DUMMY_MA		-,244						,049				24,851				1			,000			,783
		EXPERIEN		,005						,001				36,259				1			,000			1,005
		Constante		-2,037						,095				459,955				1			,000			,130
Etape 7(g)		NUMBEROF		,092						,008				135,976				1			,000			1,097
		AGE		-,010						,002				21,354				1			,000			,990
		PASSAGEM		-,001						,000				86,821				1			,000			,999
		DUMMY_FA		,611						,045				182,648				1			,000			1,842
		DUMMY_HO		,238						,052				21,008				1			,000			1,269
		DUMMY_MA		-,229						,049				21,635				1			,000			,795
		EXPERIEN		,005						,001				39,392				1			,000			1,005
		Constante		-2,127						,097				479,426				1			,000			,119
Etape 8(h)		AMOUNT		,000						,000				18,492				1			,000			1,000
		NUMBEROF		,120						,010				138,062				1			,000			1,127
		AGE		-,009						,002				18,619				1			,000			,991
		PASSAGEM		-,001						,000				74,684				1			,000			,999
		DUMMY_FA		,648						,046				198,546				1			,000			1,912
		DUMMY_HO		,252						,052				23,375				1			,000			1,287
		DUMMY_MA		-,234						,049				22,452				1			,000			,792
		EXPERIEN		,006						,001				47,369				1			,000			1,006
		Constante		-2,246						,102				489,472				1			,000			,106
Etape 9(i)		AMOUNT		-,001						,000				28,286				1			,000			,999
		NUMBEROF		,119						,010				135,638				1			,000			1,126
		AGE		-,010						,002				21,582				1			,000			,990
		CYCLE		,038						,012				10,787				1			,001			1,039
		PASSAGEM		,000						,000				12,200				1			,000			1,000
		DUMMY_FA		,643						,046				195,017				1			,000			1,902
		DUMMY_HO		,272						,053				26,903				1			,000			1,313
		DUMMY_MA		-,232						,049				22,145				1			,000			,793
		EXPERIEN		,005						,001				39,331				1			,000			1,005
		Constante		-2,255						,101				494,098				1			,000			,105
Etape 10(j)		AMOUNT		-,001						,000				31,989				1			,000			,999
		NUMBEROF		,132						,012				125,016				1			,000			1,141
		AGE		-,010						,002				21,522				1			,000			,990
		CYCLE		,036						,012				9,583				1			,002			1,037
		PASSAGEM		,000						,000				7,523				1			,006			1,000
		DUMMY_FA		,661						,047				199,282				1			,000			1,937
		DUMMY_SO		,293						,132				4,884				1			,027			1,340
		DUMMY_HO		,269						,053				26,247				1			,000			1,309
		DUMMY_MA		-,231						,049				21,798				1			,000			,794
		EXPERIEN		,005						,001				39,130				1			,000			1,005
		Constante		-2,361						,112				440,884				1			,000			,094
Etape 11(k)		AMOUNT		1,25^E+12						322,625				1,51^E+19				1			,000			,
		NUMBEROF		,131						,011				131,752				1			,000			1,140
		AGE		-,010						,002				21,831				1			,000			,990
		CYCLE		,042						,011				13,411				1			,000			1,043
		PREVAMOU		-1,25^E+12						322,625				1,51^E+19				1			,000			,000
		PASSAGEM		-1,25^E+12						322,625				1,51^E+19				1			,000			,000
		DUMMY_FA		,671						,046				212,722				1			,000			1,956
		DUMMY_SO		,299						,130				5,280				1			,022			1,348
		DUMMY_HO		,265						,052				26,260				1			,000			1,304
		DUMMY_MA		-,233						,049				22,990				1			,000			,792
		EXPERIEN		,005						,001				40,447				1			,000			1,005
		Constante		-2,377						,110				464,541				1			,000			,093
a Variable(s) entrées à l'étape 1: DUMMY_FA.
b Variable(s) entrées à l'étape 2: NUMBEROF.
c Variable(s) entrées à l'étape 3: PASSAGEM.
d Variable(s) entrées à l'étape 4: DUMMY_MA.
e Variable(s) entrées à l'étape 5: EXPERIEN.
f Variable(s) entrées à l'étape 6: AGE.
g Variable(s) entrées à l'étape 7: DUMMY_HO.
h Variable(s) entrées à l'étape 8: AMOUNT.
i Variable(s) entrées à l'étape 9: CYCLE.
j Variable(s) entrées à l'étape 10: DUMMY_SO.
k Variable(s) entrées à l'étape 11: PREVAMOU.
Variables hors de l'équation											Score					ddl			Signif.
Etape 1			Variables				AMOUNT				2,692					1			,101
							NUMBEROF				65,973					1			,000
							AGE				18,164					1			,000
							NOOFDEPE				,007					1			,935
							CYCLE				53,898					1			,000
							PREVAMOU				38,441					1			,000
							PASSAGEM				39,522					1			,000
							DUMMY_GS				35,349					1			,000
							DUMMY_SO				,889					1			,346
							DUMMY_FO				,045					1			,832
							DUMMY_TA				33,340					1			,000
							DUMMY_EL				,000					1			,984
							DUMMY_HO				11,137					1			,001
							DUMMY_MA				33,526					1			,000
							DUMMY_VE				,088					1			,767
							DUMMY_DI				1,300					1			,254
							DUMMY_LI				,001					1			,976
							DUMMY_PR				1,512					1			,219
							DUMMY_SE				1,080					1			,299
							DUMMY_SU				1,604					1			,205
							DUMMY_CO				,027					1			,871
							V28_A				,063					1			,802
							V29_A				,769					1			,381
							DUMMY_AC				2,403					1			,121
							EXPERIEN				50,187					1			,000
Etape 2			Variables				AMOUNT				20,682					1			,000
							AGE				26,007					1			,000
							NOOFDEPE				,153					1			,696
							CYCLE				28,522					1			,000
							PREVAMOU				12,796					1			,000
							PASSAGEM				88,061					1			,000
							DUMMY_GS				39,194					1			,000
							DUMMY_SO				23,229					1			,000
							DUMMY_FO				,025					1			,874
							DUMMY_TA				16,714					1			,000
							DUMMY_EL				,065					1			,798
							DUMMY_HO				14,100					1			,000
							DUMMY_MA				40,169					1			,000
							DUMMY_VE				,198					1			,656
							DUMMY_DI				1,191					1			,275
							DUMMY_LI				,208					1			,648
							DUMMY_PR				1,565					1			,211
							DUMMY_SE				,552					1			,457
							DUMMY_SU				1,586					1			,208
							DUMMY_CO				,032					1			,858
							V28_A				,010					1			,922
							V29_A				,713					1			,398
							DUMMY_AC				1,975					1			,160
							EXPERIEN				52,293					1			,000
Etape 3			Variables				AMOUNT				12,187					1			,000
							AGE				41,479					1			,000
							NOOFDEPE				1,514					1			,219
							CYCLE				,072					1			,788
							PREVAMOU				12,187					1			,000
							DUMMY_GS				5,805					1			,016
							DUMMY_SO				1,360					1			,244
							DUMMY_FO				1,300					1			,254
							DUMMY_TA				,633					1			,426
							DUMMY_EL				,348					1			,555
							DUMMY_HO				25,421					1			,000
							DUMMY_MA				47,495					1			,000
							DUMMY_VE				,073					1			,787
							DUMMY_DI				,531					1			,466
							DUMMY_LI				1,157					1			,282
							DUMMY_PR				,946					1			,331
							DUMMY_SE				,000					1			,999
							DUMMY_SU				,771					1			,380
							DUMMY_CO				,305					1			,581
							V28_A				,092					1			,762
							V29_A				2,173					1			,140
							DUMMY_AC				2,656					1			,103
							EXPERIEN				30,655					1			,000
Etape 4			Variables				AMOUNT				12,053					1			,001
							AGE				19,892					1			,000
							NOOFDEPE				1,249					1			,264
							CYCLE				,002					1			,964
							PREVAMOU				12,053					1			,001
							DUMMY_GS				6,748					1			,009
							DUMMY_SO				1,123					1			,289
							DUMMY_FO				1,322					1			,250
							DUMMY_TA				1,437					1			,231
							DUMMY_EL				,518					1			,472
							DUMMY_HO				20,073					1			,000
							DUMMY_VE				4,370					1			,037
							DUMMY_DI				2,589					1			,108
							DUMMY_LI				2,290					1			,130
							DUMMY_PR				,469					1			,494
							DUMMY_SE				,516					1			,472
							DUMMY_SU				1,373					1			,241
							DUMMY_CO				,103					1			,749
							V28_A				,008					1			,930
							V29_A				,693					1			,405
							DUMMY_AC				2,952					1			,086
							EXPERIEN				32,499					1			,000
Etape 5			Variables				AMOUNT				18,846					1			,000
							AGE				23,624					1			,000
							NOOFDEPE				1,728					1			,189
							CYCLE				1,875					1			,171
							PREVAMOU				18,846					1			,000
							DUMMY_GS				5,468					1			,019
							DUMMY_SO				,370					1			,543
							DUMMY_FO				1,429					1			,232
							DUMMY_TA				1,700					1			,192
							DUMMY_EL				1,071					1			,301
							DUMMY_HO				23,429					1			,000
							DUMMY_VE				4,037					1			,045
							DUMMY_DI				3,030					1			,082
							DUMMY_LI				1,818					1			,177
							DUMMY_PR				,514					1			,473
							DUMMY_SE				,249					1			,618
							DUMMY_SU				1,563					1			,211
							DUMMY_CO				,244					1			,622
							V28_A				,050					1			,823
							V29_A				,707					1			,400
							DUMMY_AC				6,217					1			,013
Etape 6			Variables				AMOUNT				16,385					1			,000
							NOOFDEPE				,832					1			,362
							CYCLE				,557					1			,455
							PREVAMOU				16,385					1			,000
							DUMMY_GS				5,170					1			,023
							DUMMY_SO				,572					1			,450
							DUMMY_FO				1,335					1			,248
							DUMMY_TA				1,278					1			,258
							DUMMY_EL				,669					1			,413
							DUMMY_HO				21,068					1			,000
							DUMMY_VE				1,599					1			,206
							DUMMY_DI				,013					1			,909
							DUMMY_LI				2,063					1			,151
							DUMMY_PR				,085					1			,771
							DUMMY_SE				1,433					1			,231
							DUMMY_SU				2,141					1			,143
							DUMMY_CO				,001					1			,977
							V28_A				,073					1			,788
							V29_A				,137					1			,711
							DUMMY_AC				5,528					1			,019
Etape 7			Variables				AMOUNT				18,511					1			,000
							NOOFDEPE				,545					1			,460
							CYCLE				,268					1			,604
							PREVAMOU				18,511					1			,000
							DUMMY_GS				3,059					1			,080
							DUMMY_SO				,344					1			,557
							DUMMY_FO				1,721					1			,190
							DUMMY_TA				,559					1			,455
							DUMMY_EL				,456					1			,499
							DUMMY_VE				,803					1			,370
							DUMMY_DI				,388					1			,533
							DUMMY_LI				2,318					1			,128
							DUMMY_PR				,255					1			,613
							DUMMY_SE				2,235					1			,135
							DUMMY_SU				2,352					1			,125
							DUMMY_CO				,018					1			,894
							V28_A				,002					1			,963
							V29_A				,022					1			,882
							DUMMY_AC				5,213					1			,022
Etape 8			Variables				NOOFDEPE				,430					1			,512
							CYCLE				10,839					1			,001
							PREVAMOU				,000					1			1,000
							DUMMY_GS				4,972					1			,026
							DUMMY_SO				6,116					1			,013
							DUMMY_FO				,314					1			,575
							DUMMY_TA				,295					1			,587
							DUMMY_EL				,173					1			,677
							DUMMY_VE				,736					1			,391
							DUMMY_DI				,241					1			,623
							DUMMY_LI				1,065					1			,302
							DUMMY_PR				,035					1			,851
							DUMMY_SE				1,971					1			,160
							DUMMY_SU				2,179					1			,140
							DUMMY_CO				,257					1			,612
							V28_A				,056					1			,813
							V29_A				,024					1			,877
							DUMMY_AC				4,557					1			,033
Etape 9			Variables				NOOFDEPE				,658					1			,417
							PREVAMOU				,000					1			1,000
							DUMMY_GS				4,116					1			,042
							DUMMY_SO				4,895					1			,027
							DUMMY_FO				,460					1			,498
							DUMMY_TA				,299					1			,584
							DUMMY_EL				,252					1			,615
							DUMMY_VE				,715					1			,398
							DUMMY_DI				,331					1			,565
							DUMMY_LI				1,680					1			,195
							DUMMY_PR				,107					1			,744
							DUMMY_SE				1,559					1			,212
							DUMMY_SU				1,919					1			,166
							DUMMY_CO				,198					1			,657
							V28_A				,112					1			,738
							V29_A				,000					1			,989
							DUMMY_AC				4,758					1			,029
Etape 10			Variables				NOOFDEPE				,632					1			,426
							PREVAMOU				12693,622					1			,000
							DUMMY_GS				1,144					1			,285
							DUMMY_FO				,034					1			,854
							DUMMY_TA				,067					1			,796
							DUMMY_EL				,235					1			,628
							DUMMY_VE				,677					1			,411
							DUMMY_DI				,329					1			,566
							DUMMY_LI				1,662					1			,197
							DUMMY_PR				,096					1			,756
							DUMMY_SE				1,649					1			,199
							DUMMY_SU				1,978					1			,160
							DUMMY_CO				,219					1			,640
							V28_A				,083					1			,773
							V29_A				,007					1			,932
							DUMMY_AC				4,512					1			,034
Etape 11			Variables				NOOFDEPE				30,767					1			,000
							DUMMY_GS				12,337					1			,000
							DUMMY_FO				,854					1			,356
							DUMMY_TA				,494					1			,482
							DUMMY_EL				,009					1			,923
							DUMMY_VE				1,756					1			,185
							DUMMY_DI				,009					1			,925
							DUMMY_LI				,338					1			,561
							DUMMY_PR				24,087					1			,000
							DUMMY_SE				5,101					1			,024
							DUMMY_SU				3,015					1			,083
							DUMMY_CO				13,302					1			,000
							V28_A				2,049					1			,152
							V29_A				1,888					1			,169
							DUMMY_AC				2,410					1			,121
			Statistiques globales								1173,406					15			,000
a Les khi-deux résiduels ne sont pas calculés du fait de la présence de redondances.
Matrice de corrélation
					Constante			DUMMY_FA					NUMOF				PASGM					DUM_MA			EXPERIEN		AGE		DUM_HO		AMOU		CYC		DUM_SO		PREVA
11	Constante					1,000			-,150			-,653			,000					-,072			-,134			-,533		-,188		,000		,007		-,432		,000
	AMOUNT					,000			,000			,000			-1,000					,000			,000			,000		,000		1,000		,000		,000		-1,000
	NUMBEROF					-,653			,047			1,000			,000					-,033			,069			-,044		,069		,000		-,056		,497		,000
	AGE					-,533			,006			-,044			,000					-,334			-,040			1,000		,035		,000		-,114		,002		,000
	CYCLE					,007			-,048			-,056			,000					,008			-,157			-,114		,119		,000		1,000		-,082		,000
	PREVAMOU					,000			,000			,000			1,000					,000			,000			,000		,000		-1,000		,000		,000		1,000
	PASSAGEM					,000			,000			,000			1,000					,000			,000			,000		,000		-1,000		,000		,000		1,000
	DUMMY_FA					-,150			1,000			,047			,000					,048			-,161			,006		-,094		,000		-,048		,183		,000
	DUMMY_SO					-,432			,183			,497			,000					,016			-,007			,002		-,026		,000		-,082		1,000		,000
	DUMMY_HO					-,188			-,094			,069			,000					,065			,052			,035		1,000		,000		,119		-,026		,000
	DUMMY_MA					-,072			,048			-,033			,000					1,000			-,005			-,334		,065		,000		,008		,016		,000
	EXPERIEN					-,134			-,161			,069			,000					-,005			1,000			-,040		,052		,000		-,157		-,007		,000

Case Processing Summary
Unweighted Cases^a																								N											Percent
Selected Cases											Included in Analysis													16019											100,0
											Missing Cases													2											,0
											Total													16021											100,0
Unselected Cases																								0											,0
Total																								16021											100,0
a. If weight is in effect, see classification table for the total number of cases.
Model Summary
Step					-2 Log likelihood									Cox & Snell R Square											Nagelkerke R Square
1					14960,255^a									,021											,033
2					14895,033^b									,025											,040
3					14812,557^b									,030											,048
4					14766,137^b									,032											,053
5					14733,965^b									,034											,056
6					14709,173^b									,036											,058
7					14687,839^b									,037											,060
8					14668,434^b									,038											,062
9					14657,570^b									,039											,063
10					14652,793^b									,039											,064
a. Estimation terminated at iteration number 4 because parameter estimates changed by less than ,001.
b. Estimation terminated at iteration number 5 because parameter estimates changed by less than ,001.
Dependent Variable Encoding
Original Value									Internal Value
pas de retard									0
retard									1
Omnibus Tests of Model Coefficients
												Chi-square								df											Sig.
Step 1							Step					333,368								1											,000
							Block					333,368								1											,000
							Model					333,368								1											,000
Step 2							Step					65,222								1											,000
							Block					398,590								2											,000
							Model					398,590								2											,000
Step 3							Step					82,477								1											,000
							Block					481,067								3											,000
							Model					481,067								3											,000
Step 4							Step					46,420								1											,000
							Block					527,486								4											,000
							Model					527,486								4											,000
Step 5							Step					32,172								1											,000
							Block					559,658								5											,000
							Model					559,658								5											,000
Step 6							Step					24,792								1											,000
							Block					584,450								6											,000
							Model					584,450								6											,000
Step 7							Step					21,334								1											,000
							Block					605,784								7											,000
							Model					605,784								7											,000
Step 8							Step					19,406								1											,000
							Block					625,189								8											,000
							Model					625,189								8											,000
Step 9							Step					10,864								1											,001
							Block					636,054								9											,000
							Model					636,054								9											,000
Step 10							Step					4,776								1											,029
							Block					640,830								10											,000
							Model					640,830								10											,000
Variables in the Equation
																		B														S.E.					Wald					df			Sig.				Exp(B)
Step 1^a						dummy_fardi												0,74974133														0,0413					329,098					1			,000				2,116
						Constant												-1,84815554														0,0303					3729,863					1			,000				,158
Step 2^b						NumberOfpayments												0,05954020														0,0073					66,298					1			,000				1,061
						dummy_fardi												0,65237986														0,0429					230,987					1			,000				1,920
						Constant												-2,31679752														0,0663					1222,528					1			,000				,099
Step 3^c						NumberOfpayments												0,08236610														0,0078					111,630					1			,000				1,086
						PassageMontant												-0,00058155														0,0001					85,575					1			,000				,999
						dummy_fardi												0,69926444														0,0438					254,991					1			,000				2,012
						Constant												-2,44833660														0,0683					1285,761					1			,000				,086
Step 4^d						NumberOfpayments												0,08687065														0,0078					122,979					1			,000				1,091
						PassageMontant												-0,00060840														0,0001					92,747					1			,000				,999
						dummy_fardi												0,68136423														0,0439					240,800					1			,000				1,977
						dummy_marie												-0,31723971														0,0460					47,517					1			,000				,728
						Constant												-2,24374804														0,0739					921,644					1			,000				,106
Step 5^e						NumberOfpayments												0,08528113														0,0078					118,716					1			,000				1,089
						PassageMontant												-0,00053588														0,0001					69,353					1			,000				,999
						dummy_fardi												0,63018406														0,0449					197,365					1			,000				1,878
						dummy_marie												-0,32367827														0,0461					49,322					1			,000				,723
						experience_AC												0,00468083														0,0008					32,752					1			,000				1,005
						Constant												-2,32632895														0,0752					955,943					1			,000				,098
Step 6^f						NumberOfpayments												0,09013788														0,0079					130,245					1			,000				1,094
						Age												-0,01041402														0,0021					24,496					1			,000				,990
						PassageMontant												-0,00057512														0,0001					78,661					1			,000				,999
						dummy_fardi												0,63024244														0,0449					197,097					1			,000				1,878
						dummy_marie												-0,24355634														0,0489					24,765					1			,000				,784
						experience_AC												0,00497225														0,0008					36,741					1			,000				1,005
						Constant												-2,03536476														0,0949					459,902					1			,000				,131
Step 7^g						NumberOfpayments												0,09284481														0,0079					137,631					1			,000				1,097
						Age												-0,00994222														0,0021					22,154					1			,000				,990
						PassageMontant												-0,00060431														0,0001					86,804					1			,000				,999
						dummy_fardi												0,60865830														0,0452					181,682					1			,000				1,838
						dummy_homme												0,24272651														0,0519					21,831					1			,000				1,275
						dummy_marie												-0,22834331														0,0492					21,516					1			,000				,796
						experience_AC												0,00520013														0,0008					39,942					1			,000				1,005
						Constant												-2,12711975														0,0971					480,103					1			,000				,119
Step 8^h						Amount												-0,00031848														0,0001					18,333					1			,000				1,000
						NumberOfpayments												0,12028480														0,0102					139,074					1			,000				1,128
						Age												-0,00930794														0,0021					19,356					1			,000				,991
						PassageMontant												-0,00057385														0,0001					74,688					1			,000				,999
						dummy_fardi												0,64570782														0,0460					197,434					1			,000				1,907
						dummy_homme												0,25621527														0,0521					24,211					1			,000				1,292
						dummy_marie												-0,23283146														0,0493					22,338					1			,000				,792
						experience_AC												0,00575861														0,0008					47,896					1			,000				1,006
						Constant												-2,24515195														0,1014					489,894					1			,000				,106
Step 9ⁱ						Amount												-0,00053258														0,0001					28,371					1			,000				,999
						NumberOfpayments												0,11943081														0,0102					136,592					1			,000				1,127
						Age												-0,01008881														0,0021					22,420					1			,000				,990
						Cycle												0,03879033														0,0117					11,017					1			,001				1,040
						PassageMontant												-0,00033950														0,0001					12,032					1			,001				1,000
						dummy_fardi												0,64055755														0,0460					193,867					1			,000				1,898
						dummy_homme												0,27656309														0,0524					27,822					1			,000				1,319
						dummy_marie												-0,23133905														0,0493					22,025					1			,000				,793
						experience_AC												0,00531894														0,0008					39,737					1			,000				1,005
						Constant												-2,25446560														0,1014					494,522					1			,000				,105
Step 10^j						Amount												-0,00058950														0,0001					32,058					1			,000				,999
						NumberOfpayments												0,13209881														0,0118					125,750					1			,000				1,141
						Age												-0,01007606														0,0021					22,352					1			,000				,990
						Cycle												0,03672781														0,0117					9,801					1			,002				1,037
						PassageMontant												-0,00027807														0,0001					7,412					1			,006				1,000
						dummy_fardi												0,65894468														0,0468					198,097					1			,000				1,933
						dummy_solfa												0,29147199														0,1323					4,853					1			,028				1,338
						dummy_homme												0,27335096														0,0525					27,151					1			,000				1,314
						dummy_marie												-0,22959808														0,0493					21,684					1			,000				,795
						experience_AC												0,00530517														0,0008					39,519					1			,000				1,005
						Constant												-2,35967705														0,1123					441,124					1			,000				,094
Correlation Matrix
																Constant						NumberOfpayments				dummy_fardi								PassageMontant		dummy_marie				experience_AC				Age		dummy_homme				Amount			Cycle		dummy_solfa
Step 10		Constant															1,000				-,657						-,154						-,125					-,070	-,134				-,531				-,187				,303	,006		-,439
		Amount															,303				-,516						-,165						-,566					,009	-,010				,023				-,107				1,000	-,614		-,261
		NumberOfpayments															-,657				1,000						,060						,016					-,034	,069				-,043				,068				-,516	-,051		,505
		Age															-,531				-,043						,005						,004					-,334	-,040				1,000				,035				,023	-,113		,002
		Cycle															,006				-,051						-,044						,678					,007	-,156				-,113				,119				-,614	1,000		-,081
		PassageMontant															-,125				,016						-,060						1,000					,015	,014				,004				,009				-,566	,678		,280
		dummy_fardi															-,154				,060						1,000						-,060					,049	-,162				,005				-,093				-,165	-,044		,187
		dummy_solfa															-,439				,505						,187						,280					,015	-,006				,002				-,028				-,261	-,081		1,000
		dummy_homme															-,187				,068						-,093						,009					,065	,053				,035				1,000				-,107	,119		-,028
		dummy_marie															-,070				-,034						,049						,015					1,000	-,004				-,334				,065				,009	,007		,015
		experience_AC															-,134				,069						-,162						,014					-,004	1,000				-,040				,053				-,010	-,156		-,006
Classification Table^a
				Observed																								Predicted
																												dummy du retard																				Percentage Correct
																												pas de retard													retard
Step 1				dummy du retard									pas de retard															13072													0							100,0
													retard															2947													0							,0
				Overall Percentage																																												81,6
Step 2				dummy du retard									pas de retard															13072													0							100,0
													retard															2947													0							,0
				Overall Percentage																																												81,6
Step 3				dummy du retard									pas de retard															13068													4							100,0
													retard															2945													2							,1
				Overall Percentage																																												81,6
Step 4				dummy du retard									pas de retard															13068													4							100,0
													retard															2943													4							,1
				Overall Percentage																																												81,6
Step 5				dummy du retard									pas de retard															13068													4							100,0
													retard															2943													4							,1
				Overall Percentage																																												81,6
Step 6				dummy du retard									pas de retard															13065													7							99,9
													retard															2943													4							,1
				Overall Percentage																																												81,6
Step 7				dummy du retard									pas de retard															13062													10							99,9
													retard															2942													5							,2
				Overall Percentage																																												81,6
Step 8				dummy du retard									pas de retard															13065													7							99,9
													retard															2941													6							,2
				Overall Percentage																																												81,6
Step 9				dummy du retard									pas de retard															13066													6							100,0
													retard															2940													7							,2
				Overall Percentage																																												81,6
Step 10				dummy du retard									pas de retard															13068													4							100,0
													retard															2940													7							,2
				Overall Percentage																																												81,6
a. The cut value is ,500
Classification Table
			Observed																Predicted
																			dummy du retard																Percentage Correct
																			pas retard										retard
Step 1			dummy du retard							pas de retard									13072										0						100,0
										retard									2947										0						,0
			Overall Percentage																																81,6
Step 2			dummy du retard							pas de retard									13072										0						100,0
										retard									2947										0						,0
			Overall Percentage																																81,6
Step 3			dummy du retard							pas de retard									13068										4						100,0
										retard									2945										2						,1
			Overall Percentage																																81,6
Step 4			dummy du retard							pas de retard									13068										4						100,0
										retard									2944										3						,1
			Overall Percentage																																81,6
Step 5			dummy du retard							pas de retard									13069										3						100,0
										retard									2943										4						,1
			Overall Percentage																																81,6
Step 6			dummy du retard							pas de retard									13067										5						100,0
										retard									2943										4						,1
			Overall Percentage																																81,6
Step 7			dummy du retard							pas de retard									13064										8						99,9
										retard									2942										5						,2
			Overall Percentage																																81,6
Step 8			dummy du retard							pas de retard									13065										7						99,9
										retard									2943										4						,1
			Overall Percentage																																81,6
Step 9			dummy du retard							pas de retard									13067										5						100,0
										retard									2942										5						,2
			Overall Percentage																																81,6
Step 10			dummy du retard							pas de retard									13068										4						100,0
										retard									2941										6						,2
			Overall Percentage																																81,6
a. The cut value is ,510
Classification Table^a
	Observed														Predicted
															dummy du retard															Percentage Correct
								retard							2943								4							,1
	Overall Percentage																													81,6
Step 6	dummy du retard							pas de retard							13063								9							99,9
								retard							2942								5							,2
	Overall Percentage																													81,6
Step 7	dummy du retard							pas de retard							13061								11							99,9
								retard							2942								5							,2
	Overall Percentage																													81,6
Step 8	dummy du retard							pas de retard							13063								9							99,9
								retard							2941								6							,2
	Overall Percentage																													81,6
Step 9	dummy du retard							pas de retard							13064								8							99,9
								retard							2939								8							,3
	Overall Percentage																													81,6
Step 10	dummy du retard							pas de retard							13065								7							99,9
								retard							2940								7							,2
	Overall Percentage																													81,6
a. The cut value is ,490

BIBLIOGRAPHIE

§ Abdallah Akari et Féhi El Bekri, 2007, « Villes Tunisiennes : approche pour un développement durable », Travail et Développement n° 26

§ ADA, 2008, « Rapport sur le marché de la notation en microfinance 2008 »

§ Ahmed Ben Salah, 2008, « Pour rétablir la vérité : réformes et développement en Tunisie 1961-1969 », Cérés Editions Diffusion

§ Albert L., (1997). "Les mécanismes collectifs de crédit : une nouvelle solution-miracle?", Cahiers de la Faculté des Sciences Economiques, Sociales et de Gestion, 195, FNDP, Namur.

§ Amin S., Rai A.S. et Ropa G., 2001, « Does microcredit reach the Poor and Vulnerable? Evidence from Northern Bangladesh», Center for International Development? Working Paper n°28,

§ Amin S., Rai A.S. and Ropa G., 2003, « Does microcredit reach the poor and vulnerable? Evidence from Northern Bangladesh », Journal of development economics, 70(1).

§ Anne-Sophie Brouillet, 2004, « Microfinance et lutte contre la pauvreté : regard du Réseau Impact », BIM du 16 Mars 2004

§ Axel Dreher, Florian Mölders and Peter NunnenKamp, 2007, « Are NGOs the better Donors? A case study of Aid Allocation for Sweden », Kiel Working Paper n°1383

§ Ayi Ayayi et Christine Noël, « Défis et perspectives de la recherche en microfinance », JEL : G21

§ Benarous Mondher, 2004, « La Banque Tunisienne de Solidarité : solidaire, pas caritative... », Laboratoire d'analyse et de perspectives économiques (LAPE), Faculté de Droit et de Sciences Economiques de Limoges

§ Benarous Mondher, « Le secteur informel en Tunisie : Répression ou organisation ? »

§ Berenbach S., Guzman D., (1993). "La experiencia mundial de los grupos solidarios", Serie de monografías, Acción International, Cambridge (Ma).

§ Berenbach S, Guzman D, (1994). "The Solidarity Group Experience Worldwide", in RHYNE, OTERO (eds), "The New World of Micro enterprise Finance", Kumarian Press, West Hartford.

§ Boubacar Diallo, 2006, « un modèle de ``crédit scoring'' pour une institution de microfinance africaine : le cas de Niezigiso au Mali », Laboratoire d'Economie d'Orléans

§ CGAP, 1997, « Les taux d'intérêt applicables aux microcrédits », Etude Spéciale n°1

§ CGAP, 2004, « Institutions financières poursuivant un double objectif de résultat : implications pour l'avenir de la microfinance », Etude spéciale n°8

§ CGAP, 2004, « le plafonnement des taux d'intérêt en microfinance : qu'en est-il à présent ? », Etude Spéciale n°9

§ CGAP, 2005, « Elaboration d'une stratégie d'offre de services de transfert d'argent : lignes directrices destinées aux prestataires de services financiers pour les pauvres », Etude spéciale n°10

§ CGAP, 2005, « Microfinance agricole : gérer les risques et concevoir des produits adaptés, les caractéristiques d'un modèle émergent », Etude Spéciale n°11

§ CGAP, 2006, « Des services financiers inclusifs à l'horizon 2015 : quatre scénarios pour l'avenir de la microfinance », Note Focus n°39

§ Claude Royer, « Calcul, analyse, et gestion du portefeuille à risque (PAR) », Développement Internetional Desjardins

§ Coleman, B., 1999, « The impact of Group Lending in Northeast of Thailand », Journal of development economics,60

§ Coleman, B., 2006, « Microfinance in Northeast Thailand : who benefits and how much ?», World Development, 34(9)

§ Craig Churchill et Dan Coster (2001) : « Manuel de gestion des risques en microfinance », Bureau International du Travail.

§ Cyril Fouillet, 2005 « la microfinance en Inde : données chiffrées et zoom sur les self-helps groups », BIM, 06 Décembre 2005

§ Denis H. Acclassato, 2006, « Taux d'intérêt effectif, viabilité financière et réduction de la pauvreté par les institutions de microfinance au Bénin », Laboratoire d'Economie d'Orléans (LEO), Document de Recherche n° 2006-15

§ Evans T.G., Adams A.M., Mohammed R. et Norris A.H. 1999, « Demystifying Nonparticipation in Microcredit: A Population-Based Analysis », World Development, vol.27 n°2, pp.419-430.

§ Frédéric De Sousa-Santos, 2002, « Le scoring est-il la nouvelle révolution du microcrédit ? », BIM n°32 du 01 Octobre 2002

§ Gilbert Saporta, « Credit scoring, statistique et apprentissage », Conservatoire National des Arts et Métiers, Paris

§ Hashemi S., Schuler S.R. et Riley A.P. 1996, « Rural Credit Programs and Women's Empowerment in Bangladesh », World Development, Vol.24 n°4,

§ Hulme D. et Mosley P. 1996, « Finance against Poverty », vols. 1 et 2, Routledge, London.

§ Hulme David, 2000, « Is Microdebt Good for Poor People? A Note on the Dark Side of

Microfinance », Journal of Small Enterprise Development, Vol. 11, N° 1, Londre, 2000.

§ Huppi Monika and Feder Gershon, (1990), «The Role of Groups and Credit Cooperatives in Rural Lending »

§ Isabelle Guérin, « Aléa moral et asymétrie d'information : le prêt collectif à responsabilité conjointe », Centre Walras (CNRS - Université Lyon 2)

§ Jaleleddine Ben Rejeb, 2007, « En Tunisie le tiers de la pauvreté courante est transitoire », Travail et Développement n° 26

§ Karin Barlet, 2003, « Les banques commerciales en microfinance », BIM n°25 du 25 Novembre 2003

§ Khandker S.R. Khalily B. and Khan K., « Grameen Bank: Performance and Sustainability », World Bank Discussion Paper, n° 306, 1994

§ Isabelle Guérin and. Palpier J. 2005. « Empowerment, self-help groups et solidarité démocratique en Inde, in Microfinance en Asie : entre traditions et innovations » Paris/Pondichéry

§ John K., Lynch A. and Puri M., « Credit ratings, collateral and loan characteristics: implication for yield », Journal of Business, 2003, vol. 76, p. 371-407.

§ J-M Servet, 2006 « les limites du crédit », alternatives économiques, Décembre 2006, n°253

§ Khandker, S., 1998, « Fighting Poverty with microcrédit: experience from Bangladesh. New York Oxford University Press.

§ Khandker, S., 2003, « Microfinance and poverty: evidence using panel data from Bangladesh », WB Policy Research Working Paper 2945.

§ Latifa Ziadi, 2005, « La microfinance en Tunisie:Une dynamique du développement durable », Esprit Critique, vol (07), no (01)

§ Lelart Michel, 2005, « le microcrédit, un contrat social ? », journal du CNRS, laboratoire d'économie d'Orléans

§ Littlefield E., J. Morduch et S. Hashemi, 2003, «Is Microfinance an Effective Strategy to Reach the Millennium Development Goals?», CGAP focus note 24, January

§ Marc Roesch, 2004, « Microfinance : atteindre les plus pauvres est-ce un objectif réaliste ? », BIM du 6 Avril 2004

§ Marc Rosesch, 2005 « Année de la microfinance : l'overdose ou changer de concept ? », BIM, 09 Novembre 2005

§ Maria Nowak, 2005, « On ne prête pas qu'aux riches : la révolution du microcrédit », lavoisier.fr

§ Mélanie Bourdon, Eve Marie Filiatrault et Evelyne Robineau, « La régression logistique », présentation power point sur le site www.zonecours.hec.ca

§ Micro Rate and Inter-American Development Bank, 2003, « Indicateurs de Performance pour les Institutions de Microfinance », guide technique

§ Mohamed El Hédi Ben Abdallah, 2002, « Développement de la famille rurale en Tunisie », communication présentée lors de la Ligue des Etats Arabes.

§ Morduch Jonathan (1999) « The microfinance promise », Journal of Economic Literature, vol. XXXVII, December,

§ Muhammad Yunus, 1997 « Vers un monde sans pauvreté », édition JC Lattés,

§ Navajas, S., Schreiner, M., Meyer, R., Gonzalez-Vega, C., Rodriguez-Meza, J., 2000. « Microcredit and the poorest of the poor: Theory and evidence from Bolivia », World Development 28 (2)

§ Philippe Adair^(*) et Yousra Hamed, 2004, « Le microcrédit : une solution au financement de la microentreprise au Maghreb ? », à l'occasion de la VI^ème journées scientifiques du réseau "Analyse économique et développement",Agence Universitaire de la Francophonie, Marrakech, 4-5 Mars 2004.

§ PIDS Philippine Institute for Development Studies, 2008, « Impact of microfinance on rural households in the Philippines », discussion paper series n° 2008-05

§ Pitt, M., and Khandker, S. R. 1996, « Household and intrahousehold impact of the Grameen Bank and similar targeted credit programs in Bangladesh », World Bank, Discussion Papers n°320

§ Pitt, M., and Khandker, S., 1998, « The impact of group based Credit Programs on poor households in Bangladesh: does the gender of participants matter? », Journal of Policy Economy, 106(2).

§ PNUD, 2004, « Stratégie de réduction de la pauvreté : Etude du phénomène de la pauvreté en Tunisie »

§ Rafael Gómez and Eric Santor, 2008, « Does the Microfinance Lending Model

Actually Work? », The Whitehead Journal of Diplomacy and International Relations

§ Sam Daley-Harris, 2004, « State of the Microcredit Summit Campaign, Report2004 »

§ Sam Daley-Harris, 2006, « State of the Microcredit Summit Campaign, Report2006 »

§ Schreiner Mark, 2003, « scoring : un grand pas en avant pour le microcrédit ? », Etude Spéciale, n°7, CGAP

§ Schreiner, M. 2003 « Les Vertus et Faiblesses de L'évaluation Statistique (Credit Scoring) en Microfinance »

§ Schreiner, M. 2004 «Scoring Arrears at a Microlender in Bolivia», Journal of Microfinance, Vol. 6, No. 2

§ Sémi Chérif et Riadh Ben Jelila, 2003, « Femmes et Développement Régional en Tunisie » tome 1, Centre de Recherche, d'Etude, de Documentation et d'Information sur la Femme

§ Sidhom, H., 2002, « Les nouvelles orientations des stratégies de développement : le développement par les petits métiers en Tunisie », Cahiers du GRATICE n° 22

§ Stéphane Tuffery, « Le data mining et la statistique décisionnelle », éditions Ophrys

§ Stiglitz, J E. and Weiss, A., 1981, « Credit rationing in markets with imperfect information », American Economic Review, 71 (3), 393-410.

§ Stiglitz, J E., 1990, « Peer monitoring and credit markets », World Bank Economic Review 4, 351-366.

§ Stuart Rutherford, « Comment les pauvres gèrent leur argent » Gret, Karthala

§ Thierry Defense et Marc Mees, 2000, « Editorial du Zoom microfinance », SOS FAIM n°1, Juillet 2000

§ Thierry Montalieu, 2002, « Les institutions de micro-crédit : entre promesses et doutes, Quelles pratiques bancaires pour quels effets ? », Mondes en développement n° 119 2002/3

§ Timothy Besley and Stephen Coate,(1995) «Group lending, repayment incentives and social collateral»,Journal of Development Economics, vol 46(1)

§ USAID, 2006, « A hand book for developing credit scoring systems in a microfinance context», microreport 66

§ Valérie de Briey, 2005, « Plein feu sur la microfinance en 2005 ! », Regards Economiques, Mars 2005, n° 28

§ Varun Gauri and Anna Fruttero, 2003, « Location decisions and nongovernmental organization motivation: Evidence from rural Bangladesh», World Bank Policy Research Working Paper 3176, December 2003

§ Wenner, M. (1995). « Group credit: a means to improve information transfer and loan repayment performance ». Journal of Development Studies, 32, 263-281.

§ Benarous Mondher, 2000 : «Le prêt d'argent, intérêt ou participation équilibrée ? le cas de la banque islamique », Université de Limoges,

§ Frédéric Kalala Tshimpaka, 2006, « la restructuration de l'espace microfinancier du Kivu, Pistes d'une intermédiation efficace », Université Catholique de Louvain, Faculté des sciences économiques, sociales et politiques

§ Marie Godquin, 2006, « Finance rurale au Bangladesh et aux philippines », Université Paris ² - Panthéon- Sorbonne, U.F.R.Sciences économiques

§ Abanda Ambroise, 2004, « Accès à la microfinance, inégalité et pauvreté en Cote d'Ivoire », Ecole Nationale Supérieure de Statistiques d'Abidjan Côte d'Ivoire en collaboration avec l'Université de Versailles

§ Hasna Rouighi, 2007, « facteurs de succès et d'échec des institutions de microfinance : le cas des associations de services financiers au Bénin », Ecole des hautes Etudes Commerciale affilié à l'Université de Montréal

§ Meryem El Idrissi El Mrahri, 2007, « Déterminants de l'accès au micro-crédit au Bangladesh », Master II Analyse et Politique Economique

§ Vanna Nhean, « Le microcrédit en droit français et en droit cambodgien », Université Jean Moulin Lyon 3, DEA de droit des affaires

* ¹ Daley-Harris S., 2007, « Rapport sur l'état de la campagne 2007 du Sommet sur le microcrédit ».

* ⁴ PlaNet Finance est une organisation internationale dont la mission est de lutter contre la pauvreté en soutenant le développement de la microfinance Basée à Paris, PlaNet Finance est active dans plus de 60 pays avec un réseau international de 38 bureaux en Europe, en Amérique du Nord, en Amérique Latine, en Asie, en Afrique et au Moyen-Orient

* 5 - Isabelle Guérin, « Aléa moral et asymétrie d'information : le prêt collectif à responsabilité conjointe », Centre Walras (CNRS - Université Lyon 2)

* ⁶ - Fernand Vincent : « Financer le risque : un nouveau projet de coopération internationale » Autre part, 2007

* ⁷ - Frederic Guillaume Reiffeisen (1818-1888): Fondateur du crédit mutuel en Allemagne. Il a fondé en 1848 un fournit coopératif communal et une association qui, grâce à l'appui des notables, fait l'acquisition du bétail pour les petits paysans et qui s'est transformé en une caisse de prêts auprès de laquelle les paysans pouvaient emprunter à taux bas. Lorsqu'il décéde en 1888, le « Reiffeinband » a commencé à essaimer en Alsace posant les jalon du crédit mutuel en France.

* ⁸ - Analyser l'impact d'un projet de Micro-finance : l'exemple d'ADEFI à Madagascar -DIAL - DT/2005-14

* ⁹ - S. Khandker :» Fightning poverty with microcredit : Experience from Bengladesh» New York Oxford University Press. 1998

* ¹⁰ - Navajas et al, 2000,« Microcredit and the poorest of the poor : Theory and evidence from Bolivia», World development 28(2)

* ¹¹ - Amin S.,Rai A.S.et Topa G., 2001 « Does microcredit reach the poor and vulnerable ? Evidence from Northern Bangladesh », Center for international development, working paper n°28

* ¹² - Evan et al (1999): «Demystifying nonparticipation in microcredit: a poulation based analysis» World development- vol 27, n°2

* ¹³ - Hulme D. et Mosley P., 1996, « Finance against poverty», volume 1 et 2, Routledge, London

* ¹⁴ -J-M Servet, « les limites du crédit », alternatives économiques, Décembre 2006, n°253

* 15 - Economiste et chercheur à l'Institut de Recherche pour le Développement et à l'Institut Français de Pondichéry en Inde

* 16 - Maria Nowak est une économiste spécialiste du microcrédit, présidente de l'Association pour le droit à l'initiative économique

* ¹⁸ - Muhammad Yunus, « Vers un monde sans pauvreté », édition JC Lattés, 1997, page 115

* ¹⁹ - Hashemi et al (1996) : « Rural credit programs and women's empowerment in Bengladesh » World development vol 24 n°4

* ²⁰ Flore Gubert et François Roubaud, « Analyser l'impact d'un projet de microfinance ; l'exemple d'ADEFI à Madagascar » DT/ 2005-14

* ²¹ - Le titre d'un article publié à la une du « Nouvel Observateur » n°2263 par Natacha Tatu, journaliste au service économie

* ²² - Slogan énoncé par Hillary Clinton à l'occasion du sommet mondial du microcrédit en février 1997 à Washington

* ²³ - Titre d'un article publié par Betsy Rakocy membre d'Oxfam America ; an international relief and development organization

* ²⁴ Il préside le groupe de travail du CGAP sur la micro-assurance et participe au comité éditorial du Bulletin MicroBanking. Il a écrit et supervisé plus de 40 articles, documents de travail, monographies et manuels de formation sur des sujets divers couvrant la microfinance et la micro-assurance

* ²⁶ « Inventaire mondial des institutions de microfinance, Sustainable banking with the poor » janvier 1997.

* ²⁸ Depuis 1961, le CIDR est une ONG qui étudie, formule et met en oeuvre des programmes de développement local et régional basés sur la création et / ou l'appui à des activités économiques et financières.

* ²⁹ Gomez Vaquero E., (1992). "Evaluación Actuar Bogotá", Instituto de Estudios Superiores de la Empresa (IESE), Barcelona

* ³⁰ Berenbach S., Guzman D., (1993). "La experiencia mundial de los grupos solidarios", Serie de monografías, Acción International, Cambridge (Ma).

* ³¹ Berenbach S, Guzman D, (1994). "The Solidarity Group Experience Worldwide", in RHYNE, OTERO (eds), "The New World of Microenterprise Finance", Kumarian Press, West Hartford.

* ³² Albert L., (1997). "Les mécanismes collectifs de crédit : une nouvelle solution-miracle?", Cahiers de la Faculté des Sciences Economiques, Sociales et de Gestion, 195, FNDP, Namur.

* ³³ Jonathan morduch est un professeur des politiques économiques et publiques à New York University's Wagner Graduate School of Public Service, chercheur sur le développement international, la pauvreté et l réinsertion financière.

* ³⁴ Timothy Besley and Stephen Coate,(1995) «Group lending, repayment incentives and social collateral»,Journal of Development Economics, vol 46(1)

* ³⁵ Huppi Monika and Feder Gershon, (1990), «The Role of Groups and Credit Cooperatives in Rural Lending »

* ³⁶ Mark Schreiner est consultant pour le cabinet «Microfinance Risk Management ». Il est intervenant (Senior Scholar) du Center for Social Development de l'Université de Washington. St louis. ,expert dans les domaines suivant : (Microfinance, Credit scoring and risk management, Poverty scoring Individual, Development Accounts and saving services for the poor, Evaluation of microfinance organizations, Impact assessment)

* ³⁷ Gilbert Saporta, « Credit scoring, statistique et apprentissage », Conservatoire National des Arts et Métiers, Paris

* ³⁸ Schreiner, M (2003) « Les Vertus et Faiblesses de L'évaluation Statistique (Credit Scoring) en Microfinance »

* ³⁹ Schreiner, M. (2004) «Scoring Arrears at a Microlender in Bolivia», Journal of Microfinance, Vol. 6, No. 2

* ⁴⁰ Schreiner, M, 2000, « credit scoring for microfinance: can it work? »

* ⁴¹ Schreiner, M, 2003, « scoring : un grand pas en avant pour le microcrédit ? », etude spéciale, CGAP

* ⁴² - La thèse de doctorat de M. Ahmed Ben Salah « Pour rétablir la vérité » apporte des éclairages sur les circonstances de l'abandon de l'expérience collectiviste en Tunisie en 1969.

* ⁴⁴ Missaoui R. 2002, « cadre réglementaire et institutionnel du microcrédit en Tunisie »

* ⁴⁵ Ingénieur en Génie Industriel de l'Ecole Nationale d'Ingénieurs de Tunis et Docteur d'Etat diplômé de l'Ecole Centrale de Paris, il a acquis ensuite des connaissances académiques en matière d'économie de développement grâce à un DEA en Economie Internationale et de Développement obtenu à l'université de Paris II. En plus de ces acquis académiques polyvalents, Rafik MISSAOUI a développé une bonne connaissance des différents aspects relatifs au développement durable, à travers plus de 13 années d'expérience internationale durant lesquelles il a exercé diverses fonctions : chargé de mission à l'Agence Française de Développement, thésard à l'Agence de l'Environnement et de la Maîtrise de l'Energie en France, responsable des études au sein de la société Transénegie (filiale EDF et Total) et enfin fondateur de son propre bureau d'études, ALCOR.

* ⁴⁷CGAP, « Rapport diagnostic sur l'environnement légal et réglementaire de la microfinance en Tunisie »

* ⁴⁸ Essma Ben Hamida, co-fondatrice et co-directrice : Géographe de formation avec une spécialisation en urbanisme, elle a travaillé pendant plusieurs années comme journaliste, principalement à l'étranger et a été correspondante auprès d'organisations des Nations Unies à New York, Rome puis à Genève (ONU, FAO, FIDA, WFP, PNUD). En 1990, elle fonde Enda avec Michael Cracknell. Elle est présidente du Conseil d'Administration du réseau SANABEL, le réseau de microfinance des pays Arabes et a bénéficié de nombreuses formations internationales en microfinance.

* ⁴⁹ Michael Cracknell, co-fondateur et secrétaire général : Juriste et politologue de formation, il occupe des postes d'enseignant et de chercheur en France. Il travaille par la suite comme Secrétaire Général de la Fédération Internationale des Producteurs Agricoles puis comme consultant spécialisé dans l'agriculture, le développement rural et l'environnement auprès d'organismes des Nations Unies (FAO, FIDA, UNEP, CNUCED). En tant que co-directeur et co-fondateur de Enda, il a bénéficié de plusieurs formations internationales sur la microfinance et poursuit des travaux de recherche sur le développement et la société civile.

* ⁵⁰ - Le chiffre d'affaires cumulé est constitué des produits d'intérêts, des frais de dossier et commissions effectivement perçus au cours de la période.

* ⁵¹ - Les charges d'exploitation incluent toutes les charges administratives et salariales, les amortissements des immobilisations, les provisions pour dépréciation des créances, les pertes sur créances irrécouvrables.

* ⁵⁶ Taux Effectif Global = Taux d'intérêt effectif mensuel ×12, le taux d'intérêt effectif étant le taux qui englobe tous les frais financiers représentés par un pourcentage du montant du prêt