La micro-finance est-elle une solution efficace aux causes

du rationnement bancaire ? Une analyse économétrique

à travers les modèles probit et binomial négatif : Le cas
du Togo
Yawo Agbényégan Noglo

To cite this version:

Yawo Agbényégan Noglo. La micro-finance est-elle une solution efficace aux causes du rationnement
bancaire ? Une analyse économétrique à travers les modèles probit et binomial négatif : Le cas du
Togo. 2013. �halshs-01016185�

HAL Id: halshs-01016185

https://halshs.archives-ouvertes.fr/halshs-01016185
Submitted on 28 Jun 2014

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
La micro-finance est-elle une solution efficace aux causes du rationnement bancaire ?
Une analyse économétrique à travers les modèles probit et binomial négatif : Le cas du
Togo*

Noglo Yawo Agbényégan1 , Université Paris Ouest-Nanterre La Défense (Laboratoire

MOSAIQUES/LAVUE)

Résumé :
L’objet de cet article est d’étudier les déterminants économétriques de la performance de
remboursement de groupes de crédit bénéficiant du financement auprès de deux institutions
de micro-finance (WAGES et FUCEC) au Togo. Les résultats probit et négatif binomial issus
des données de notre enquête de terrain effectué en 2008 dans les zones rurales et semi-
urbaines de la région Maritime (hors Lomé) ont révélé que le monitoring (visites des pairs,
activités similaires), le capital social (même sexe, même ethnie), les sources informelles de
crédit (les banquiers ambulants, les tontines et les usuriers) et l’âge du groupe ont contribué à
la bonne performance de remboursement des groupes avec un taux de 75%.
Mots clés : Micro-finance, prêt de groupe, performance de remboursement, déterminants,
probit, binomial négatif, Togo

Codes JEL: C13, D82, G29, O16

Abstract:
This paper aims to study the econometric determinants of repayment performance of credit
groups receiving loans from two micro-finance institutions (WAGES and FUCEC) in Togo.
The probit and the negative binomial results from our primary data collected in 2008 in rural
and semi-urban areas of the Maritime region (excluding Lome) have shown evidence that
monitoring (peers visits, same business) social capital (same sex, same ethnic group),
informal sources of credit (itinerant bankers, moneylenders and ROSCAs) and the age of
groups have contributed to the good repayment performance that stood at 75%.

Key words: Micro-finance, group lending, repayment performance, determinants, probit,

negative binomial, Togo

JEL Classification: C13, D82, G29, O16

* Nous remercions le Directeur Général de FUCEC-TOGO, Fédy Kokoumeh et le Directeur Général de WAGES-TOGO,
Nassirou Ramanou de nous avoir facilité l’enquête de terrain. Nos vifs remerciements vont également aux agents de crédit qui
nous ont accompagnés pendant tout le processus d’interview. Nous n’oublions pas Agokla-Dzogbédo Afi, responsable de
programme au PNUD/PASNAM-TOGO (actuellement en poste sur le même programme au Benin) et Kotédja Emanuel,
sociologue qui nous ont été très utile pendant le travail d’enquête.
1
Mail : noglohonore@hotmail.fr, Laboratoire Mosaïques-LAVUE

1
Introduction
Le Togo, pays d’Afrique occidentale, couvre une superficie de 56785 km². En 1960, il
a obtenu son indépendance comme beaucoup d’autres pays de la sous région. Le pays est
divisé en cinq régions administratives : la région Maritime, la région des Plateaux, la région
Centrale, la région de la Kara et la région des Savanes. Sa capitale Lomé est incluse dans la
région Maritime.
Le Togo fait parti des pays les moins avancés. En effet, selon le rapport 2011 du
Programme des Nations Unies pour le Développement (PNUD), avec un revenu national brut
par habitant estimé à 798 dollars (en PPA constant 2005) et un indice de développement
humain de 0,435, le pays se classe au 162ème rang mondial sur 183.
Le non-accès au crédit fait parti des dimensions multiples de la pauvreté.
Conventionnellement, le marché de crédit se comporte comme un marché néoclassique où
l’offre et la demande de crédit s’équilibrerait sur un coût de ressources prêtables. Cependant,
cet équilibre considéré comme une situation de référence échoue dans la réalité car le marché
n’arrive pas à faire une allocation optimale de crédit. Ainsi, certaines catégories de personnes
notamment les pauvres dans les pays en développement sont exclus du financement bancaire.
Les raisons invoquées sont les suivantes : (i) l’imperfection de l’information entrainant des
problèmes de hasard moral (manque d’effort pour rembourser ou détournement du crédit à
d’autres fins) et de sélection adverse (choix de clients trop risqués) (Stiglitz et Weiss, 1981 et
1983 ; Besanko et Thakor, 1987 ; Tybout, 1984), (ii) les coûts de transaction importants
[coûts de recherche d’information, coûts de monitoring et les coûts de pression (frais de
procès en cas de défaillance de l’emprunteur)] (Besley, 1994 ; Adams et Nehman, 1979 ;
Adams et al, 1984 ; Cuevas et Graham, 1986 ; Ladman, 1984 ; Meyers et Cuevas, 1992), (iii)
et le manque de garantie. La micro-finance2 est perçue comme une solution permettant de
favoriser l’accès au financement des personnes démunies des pays pauvres.
Chaque année se tient la campagne du sommet du microcrédit dans le but d’évaluer la
progression du nombre d’institutions de micro-finance (IMF) et de clients desservis. Selon le
rapport 2012 sur l’état de la campagne du sommet du microcrédit, le nombre d’institutions est
passé de 618 (fin décembre 1997) à 3652 (fin décembre 2010) (Maes et Reed, 2012). D’après
le même rapport, sur la même période, la couverture des emprunteurs les plus pauvres
(personnes vivant avec moins de 1 $ USD PPA par jour) a évolué respectivement de 7,6
millions à 137,5 millions, soit une croissance globale de 1710 % sur une période de 13 ans.

2 La micro-finance se définit comme étant l’épargne et le crédit

2
Au Togo, la micro-finance à démarré formellement en 1969 avec la création de la Fédération
des Unions de Coopératives d’Epargne et de Crédit (FUCEC). La loi, nommée Programme
d’Appui à la Réglementation sur les Mutuelles d’Epargne et de Crédit (PARMEC) mise en
place en 1995, a permis de réglementer ce secteur pour la zone de l’Union Economique et
Monétaire Ouest Africain (UEMOA) en déterminant les conditions d’activité en micro-
finance pour les réseaux mutualistes et les groupements d’épargne et de crédit. Les IMF au
Togo sont constituées de 3 types de structures : les coopératives d’épargne et de crédit, les
expériences de crédit solidaire et les Organisations Non Gouvernementales (ONG) à volet
crédit. Les personnes, clients des institutions de micro-finance (IMF) togolaises, proviennent
du secteur de l’artisanat, du secteur informel, de commerce de petite taille, de micro-
entreprises, voire les salariés du secteur public et privé.
D’après le Bulletin de l’Espace Micro-finance n°003 (2006), 45 % des crédits à court
terme sont dirigés vers le commerce qui constitue le plus grand bénéficiaire. Quant au
Bulletin de l’Espace Micro-finance n°010 (2010), l’encours de crédit est passé de 21261,203
millions de FCFA en 2004 à 66521,000 millions de FCFA en 2009, soit une augmentation de
212,87%. Le microcrédit est octroyé soit à des groupes solidaires constitués d’individus très
pauvres qui ne peuvent pas fournir de garantie matérielle ou soit individuellement à des
personnes un peu plus aisées et disposant du nantissement. Dans le premier cas, le groupe
représente une garantie sociale car en cas de défaillance, c’est le groupe entier qui est privé de
crédit futur. Ainsi, les membres prennent des mesures pour éviter une telle situation.
Plusieurs études ont été réalisées sur la performance des groupes de crédit solidaires
bénéficiant du microcrédit auprès des IMF. Nous avons entre autres les travaux de Paxton
(1996) concernant le Burkina Faso où l’auteur en analysant les déterminants de la
performance de remboursement de 140 groupes de prêt a observé qu’un “effet de domino”
négatif peut plus que compenser l’effet positif du prêt groupé. Bratton (1986) en s’intéressant
à la performance comparée des prêts individuels et des prêts groupés à partir des données sur
le Zimbabwe a constaté que les prêts groupés enregistrent une meilleure performance que les
prêts individuels les années de bonnes récoltes tandis que la performance est moindre les
années de sécheresse, car il est probable dans ce dernier cas que certains membres du groupe
n’ont pas pu honorer leurs dettes. Khandker et al. (1995) dans une étude sur la Grameen Bank
ont montré que les services non financiers (la formation des membres) avaient une influence
positive sur le remboursement. Par ailleurs, Marie Godquin (2004) en étudiant la performance
de remboursement des groupes de crédit au Bangladesh a révélé que le montant des prêts avait
un impact négatif sur le remboursement. L’auteur en a conclu que cela est probablement lié
3
aux difficultés que pourrait rencontrer l’emprunteur pour rembourser un montant plus élevé
sur une période habituellement d’un an.
L’objet de cet article est l’estimation à travers deux modèles économétriques (probit et
binomial négatif) des déterminants de la performance de remboursement des groupes de crédit
solidaires bénéficiant du financement auprès de deux grandes institutions de micro-finance au
Togo que sont la « Women and Associations for Gain both Economic and Social » (WAGES)
et la FUCEC3. Les facteurs de performance retenus sont d’une part, la sélection par les pairs
du groupe, la surveillance mutuelle et la pression des pairs, apportant respectivement des
solutions aux causes de frilosité bancaire déjà évoquées (la sélection adverse, les coûts de
monitoring et les coûts de pression) et d’autre part, le capital social, l’option alternative du
crédit (crédit informel) et l’âge du groupe.
Il s’agit donc de comprendre par le biais de la modélisation quelle est l’influence
(favorable ou défavorable) ces différents facteurs évoqués peuvent exercer sur le
remboursement dans les groupes de crédit spécifiques choisis.
Ce travail est intéressant car de toutes les documentations existantes sur la micro-
finance au Togo, c’est la première fois qu’une étude économétrique aborde la question des
déterminants du remboursement dans les groupes solidaires. Compte tenu de l’inexistence des
données dans la matière, nous avons collecté, sur la base d’une enquête de terrain, des
données primaires dans les villages et les zones semi-urbaines de la région Maritime (hors
Lomé) sur les remboursements et les facteurs pouvant les influencer. La région Maritime a été
choisie car c’est l’endroit où les groupes sont plus nombreux étant donné l’existence d’un
tissu d’activités économiques plus développé. Nous comptons, par cette étude apporter une
première contribution concernant la performance des groupes de crédit au Togo et enrichir le
débat en la matière en Afrique.
Dans les sections qui suivent, dans un premier temps nous exposerons le contexte
général de la situation du secteur bancaire au Togo. Ceci nous permettra de comprendre la
frilosité bancaire à l’endroit des plus démunis, qui se tournent vers le marché de la micro-
finance. Ensuite, après avoir exposé la revue de la littérature des déterminants de la
performance des groupes crédit solidaires, nous présenterons les résultats empiriques et enfin
conclurons ce travail.

Le taux d’intérêt chez ces deux IMF s’élève à 2% mensuel. Chaque emprunteur du groupe doit obligatoirement détenir une
3

épargne avant de bénéficier d’un prêt. Le rapport épargne-prêt est de 1/5 pour la FUCEC et 1/3 concernant la WAGES.

4
1. La situation financière du secteur bancaire au Togo
Le secteur bancaire a été presque en crise depuis l’année 2000 et même avant jusqu’en
2008. Les origines de ces difficultés sont entre autre : le non remboursement des prêts de la
Société Togolaise de Coton (SOTOCO), l’OTP/IFG (l’Office Togolaise de Phosphate /
International Fertilizer Group), le gouvernement, la mauvaise gouvernance... L’aggravation
de cette situation de crise au cours de cette période est liée à la crise socio-politique que le
pays a traversée pendant les années 1990 avec ses impacts sur la situation économique et
l’environnement des affaires. Cependant, depuis l’année 2008, le Togo a fait des efforts
d’assainissement et de restructuration du système bancaire. Ces efforts ont consisté à un
nettoyage des bilans des banques publiques à travers la titrisation des créances en souffrance.
Ce programme se poursuit dans le cadre des activités du Projet Secteur Financier et
Gouvernance (PSFG) financé par la Banque Mondiale. Grace à l’assainissement du secteur
financier, le ratio de solvabilité qui était négatif a connu un relèvement et a globalement
atteint respectivement 12% et 14,4% respectivement à la fin décembre 2009 et 2010. La
figure n°1, retrace l’évolution du ratio de solvabilité moyen entre 2000 et 2010.

Figure n°1- Solvabilité des banques togolaises de 2000 à 2010

Ratio de solvabilité
15
10
5
0
-5
-10
DEC 2000 DEC 2001 DEC 2002 DEC 2003 DEC 2004 SEP. 2005 SEP.2008 DEC 2009 DEC 2010

Source : a). Banque Mondiale (2006, 16), b). BCEAO (2011, 14)

La situation difficile des banques est un argument valable pour rationner le crédit à la
population la plus défavorisées compte tenu du niveau de risque important qu’elle représente.
Mais malgré l’amélioration que connait le secteur bancaire, les pauvres continuent d’être
exclus du marché classique de crédit. Les raisons sont celles déjà évoquées à savoir
l’imperfection de l’information, les coûts de transaction et le niveau de garantie trop élevé que
ces populations ne peuvent pas fournir. Ainsi, quelque soit la posture financière dans laquelle
se trouve le secteur bancaire, la micro-finance à travers la technologie des groupes solidaires

5
continue d’être une solution de secours car, ce dispositif est supposé être efficace en termes de
remboursement et rassure ainsi les IMF à s’engager en faveur des couches défavorisées.
La suite de cette étude s’intéressera aux déterminants de la performance de remboursement au
sein des groupes.

2. Revue de la littérature sur la performance des groupes de crédit

La littérature a maintes fois démontré la performance des groupes de crédit. Les
raisons invoquées sont que les groupes à responsabilité conjointe apportent des solutions aux
risques de non remboursement auxquels les établissements de crédit classiques sont exposés.
Les différents facteurs de performance supposés apporter des solutions aux causes du
rationnement bancaire seront présentés dans une large revue de la littérature à la fois
théorique et empirique. Il s’agit de la sélection par les pairs destinée à remédier aux
problèmes de sélection adverse, la surveillance mutuelle et la pression du groupe permettant
respectivement de lutter contre le hasard moral ex ante et le hasard moral ex post. D’autres
déterminants exposés dans la littérature compléteront également notre présentation.
Dans le but de lutter contre la sélection adverse, l’IMF laisse la latitude aux
emprunteurs de former des groupes avec des individus de leur choix. A travers cette sélection
par les pairs, les membres éviteront de s’associer avec ceux dont ils ne connaissent pas bien le
profil de risque. Ce principe permet la formation de groupes homogènes (en parfaite
appariement ou matching) dans lesquels, tous les membres connaissent parfaitement les
caractéristiques de leurs partenaires portant sur le risque du projet, le niveau de solvabilité
(Varian, 1990 ; Van Tassel, 1999 ; Ghatak et Guinnane, 1999 ; Hoff et Stiglitz, 1990). Ce
mécanisme de sélection représente un avantage pour le prêteur car celui-ci n’a pas accès (ou
du moins sans coût) aux informations pour différencier les clients. Ghatak (1999) et Van
Tassel (1999) ont développé des modèles montrant que la formation des groupes de prêt via la
sélection réduit le phénomène de sélection adverse, gage d’une bonne performance de
remboursement. Afin de tester le principe de la sélection par les pairs, Wenner (1995) en
étudiant la performance de 25 groupes de crédit du Costa Rica montre que les groupes de prêt
utilisent de l’information privée pour sélectionner leurs membres et ce mécanisme accroit la
performance de remboursement. Zeller (1998) appuie également le rôle positif de la sélection
sur la performance de remboursement.
Le hasard moral ex-ante dont sont victimes les établissements bancaires est lié au
choix d’un projet très risqué, au détournement des fonds à d’autres fins ou au manque d’effort
nécessaire pour faire réussir le projet. La surveillance des pairs (appelée encore monitoring
6
mutuel) dans les groupes de crédit intervient pour réduire ce comportement. Le coût du
monitoring et trop élevé à supporter pour l’IMF prêteur. Ainsi, comme le crédit n’est pas
renouvelé au groupe en cas de non remboursement, la stratégie des IMF est de laisser la
surveillance aux pairs solidaires, ce qui constitue un élément important permettant la réussite
des crédits de groupe [(Wenner, 1989), (Stiglitz, 1990), (Armendariz de Aghion, 1999)].
Plusieurs autres articles des auteurs tels que, Varian (1990), Banerjee et al. (1994), Besley et
Coate (1995), Sadoulet (1997), Wydick (1999), Wenner (1995), Hossain (1988), Mosley et
Dahal (1985), Diagne (1998)…, ont apporté diverses contributions à la théorie du monitoring.
En effet, Wydick (1999) à partir des données sur 137 groupes de crédit du Guatemala
démontre que, lorsque la distance moyenne entre les membres diminue, la surveillance des
pairs est plus facile à effectuer, ce qui réduit le hasard moral ex-ante. Selon Wenner (1995),
un groupe de taille restreint permet une meilleure surveillance entre membre et évite le
détournement du crédit. Par ailleurs, Stiglitz (1990) dans un modèle de monitoring des pairs a
déduit que la performance de remboursement est positivement corrélée avec l’homogénéité du
risque du projet. Enfin, Varian (1990) a développé un modèle dans lequel une surveillance
régulière des compères du groupe atténue des comportements opportunistes.
Les coûts de pression que doivent engager les banques sont souvent disproportionnés
par rapport aux crédits de faibles montant qu’elles désirent récupérer auprès des emprunteurs
insolvables. Dans les crédits de groupe, la pression est exercée par les autres membres
lorsqu’un individu cherche à être en défaut stratégique de paiement. En effet certains
individus ne consentent pas à payer alors que leurs projets ont enregistré une bonne
rentabilité. Cette pression des pairs permet de réduire le hasard moral ex-post et d’éviter le
risque pour le groupe d’être privé de crédit futur [(Wydick, 1996, 1999) (Stiglitz ; 1990)
(Besley et Coate ; 1995), (Diagne ; 1998), (Wenner ; 1995)]. Néanmoins, Diagne et al. (2000)
en travaillant sur les données de Malawi ont remarqué que la pression peut avoir un impact
négatif ou faible sur le remboursement.
Ajouté à ces éléments, on mentionnera d’autres facteurs influençant la performance de
remboursement des groupes solidaires. Il s’agit du capital social, des options extérieures du
crédit et de l’âge du groupe.
Putnam (2000) a défini le capital social comme étant les liens qui existent entre les
individus (les réseaux sociaux) et les normes de réciprocité qui en découle. Selon Fukuyama
(1999), le capital social est un ensemble de valeurs et de normes que partagent les membres
d’un groupe, leur permettant ainsi de coopérer entre eux. Ainsi, le capital social produit de la
confiance [(Coleman 1988, 1990), Fukuyama (1995), Adler et Kwon (1999)] et constitue un
7
mécanisme qui traite les asymétries d’information. Les liens sociaux entre les membres du
groupe est une garantie de remboursement pour le prêteur. Selon Baudasse et Montalieu
(2004), les canaux d’accumulation du capital social sont les relations de travail répétées, la
famille, le village, l’église, le groupe ethnique. Cependant d’autres liens sociaux existent
également tels que le sexe, le quartier… Pour Floro et Yotopoulos (1991), des liens sociaux
forts peuvent être source d’un monitoring et d’une pression intenses entraînant ainsi un bon
niveau de remboursement. En revanche, ce capital social trop important peut aussi susciter un
affaiblissement de la pression des membres (Wydick, 1999). En effet, les amis ou les
membres d’une même famille seraient moins enclin à exercer de la sanction de peur de voir
éclater la famille ou de perdre l’amitié de son prochain. Ces relations sont plus précieuses que
la perte pécuniaire (Conning, 2000). D’autres auteurs tels que Hermes et al. (2005), Hulme
(1990)… ont étudié l’influence du capital social sur la performance des groupes de crédit.
Les options extérieures de crédit sont des crédits informels. Il s’agit des banquiers
ambulants appelés “yes-yes” au Togo (Gentil et al., 1992), la ROSCAs (Rotating Savings and
Crédit Associations) ou tontine mutuelle (Lelart, 1989 ; Banerjee et al., 1994) et les usuriers.
Wydick (1999) et Paxton (1996) affirment que les options extérieures de crédit améliorent la
performance du groupe. En effet, les prêts contractés dans le secteur informel de crédit
servent à éponger les dettes contractées auprès des IMF. Magloire Lanha (2004) qualifie cette
astuce de politique d’accordéon. Par contre, si les contrats informels sont plus anciens, le
respect de ces engagements pourrait devenir prioritaire par rapport à celui du prêt de groupe.
Shipton (1992) observe cette concurrence dans les zones rurales de la Gambie lorsque le
temps de collecte des paiements est venu.
L’âge du groupe est le nombre d’années séparant son premier prêt et le jour où
l’enquête a été conduite. Godquin (2004) en étudiant la performance de la micro-finance au
Bandaglesh a montré que lorsque les groupes deviennent de plus en plus vieux et qu’il y a peu
de recomposition en leur sein, les membres se connaissent mieux et sont moins enclins à se
contrôler et de se sanctionner. Paxton (1996) de sont côté dans son étude sur les déterminants
de la performance de remboursement des groupes au Burkina Faso explique la hausse des
défaillances en se référant au problème d’appariement (matching) à l’intérieur des groupes.
Selon lui, lorsque les périodes d’adhésion s’allongent, les besoins de crédit des différents
membres du groupe évoluent différemment entraînant par la suite des tensions intragroupe.

8
3. Les données

36 groupes de crédit avec caution solidaire ayant en moyenne cinq ans, totalisant 258
personnes et recevant du financement auprès de deux grandes IMF du pays que sont la
FUCEC et le WAGES ont été interrogées au cours du mois de janvier et février 2008 dans la
région Maritime hors Lomé. Les zones visitées étaient surtout les villages et quelques
localités semi-urbaines. Cette enquête a été réalisée en présence d’un agent de crédit. Elle se
déroule souvent le matin autour de 10 heures, les jours de rendez-vous où les membres se
réunissent chez le leader du groupe (qui fait aussi office de trésorier) pour faire les comptes,
ou bien les jours ils se retrouvent auprès de l’institution de micro-finance pour remettre leur
paiement à l’agent de crédit.
Les questionnaires étaient à la fois fermés et ouverts. Ils étaient conçus de telle
manière à capter les déterminants évoqués dans la revue de la littérature de l’efficacité des
groupes solidaires. Un remboursement des dettes ne signifie pas une connaissance des
difficultés que rencontre les membres pour s’acquitter de leur engagement. Il était donc
nécessaire de leur demander, par exemple, si en cas de problème de paiement d’un ou
plusieurs individus, les membres organisent-ils des pressions, sont-ils solidaires du membre
défaillant, ou soit si la personne en question bénéficie t- elle une aide extérieure ou d’une
source informelle de crédit ?
Avant de commencer l’enquête à proprement parlé, il a été procédé à quelques petites
modifications des questionnaires à la suite d’un pré-test sur le terrain. En effet, les membres
des groupes étaient très embêtés si on leur posait la question de savoir s’ils utilisaient le crédit
informel pour éponger leur dette auprès de l’IMF. Ainsi, la question a été modifiée en ces
termes : “bénéficiez-vous du crédit informel” ? Bien que la question ait été libellée
différemment, au cours des entretiens, ces clients de WAGES et de FUCEC étaient parfois
réticents à répondre aux questions portant sur les activités informelles de crédit de peur que
l’agent de crédit ne soit au courant des dettes contractés auprès de diverses sources. L’astuce
est que parfois les clients utilisent le crédit informel pour rembourser les sommes qu’ils
doivent à l’IMF. Cependant, en répétant la question avec un peu d’insistance et en manifestant
beaucoup de patience, certains sources informelles de crédit ont été révélées, mais
vraisemblablement sous estimées. Un autre problème détecté s’avère être l’hésitation à dire la
vérité sur les défauts de remboursement survenus pour des raisons de pudeur et /ou de honte.
Néanmoins ces mensonges ont été plusieurs fois directement démentis par l’agent de crédit

9
qui connaissait assez bien la situation de chaque individu. Cependant, dans ce cas également il
y a eu probablement aussi une sous estimation du nombre de défaillances.
Le Togo compte cinq régions et 40 ethnies avec des groupes et traditions différents.
Notre étude empirique ne porte que sur un échantillon de 258 personnes se trouvant dans la
région Maritime (hors Lomé). Il est donc évident que nos résultats ne peuvent pas être
extrapolés pour l’ensemble du territoire et encore moins pour l’ensemble du continent
africain. En effet, les normes culturelles, les personnalités individuelles peuvent influencer la
dynamique du groupe et donc les résultats.

4. Cadre d’analyse économétrique

Il s’agit de vérifier avec deux modèles : le probit et le binomial négatif, l’impact des
variables de sélection, de surveillance mutuelle, du capital social, de la pression des pairs, et
de contrôle sur la défaillance des groupes.

4.1 Description des variables

4.1.1 Les variables endogènes

Elles sont caractérisées par deux mesures. Le premier s’appelle .

C’est une dummy binaire qui est égale à 1 si le groupe à au moins un retard de payement et 0
si le groupe est solvable à temps dans les neuf derniers mois. La deuxième mesure que nous
désignons par est la durée du retard en nombre de jours (ou intensité de défaillance) des
groupes sur la période considérée.

4.1.2 Les variables exogènes

Les variables explicatives sont scindées en cinq groupes : les variables de contrôle, les
variables de sélection, les variables de surveillance, les variables du capital social ou des liens
sociaux et la variable de pression.

4.1.2.1 Les variables de contrôle

Les options extérieures de crédit (tontines, usuriers, banquiers ambulants) sont une des
variables de contrôle. Cette source de crédit est notée OPTEXT. C’est une variable binaire
codée 1 lorsque l’individu à des sources alternatives de crédit et 0 sinon. En se référant à
Shipton (1992), Viganό (1993), Wydick (1999) et à Magloire Lanha (2004), le signe attendu
pour les options extérieures du crédit sera soit négatif ou positif.

10
 L’autre variable de contrôle que nous avons défini est l’âge du groupe (AGEGROUP)
qui est une variable quantitative. En considérant les résultats empiriques de Paxton (1996) sur
le « matching » et de Marie Godquin (2004), la variable AGEGROUP est prédit avoir un
impact défavorable sur la performance de remboursement. Bien qu’ayant placé l’âge du
groupe dans les variables de contrôle, celui-ci peut être aussi un proxy des liens sociaux intra
groupe. En effet, les liens sociaux se renforcent d’avantage avec la maturité du groupe. De ce
fait, la capacité des membres à surveiller et à influencer chacun des autres membres augmente
avec l’âge (Paxton, 1996). Ainsi, le signe attendu pour AGEGROUP est positif ou négatif.

4.1.2.2 Les variables de sélection

Cette variable notée SELECT prend la valeur 1 quand les membres rapportent qu’ils
ont déjà rejeté quelqu’un qui a manifesté le désir de joindre le groupe. En revanche, dans le
cas d’une acceptation, SELECT devient 0. Au regard des explications fournies par les auteurs
déjà cités sur le fait que la sélection réduit les défaillances, il est donc à prédire un signe
négatif pour cette variable.

4.1.2.3 Les variables de monitoring

Les mesures que nous avons choisi d’utiliser pour les variables du monitoring sont :
Les visites entre les membres (VMEMBRE) (Stiglitz, 1990 ; Varian, 1990), la distance
moyenne entre leurs activités (DISMEMBRE) (Wydick, 1999), l’homogénéité de l’activité
(MOCCU) (Stiglitz, 1990) et la dimension du groupe (DIMGPE) (Wenner, 1995 ; Diagne,
1999 ; Mosley et Gahal, 1985). Les trois premiers sont des dummy alors que (DIMGPE) est
une variable quantitative. VMEMBRE est égale à 1 lorsque le membre visite ces conjoints
plus de sept fois mensuellement et 0 si non. La DISMEMBRE est codée 1 si la distance
moyenne entre les activités des compères du groupe est supérieure ou égale à 1000 m et 0
quand elle est strictement inférieure à 0. L’homogénéité de l’activité MOCCU prend la valeur
1 si les membres sont dans le même domaine d’activité et 0 si non. Quant à la DIMGPE, il
s’agit du nombre de personnes composant le groupe. A partir des littératures présentées, on
peut prédire que les visites entre co-débiteurs, la distance moyenne entre leurs activités, la
taille du groupe et l’homogénéité de l’activité ont respectivement un signe négatif, positif,
positif et négatif sur la défaillance.

Vu que c’est la réduction du hasard moral ex ante par le mécanisme de contrôle mutuel
qui améliore la performance de remboursement, il est plus normal d’étudier le lien entre

11
monitoring et hasard moral ex ante, et ensuite la relation entre ce dernier et la performance de
remboursement. La littérature sur le monitoring et le hasard moral au sein des programmes
des prêts du groupe abondent, mais il y en a peu d’études empiriques. Une possible
explication est la difficulté d’obtenir des données fiables sur le monitoring et le hasard moral
concernant les participants dans des programmes de prêt de groupe. La seule étude empirique
sérieuse disponible est celle de Wydick (1999) portant sur les programmes de prêt du
Guatemala. Compte tenu de ce contexte, pour notre étude, nous mettrons en relation
directement la surveillance des pairs et l’efficacité des groupes. Nous supposons donc
implicitement que l’aléa moral joue un rôle intermédiaire.

4.1.2.4 La variable de pression de groupe

La pression des conjoints est un élément clé permettant de forcer les membres ayant
du mal à respecter leur engagement. Celle que nous avons pu investigué sur le terrain sont :
les agressions verbales, la confiscation de matériel, la dénonciation devant les autorités
locales, l’ostracisme sociale ou la perte de réputation.
La pression des pairs est mesurée par PRESREMB. Si l’emprunteur répond qu’il a la
volonté d’exercer des pressions après l’échéance du contrat, PRESREMB prend la valeur1 et
0 dans le cas contraire. En se référant à la littérature, la sanction sociale peut être efficace
mais parfois inefficace. Le signe attribué à cette variable est alors ambiguë.

4.1.2.5 Les variables du capital social

Les variables du capital social suivantes traduisent l’homogénéité du groupe : même

sexe (MSEXE) (Wydick, 1999 ; Hermes et al., 2005), même ethnie (METHNIE), même
religion (MRELIGION) (Hulme, 1990) et même quartier (MQUART) (Hermes et al., 2005).
Ce dernier traduit aussi le fait que les membres se connaissaient avant la formation du groupe.
Ces quatre variables sont codées 1 si la réponse de l’homogénéité est positive et 0 si non. Les
signes attendus sont ambiguës en tenant compte de la revue de la littérature.

Les signes attendus des variables exogènes sont présentés à l’annexe n°1 ainsi que le
résumé des différentes variables utilisées se trouve dans le tableau n°1.

12
 Tableau n°1- Statistique descriptive des variables

Variables Description Mean Std. Dev

Variables dépendantes
Dummy = 1 si le groupe a au moins un retard de remboursement 0,248062 0,4327274
DEF dans les neuf derniers mois.

INT Intensité de défaillance (nombre de jours de retard) sur la 0,7674419 0,9583678

période considérée.
Variables de contrôle
OPTEXT Dummy = 1 si au moins un membre a une source informelle de 0,2868217 0,4531566
crédit
AGEGROUP Nombre d’années depuis que le groupe a pris son premier prêt 4,876434 2,042668
Capital social
MSEXE Dummy = 1 si les membres sont du même sexe 0,7209302 0,4494137
METHNIE Dummy = 1 si les membres sont du même groupe ethnique 0,5658915 0,4966026
MRELIGION Dummy = 1 si les membres sont de la même religion ou même 0,4651163 0,4997511
croyance
MQUART Dummy = 1 si les membres sont dans le même quartier et qu’ils 0,6782946 0,4680386
se connaissent avant la formation du groupe
Pression de groupe

PRESREMB Dummy = 1 si les membres désirent exercer des pressions sur les 0,7713178 0,4208004
pairs.
Monitoring
VMEMBRE Dummy = 1 si les membres se visitent en moyenne plus de sept 0,8410853 0,3663071
fois par mois
DISMEMBRE Dummy = 1 si la distance moyenne entre les activités des 448,4942 724,3768
membres du groupe est supérieure ou égale à 1000 m
MOCCU Dummy = 1 si les membres ont les mêmes occupations 0,8410853 0,3663071
DIMGPE Nombre de personnes composant le groupe 13,5155 10,7306

Sélection
SELECT Dummy = 1 si un membre du groupe a déjà rejeté un emprunteur 0,2906977 0,4549669
qui aimerait rejoindre le groupe.
Note : calcul de l’auteur sur STATA 10.0

13
4.2 Les modèles de l’étude

4.2.1 Le probit

Le modèle probit est un modèle statistique dichotomique où la variable expliquée ne

peut prendre que deux modalités. Celles-ci permettent d’expliquer la probabilité d’apparition
d’un évènement, conditionnellement aux variables exogènes. Soit le modèle dichotomique

suivant : où la fonction F(.) désigne la fonction

de répartition. Deux types de fonctions sont généralement utilisées : la fonction de répartition

de la loi logistique qui correspond au modèle logit et celle que nous utiliserons dans notre
travail qui est la fonction de répartition de la loi normale centrée réduite correspondant au
modèle probit. La fonction de répartition F(.) du modèle probit quelque soit est :

Le modèle probit définit la probabilité associée à l’évènement comme la valeur de la

fonction de répartition de la loi normale centrée réduite N(0,1) considéré au point . Ainsi :

Dans notre cas, nous désignons = 1 lorsque le groupe a au moins un retard de

paiement dans les neuf derniers mois et = 0 si non. L’équation sur laquelle se fera
l’estimation est formulée de la façon suivante :

=g( )

avec DEF qui est la défaillance et X comprend toutes les variables exogènes sus mentionnées.

4.2.2 Le modèle binomial négatif

L’utilisation du binomial négatif vise ici à tester les effets de nos variables explicatives
sur l’intensité de défaillance (INTDEF) mesurée en nombre de jours de retard de paiement.
Le binomial négatif est un modèle de comptage qui vient de la distribution de poisson,
considérée comme le modèle de référence pour les données de comptage (Cameron et Trivedi,
1998). Dans le modèle de poisson, représente = et la variance de est la
dispersion. Ainsi,

14
 = = =

Cette condition doit être vérifiée dans le modèle de poisson. Cependant, il arrive que
dans des applications, la variance conditionnelle soit plus grande que la moyenne
conditionnelle. Si cette surdispersion se produit, l’utilisation du modèle de poisson peut
rendre les estimations mauvaises. En effet, il peut y avoir sous estimation des écart-types,
lesquels à leur tour vont entraîner une surestimation de la significativité des variables
explicatives (Long, 1997). Dans ce contexte, le modèle de régression le plus adéquat est celui
du binomial négatif puisque même l’ajout de plus de variables explicatives dans le modèle de
poisson ne résoudra pas le problème de surdispersion. La statistique descriptive d’INT donne
une moyenne d’intensité de défaillance qui est égale à 0,77 (1 jour) et une variance de 0,92.
Nous voyons qu’il y a une surdispersion assez faible, ce qui conduit à opter indifféremment
pour le modèle binomial négatif ou pour celui de poisson. L’estimation du paramètre de
surdispersion dans le modèle binomial négatif confirme cette conclusion dans l’étude
empirique (Cf. le tableau n°2 des résultats du binomial négatif).

Le modèle de régression du binomial négatif tient compte des termes d’erreurs

représentant les variables explicatives omises (ou aléas). Dans ce cas, l’équation précédente
s’écrit comme suit :

= = ;

avec , la distribution aléatoire de gamma ayant pour moyenne 1 et de variance . La

distribution du binomial négatif en probabilité est un mélange de la distribution de poisson et
de celle de gamma car la moyenne de poisson est distribuée selon la loi de gamma. Par
conséquent, la distribution du négatif binomial est donnée par :

est une fonction et > 0. Cette équation a pour moyenne et de variance

= + .

Dans cette formule, est le paramètre de surdispersion. C’est la variance de l’erreur de la

distribution gamma. Si = 0, le binomial négatif se réduit tout simplement à la distribution de
poisson. Lorsque et significatif, le choix sera porté sur le binomial négatif car il y a
surdispersion.

15
 En vue d’estimer le modèle binomial négatif nous utiliserons les mêmes variables
exogènes du modèle probit mais la variable dépendante ici sera l’intensité de défaillance
(INT). Ainsi, nous aurons :

INT = g ( )

avec X comprenant les variables exogènes indiquées plus haut

5. Présentation des résultats économétriques

Le camembert (figure n°2), traduisant le remboursement et la défaillance dans les

groupes, montre que le taux de remboursement des prêts est de 75 % tandis que le taux de
défaillance s’élève à 25 %. On peut ainsi prétendre à une bonne performance de
remboursement. Voyons à présent les variables ayant contribué à cette performance de
remboursement.

Figure n°2- Remboursement et défaillance

Défaillance
25%
Remboursement

75%

Source : calcul effectué par l’auteur à partir de l’échantillon issu de l’enquête de terrain

Tout d’abord, nous allons nous concentrer sur les résultats du modèle probit. Le
tableau n°2 révèle que lorsque les opportunités extérieures du crédit (OPTEXT) augmentent,
la probabilité de défaillance du groupe vis-à-vis du prêteur diminue. Ce résultat est significatif
à 1% et correspond aux prédictions de Banerjee et al. (1994), Wydick (1999) et de Paxton
(1996). Cette observation démontre également qu’il pourrait y avoir eu la « politique
d’accordéon » (Lanha, 2004) dont l’objectif pour l’emprunteur est la consolidation de sa
crédibilité chez l’IMF.

16
 Une augmentation de l’âge du groupe (AGEGROUP) se traduit par une probabilité de
baisse de défaut de payement avec une significativité de 10%. Dans ce contexte, le problème
de matching de Paxton (1996) entraînant une hausse des défaillances ne joue pas. Cependant,
comme l’affirme l’auteur, si cette variable était considérée comme un lien social intragroupe,
les chances de performance du groupe se trouve améliorer étant donné l’augmentation de la
capacité à surveiller l’autre. La corrélation négative entre l’âge du groupe et l’insolvabilité
n’est pas non plus en ligne avec Godquin (2004).

Les variables des liens sociaux sont tous significatives à 1% à l’exception de

MQUART dont la significativité est à 5%. Le fait que les individus soient tous du même sexe
(MSEXE) (souvent féminin) ou du même groupe ethnique (METHNIE) (Ewé ou Mina) réduit
les risques d’insolvabilité du groupe. Ce constat reflète les affirmations de Floro et
Yotopoulos (1991). En revanche nous assistons à une situation inverse quand les membres des
groupes de crédit sont du même quartier (MQUART) et se connaissent bien ; et lorsqu’ils
appartiennent à la même religion (MRELIGION) ou à la même croyance (protestants,
catholiques ou animistes). Ainsi, ces deux variables du capital social confirment les
affirmations de Wydick (1999) et Conning (2000) selon lesquelles, un capital social intense
est contreproductif en termes de remboursement.

Le désire d’exercer des sanctions sociales sur les pairs (PRESREMB) est
positivement corrélé avec la probabilité de défaillance et est significatif à 1%. Ce résultat
correspond à celui de Diagne et al. (2000) qui ont remarqué en travaillant sur les données du
Malawi que la pression avait un impact faible ou négatif sur le remboursement. La raison de
cette faible influence est que lors de l’entretien, certaines personnes ont déclaré qu’ils
trouvent parfois la pression difficile à appliquer à cause des coûts sociaux que cet acte peut
engendrer (problème de conscience religieuse, perte de bonnes relations familiales et
amicales). Ces liens sociaux importants relatifs à la dimension religieuse, familiale et amicale,
priment donc sur la finance. Ces constats sont en phase avec Wydick (1999) et Conning
(2000) selon qui, lorsque les liens sociaux sont assez forts, la pression sociale ne joue pas
puisque l’utilité que les individus retirent de ces relations est plus importante que celle qu’ils
retirent de l’argent
En revanche, ces résultats ne sont pas compatibles avec les prédictions de Besley et
Coate (1995) et de Wydick (1996) qui trouvent que la sanction sociale réduit les tendances
opportunistes (hasard moral ex post).

17
 La distance moyenne entre les membres (DISMEMBRE) a une influence nulle sur les
risques de défaillance. Mais, toutes les autres variables telles que : les visites entre membres
(VMEMBRE), l’homogénéité des activités (MOCCU), et la dimension du groupe (DIMGPE),
expliquent négativement la probabilité de défaillance et sont significatives à 1%.

Le fait que les individus aient les mêmes occupations influence négativement les
risques de défaillance du groupe car plus le groupe est homogène et plus il est plus facile de
pratiquer la surveillance. Ce constat donne raison à Stiglitz (1990) qui dans un modèle de
surveillance des paires, déduit que dans un programme de prêt de groupe, il y a une relation
positive entre la performance du remboursement et l’homogénéité du risque des projets.

La visite entre les membres de plus de sept fois par mois augmente les chances de
remboursement comme l’ont prédit Stiglitz (1990) et Varian (1990) et Wydick (1999) car il y
a une réduction de l’aléa moral ex ante. Ce résultat est également en ligne avec Beatrice
Armendáriz de Aghion (1999) qui démontre dans son modèle qu’une sanction de moins en
moins efficace conduit les membres à se livrer à des surveillances assidues en vue de prévenir
le hasard moral et par conséquent d’éventuelles défaillances. Il y a donc ici encore la preuve
d’inefficacité de la pression.

Un groupe de plus en plus pléthorique n’est pas source de monitoring efficace car, ceci
peut donner lieu à des défaillances stratégiques (Wenner, 1995). Une taille importante
favorise aussi le jeu des asymétries d’information entre membres car l’une des raisons de
défaillance dans le crédit de groupe n’est pas l’incapacité mais une absence de volonté à
rembourser le prêt (Diagne, 1998). En effet, puisque l’information sur la volonté à rembourser
est privée, les membres du groupe ne sont pas sûrs des intentions de remboursement de leurs
coéquipiers.
La lutte contre la sélection adverse à travers la variable (SELECT) n’est pas
négativement corrélée avec la probabilité de défaillance et est significatif à 1%. Ce résultat
contredit les conclusions de Ghatak (1999), Van Tassel (1999), Wenner (1995) et Zeller
(1998).

Les résultats obtenus avec le modèle probit sont confirmés globalement par le
binomial négatif sauf lorsque les membres des groupes solidaires sont du même quartier
(MQUART). Enfin, rappelons que compte tenu du fait que le paramètre de surdispesion est
nul, les résultats du binomial négatif sont assimilables à ceux du poisson (Cf. annexe n°2).

18
 Tableau n°2- Les résultats des régressions : binomial négatif et probit

Les résultats du probit Les résultats du binomial négatif

Variables : Variables :
Défaillance Coefficients |Z| Intensité de Coefficients |Z|
(DEF) défaillance
(INT)
Variables de contrôle
OPTEXT -8,530 (7.99) *** OPTEXT -1.692 (5.12)***

AGEGROUP -0.433 (1.79)* AGEGROUP -0.409 (6.11)***

Capital social
MSEXE -13.207 (13.14) *** MSEXE -0.993 (3.19)***

METHNIE -1.856 (6.01) *** METHNIE -0.255 (1.58)*

MRELIGION 3.072 (5.43) *** MRELIGION 0.675 (2.48)**

MQUART 1.387 (2.28) ** MQUART -0.117 (0.46)

Pression des pairs

PRESREMB 9.193 (7.97) *** PRESREMB 1.518 (3.48)***

Monitoring
VMEMBRE -11.629 (9.38) *** VMEMBRE -1.562 (5.66)***

DISMEMBRE 0.001 (1.57) DISMEMBRE -0.000 (0.50)

MOCCU -8.807 (8.55) *** MOCCU -0.817 (2.93)***

DIMGPE 0.721 (13.87) *** DIMGPE 0.054 (5.42)***

Sélection
SELECT 8.930 (9.37) *** SELECT 1.763 (9.46)***

CONSTANT 3.621 (2.94) *** CONSTANT 0.821 (1.30)

Ln -16.53941 0.0883667
6.56e-08 5.80e-09
Observations
258 Log pseudolikelihood = -230.6924
Robust z statistics in parentheses
* significant at 10%; ** significant Dispersion = mean
at 5%; *** significant at 1%
Wald chi2 (12) = 646,90 Observations 258
Prob > chi2 = 0,0000 Robust z statistics in parentheses
Pseudo R2 = 0,7727 * significant at 10%; ** significant at 5%; ***
significant at 1%
Wald chi2 (12) = 212.92
Prob > chi2 = 0.0000

Source : estimation de l’auteur sur STATA 10.0

19
Conclusion

L’analyse présentée fondée sur une étude de terrain approfondie, a pour objet d’étudier
de façon économétrique, les déterminants de la performance de remboursement des groupes
de crédit dont les membres sont généralement rationnés sur le marché de crédit bancaire
togolais. Faute de statistiques existantes en la matière, des données primaires ont été
collectées dans les villages et zones semi-urbaines de la Région Maritime (hors Lomé).

Les résultats probit et binomial négatif ont montré que toute forme de pression entre
débiteurs co-responsables, la sélection, l’appartenance à une même religion, même quartier et
une taille élevé du groupe sont dépourvues d’efficacité. Cependant, la surveillance mutuelle,
l’homogéneité du groupe en termes ethnique, d’occupation et de genre, les sources
informelles de crédit et l’âge du groupe sont les éléments ayant contribué à l’excellente
performance de remboursement (75%).
Cette étude a été réalisée sur un échantillon de 258 personnes réparties dans 36
groupes. Il serait intéressant que les décideurs financent une enquête de plus grande envergure
permettant d’apprécier sur un échantillon plus large, l’influence de nos variables sur le
remboursement

20
Bibliographie

Adams D. W. and G. I. Nehman, 1979, “Borrowing Costs and the Demand for Rural Credit”,
Journal of Development Studies, Vol. 15, pp. 165-176.
Adams D.W., D. H. Graham and J.D. Von Pischke, 1984, Undermining Rural Development
with Cheap Credit, Boulder (Wesview Press).
Adler P. S. and S.W. Kwon, 1999, “Social Capital: The good, The Bad and The Ugly”,
Working Paper, University of Southern California, Los Angeles, California.
Aghion B. A., 1999, “On The Design of a Credit Agreement with Peer Monitoring”, Journal
of Development Economic, Vol. 60, pp. 79-104.
Banerjee A., T. Besley and T. Guinnane, 1994, “Thy Neighbor's Keeper : The Design of a
Credit Cooperative with Theory and Test", Quarterly Journal of Economics, Vol.109, No.
2, pp. 491-515.
Banque Centrale des Etats de l’Afrique de l’Ouest (BCEAO), 2011, Crises bancaires au Togo
et politiques de restructuration, BCEAO
Banque Mondiale, 2006, Togo, Revue du secteur financier, # 38146, Département du Secteur
Financier, Région Afrique
Baudasse T. et T. Montalieu, 2004, “Le capital social : un concept utile pour la finance et le
développement”, Document de recherche, No. 2004-25, Laboratoire d’économie d’Orléans
Bratton M., 1986, “Financing smallholder production: A comparison of individual and group
credit schemes in Zimbabwe”, Public Administration and Development, Vol. 6, pp. 115–
132.
Besanko D. and A. V. Thakor, 1987, “Collateral and Rationing: Sorting Equilibria in
Monopolistic and Competitive Credit Markets”, International Review, Vol. 28, No. 3, pp.
671-689.
Besley T., 1994, “How do Market Failures Justify Interventions in Rural Credit Markets?”,
World Bank Research Observer, Vol. 9, pp. 27-47.
Besley T. and S. Coate, 1995, “Group Lending, Repayment Incentives and Social Collateral”,
Journal of Development Economics, Vol. 46, No. 1, pp. 1-18.
Cameron C. and Trivedi P., 1998, Regression Analysis of Count Data, Econometric Society
Monographs No. 30, Cambridge University Press.
Coleman J. S., 1988, Social Capital in the Creation of Human Capital, Dasgupta et
Serageldin, pp. 13-39.
Coleman J. S., 1990, Fondations of Social Theory, Harvard University Press, Cambridge,

21
 Mass.
Conning J., 2000, “Monitoring by the Delegates or by the Peers? Joint Liability Loans under
Moral Hazard”, Working Paper, Williams College Center of Development Economics
Cuevas C.E. and D.h. Graham, 1986, “Rationing Agricultural Credit in Developing Countries:
The Role and Determinants of Transaction Costs for Borrowers”, In Maunder, Allen,
Renborg, Ulf (Eds), Agricultural in a turbulent world economy, pp. 680-686, Oxford
(Gower)
Diagne A., 1998, Default Incentives, Peer-Pressure, and Equilibrium Outcomes in Group
Based Lending Programs, International Food Policy Research Institute.
Diagne A., F. Simtowe, W. Chimombo, and C. Mataya, 2000, Design and Sustainability
Issues of Rural and Savings Programs for the Poor in Malawi: An Action-Oriented
Research, International Food Policy Research Institute.
Espace Micro-Finance, 2006, “2005, Année internationale du microcrédit”, Bulletin
trimestriel du Comité National de Microfinance du Togo, No. 001.
Espace Micro-Finance, 2010, “Le marketing et la communication: les nouveaux challenges
pour les IMF du Togo”, Bulletin trimestriel de l’Association Professionnelle des
Institutions de Micro-finance du Togo, No. 010
Floro S. L. and P.A. Yotopoulos , 1991, Informal Credit Markets and the New Institutional
Economics: The case of Philippine Agriculture, Boulder: Westview Press
Fukuyama F., 1995, The Social Virtues and the Creation of Prosperity, New York, The Free
Press. Fukuyama F., 1999, Social Capital and Civil Society, The Institute of Public Policy,
George Mason University.
Gentil D., M. Adechoubou, G. B. Dagnon, Y. Fournier, D. A. Soedjédé and S. N. Tomety,
1992, “Services financiers et allègement de la pauvreté : banquiers ambulants et opération
71 au Togo et au Benin”, Document de travail No. 4, Bureau International du Travail.
Ghatak M. ,1999, “Group Lending, Local Information and peer Selection”, Journal of
Development Economics, Vol. 60, No. 1, pp. 27-50.
Ghatak M. and T.W. Guinnane, 1999 “The Economics of Lending with Joint Liability:
Theory and Practice”, Journal of Development Economics, Vol. 60, No. 1, pp. 195-228.
Godquin M., 2004, “Microfinance Repayment Performance in Bangladesh: How to Improve
the Allocation of Loans by MFIs”, World Development, Vol. 32, No. 11, pp. 1909-1926
Hermes N., R. Lensik and H.T. Mehrteab, 2005, “Peer Monitoring, Social Ties and Moral
Hazard in Group Lending Programmes: Evidence from Eritrea”, World Development, Vol.
33, pp. 149-169.
22
Hoff K. and J. Stiglitz, 1990, “Imperfect Information and Rural Credit Markets - Puzzles and
Policy Perspectives”, The World Bank Economic Review, Vol. 4, No.3, pp. 235-250.
Hossain M., 1988, “Credit for Alleviation of Rural Poverty: The Grameen Bank in
Bangladesh”, Research Report, No. 65, International Food Policy Research Institute.
Hulme D., 1990, “Can Grameen Bank be Replicated? Recent Experiments in Malaysia,
Malawi and Sri Lanka”, Development Policy Review, Vol. 8, pp. 287-300.
Khandker S. R., B. Khalily and K. Khan, 1995, “Grameen Bank: performance and
sustainability”, World Bank Discussion Paper, No. 306, The World Bank, Washington,
DC.
Ladman J.R., 1984, “Loan-Transactions Costs, Credit Rationing, and Market Structure: The
Case of Bolivia”, In Adams, D.W., Graham, D.H. and Von Pischke, J.D. (Eds),
Undermining Rural Development with Cheap Credit. Boulder (Westview Press).
Lanha M., 2004, Efficacité relative du prêt de groupe avec caution solidaire, Laboratoire
d'Economie d'Orléans.
Lelart M., 1989, “L'épargne informelle en Afrique, les tontines béninoises”, Revue tiers
monde, Vol. 30, No. 118, pp. 271-298
Long S., 1997, Regression Models for Categorical and Limited Dependent Variables, Sage,
Thousands Oaks, Calif.
Maes J. P., Reed L. R. (2012) Etat de la campagne du sommet du microcrédit, Rapport
2012, publié par la campagne du sommet du microcrédit (MCS), 1-69
Meyer R.L. and E. Cuevas, 1992, “Reduction Of Transaction Costs of Financial
Intermediation: Theory and Innovations”, In UN Department of International Economic
and Social Affairs (Ed). Savings and Credit for Development. Report of the 234
References International Conference on Savings and Credit for Development,
Klarskovgard, Denmark, 28-31 May 1990 285-317. New York (United Nations)
Morduch J., 1999, “The Microfinance Promise”, Journal of Economic Literature, Vol.
XXXVII, pp. 1569-1614.
Mosley P. and R.P. Dahal, 1985, “Lending to the Poorest: Early Lessons from the Small
Farmers”, Development Policy Review, Vol. 3, pp. 193-207.
Programme des Nations Unies pour le Développement (PNUD), 2011, Rapport sur le
développement humain
Paxton J. A., 1996, Determinants of successful group loan repayment: an application to
Burkina Faso, PHD. Thesis, Ohio State University
Putnam R., 2000, Bowling Alone, The Collapse and Revival of American Community, Simon
23
 and Schuster, New York.
Sadoulet L., 1997, The Role of Mutual Insurance in Group Lending, Department of
Economics, Princeton University.
Shipton P., 1992, “The Rope and the Box: Group Saving in the Gambia”, In D. W. Adams
and D. A. Fitchett (Ed), Informal Finance in Low-Income Countries, Boulder: Westview
Press.
Stiglitz J. E. and A. Weiss, 1981, “Credit Rationing in Markets with Imperfect Information”,
American Economic Review, Vol. 71, pp. 393-410
Stiglitz J. E. and A. Weiss, 1983, “Incentive Effects of Terminations: Applications to the
Credit and Labor Markets”, American Economic Review, Vol. 73, pp. 912-927.
Stiglitz J., 1990, “Peer Monitoring and Credit Markets”, World Bank Economic Review, Vol.
4, No. 3, pp. 197-203.
Tybout J., 1984, “Interest Controls and Credit Allocation in Developing Countries”, Journal
of Money, Credit and Banking, Vol. 16, pp. 474-487.
Van Tassel E., 1999, “Group Lending under Asymmetric Information”, Journal of
Development Economics, Vol. 60, No. 1, pp. 3-25.
Varian, 1990, “Monitoring Agents with Other Agents”, Journal of Institutional and
Theoretical Economics, Vol. 146, No.1, pp. 153-174.
Wenner M., 1989, Signaling of Creditworthiness in Rural Credit Markets: An Analysis of
Group Lending in Costa Ric, PH.D.Thesis, University of Wisconsin-Madison.
Wenner M., 1995, “Group Credit: A Means to Improve Information Transfer and Loan
Repayment Performance”, Journal of Development Studies, Vol. 32, No. 2, pp. 263-281.
Wydick B., 1996, Credit access for household enterprises in developing countries under
asymmetric information, Ph.D. Dissertation, University of California at Berkeley
Wydick B., 1999, “Can Social Cohesion be Harnessed to Repair Market Failures? Evidence
from Group Lending in Guatemala”, The Economic Journal, Vol. 109, pp. 463 -475.
Zeller M., 1998, “Determinants of repayment performance in credit groups: the role of
program design, intragroup risk pooling and social cohesion”, Economic Development and
Cultural Change, Vol. 46, No. 3, pp. 599-621

24
Annexes

Annexe n°1- Les signes attendus des variables exogènes sur la défaillance des groupes

Variables indépendantes Signes attendus

Variables de contrôle
OPTEXT +/-
AGEGROUP +/-
Capital social
MSEXE +/-
METHNIE +/-
MRELIGION +/-
MQUART +/-
Pression des paires
PRESREMB +/-
Monitoring
VMEMBRE -
DISMEMBRE +
MOCCU -
DIMGPE +
Sélection
SELECT -

25
 Annexe n°2- Les résultats des régressions : binomial négatif et poisson

Variables : Les résultats du binomial négatif Les résultats du poisson

Intensité de défaillance

(INT) Coef. |Z| Coef |Z|

Variables de contrôle

OPTEXT -1.692 (5.12)*** -1.692 (5.12)***

AGEGROUP -0.409 (6.11)*** - 0.409 (6.11)***

Capital social

MSEXE -0.993 (3.19)*** -0.993 (3.19)***

METHNIE -0.255 (1.58)* -0.255 (1.58)*
MRELIGION 0.675 (2.48)** 0.675 (2.48)**
MQUART -0.117 (0.46) -0.117 (0.46)

Pression des paires

PRESREMB 1.518 (3.48)*** 1.518 (3.48)***

Monitoring

VMEMBRE -1.562 (5.66)*** -1.562 (5.66)***

DISMEMBRE -0.000 (0.50) -0.000 (0.50)
MOCCU -0.817 (2.93)*** -0.817 (2.93)***
DIMGPE 0.054 (5.42)*** 0.054 (5.42)***

Sélection

SELECT 1.763 (9.46)*** 1.763 (9.46)***

CONSTANT 0.821 (1.30) 0.821 (1.30)

Ln -16.53941 0.0883667
6.56e-08 5.80e-09
Log pseudolikelihood = -230.6924 Log pseudolikelihood =

Dispersion = mean -230.6924

Observations 258
Observations 258 Robust z statistics in parentheses
Robust z statistics in parentheses * significant at 10%; **
* significant at 10%; ** significant at 5%; *** significant at 1% significant at 5%; *** significant
Wald chi2 (12) = 212.92 at 1%
Prob > chi2 = 0.0000 Wald chi2 (12) = 212.92
Prob > chi2 = 0.0000
Note : estimation de l’auteur sur STATA 10.0

26