Un outil d`évaluation du niveau de vie des clients des institutions de

Un outil d`évaluation du niveau de vie des clients des institutions de
PROPOSITION D’ARTICLE POUR LE RAPPORT 2003 DU CENTRE WALRAS
Exclusion et Liens Financiers
Economica, Paris
Un outil d’évaluation du niveau de vie des clients des institutions de microfinance
Cécile Lapenu, CERISE, en collaboration avec Carla Henry (Bureau International du
Travail), Manfred Zeller (Université de Göttingen) et Manohar Sharma (IFPRI)1
Le développement rapide de la microfinance, l’espoir qu’elle suscite comme outil de lutte
contre la pauvreté, mais aussi l’ampleur des ressources investies, ont conduit très tôt à
s’interroger sur l’impact de la microfinance.
Pourtant, les difficultés méthodologiques sont importantes : fongibilité du crédit (l’affectation
du crédit est difficile à établir une fois que celui-ci est intégré dans le budget du ménage),
problème de l’attribution (l’effet observé est-il lié au crédit ou à d’autres facteurs intervenant
dans le milieu ?). Face à cette complexité, les enjeux et des méthodes d’analyse ont évolué.
Les premières études d’impact, à la fin des années 80, s’attachaient à essayer de démontrer
l’impact avec des méthodes, des outils et une rigueur scientifiques. Réalisées le plus souvent
par des équipes universitaires, ces études nécessitaient des dispositifs d’enquêtes importants et
se sont souvent avérées longues, coûteuses, et peu utilisables par les praticiens de la
microfinance.
Un autre courant a développé des approches minimalistes de l’étude d’impact fondées sur le
postulat suivant : si une institution de microfinance (IMF) grandit et enregistre des taux de
remboursements satisfaisants, c’est que les clients sont satisfaits de ses services et, ce faisant,
que son impact est positif. L’étude d’impact consiste donc essentiellement à analyser la
dynamique de croissance et les performances de l’IMF, sans investir davantage dans une
étude approfondie des clients.
Cette seconde approche a démontré ses limites dès que le secteur de la microfinance s’est
trouvé confronté à des crises. Les impayés, les pertes de clients (drop out), les faillites, mais
aussi la concurrence qui s’exacerbe conduisent les IMF à s’interroger sur leur clientèle,
l’adéquation des services offerts par rapport aux besoins des populations cible et sur les
causes potentielles de dysfonctionnement du système.
Les études menées pour les IMF cherchent moins aujourd’hui à démontrer scientifiquement
l’impact, mais plutôt à identifier quel type de clientèle est touchée par l’IMF, à comprendre
comment les clients utilisent les services, quels sont leurs besoins et leurs contraintes, en vue
d’améliorer l’offre de services et l’adaptation de l’IMF au marché.
Au-delà de l’apport de connaissance, les études d’impact, sous leurs différentes formes,
peuvent devenir des outils de pilotage des IMF.
1
L’outil présenté dans cet article a été développé pour le CGAP (consultative Group to Assist the Poorest) avec
l’IFPRI (International Food Policy Research Institute) par les auteurs cités. Pour plus de détails, on peut se
référer à un « Discussion paper » de l’IFPRI (Zeller et al. 2001) et au manuel d’utilisation de l’outil,
téléchargeable sur le site du CGAP (Henry et al. 2000).
Les méthodes d’étude ont elles aussi évolué : on s’oriente aujourd’hui vers des méthodes plus
légères, plus opérationnelles, moins coûteuses, et maîtrisables par les praticiens (qui peuvent
réaliser l’étude eux-mêmes ou être étroitement associés à sa réalisation par des compétences
locales).
Par ailleurs, sur les dernières années, les outils mis à disposition des IMF se sont centrés, en
rapport avec les préoccupations de viabilité financière, sur l’évaluation des performances
financières des institutions sans que l’on puisse en parallèle évaluer les performances sociales
et la réelle implication dans la lutte contre la pauvreté. Récemment, le CGAP2 a cherché à
développer un outil permettant de savoir quel était le niveau de vie des familles touchées par
les IMF par rapport aux non clients. Le « Poverty Assessment Tool », outil d’évaluation de la
pauvreté, est présenté ici. Utilisé en parallèle avec les outils d’évaluation financière, il doit
permettre de comprendre dans quelle mesure les IMF ayant un objectif social de lutte contre
la pauvreté atteignent leur but, à la fois en termes de durabilité, mais aussi en servant sur leur
zone d’intervention des populations défavorisées.
L’outil présenté ici cherche donc à répondre à une question simple mais fondamentale vus les
objectifs de lutte contre la pauvreté souvent défendus par la microfinance : qui sont les clients
des IMF ? Quel est leur niveau de vie, comparé aux non clients ?
1. Mesurer la pauvreté
La pauvreté est par nature multidimensionnelle, comprenant différents aspects du statut
économique et social des ménages. Capturer ces dimensions nécessite des indicateurs à la fois
quantitatifs et qualitatifs. Dans la pratique, on retrouve trois types de méthodes pour évaluer la
pauvreté :
- la construction de seuils de pauvreté à partir de la mesure des dépenses des
ménages ou de leurs revenus (Ravallion, 1994 ; Moser et al., 1996 ; Streeten,
1994). Ces seuils sont définis à partir d’une consommation minimum
(alimentaire et non alimentaire) nécessaire à la survie d’une famille.
- des méthodes participatives à travers lesquelles les ménages sont classés par
rang de richesse par les membres mêmes de la communauté (Bilsborrow,
1994 ; Boltvinik, 1994 ; Gibbons et al. 1999).
- la construction d’index de pauvreté qui utilisent une gamme d’indicateurs
quantitatifs et qualitatifs (Hatch et Frederick, 1998 ; Chung et al., 1997).
Ces différentes méthodes ont leurs avantages et leurs limites.
La méthode des seuils de pauvreté utilise les dépenses totales des ménages comme mesure du
niveau de vie3. Un panier de biens et services correspondant avec les habitudes de
consommation locale et satisfaisant un niveau pré-établi de besoins de base pour une personne
est construit et évalué sur la base des prix locaux à la consommation. La valeur de ce panier
est appelée « seuil de pauvreté » (Aho, Larivière et Martin, 1997). Cette méthode est
largement acceptée comme mesure de la pauvreté, tant que l’on s’intéresse à la pauvreté
économique des ménages. Cependant, les exigences en termes de données sont énormes : les
enquêtes de consommation (ou de revenus) sont lourdes, nécessitant des questionnaires longs,
2
Consultative Group to Assist the Poorest
Des enquètes nationales auprès des ménages du type des « Living Standard Measurement Survey – LSMS »
(Enquête de mesure des niveaux de vie) conduites par la Banque mondiale sont ainsi classiquement utilisées
pour estimer les seuils de pauvreté et mesurer l’incidence de la pauvreté.
3
très complets, requérant un suivi dans le temps ou un effort de mémoire des ménages
enquêtés. Des problèmes méthodologiques existent aussi : comment évaluer
l’autoconsommation par exemple ? Par ailleurs, l’analyse des données nécessite souvent des
connaissances approfondies en statistiques.
Il est possible pour les IMF de comparer le niveau de vie de leurs clients avec des données
nationales existantes (Navajas et al, 2000, en Bolivie) mais de nombreux problèmes de
méthodes rendent généralement ce choix difficile : disponibilité, qualité, actualité des données
nationales, possibilité de recueillir les mêmes informations (même méthode, mêmes
conditions d’inflation, de prix, etc.).
Les méthodes participatives d’évaluation (Rapid Assessment et Participatory Appraisal) sont
des outils utilisés et largement acceptés pour identifier les groupes vulnérables au sein d’une
communauté. Ils peuvent être utilisés dans les programmes de développement en particulier
les IMF pour cibler les services sur les clients pauvres. Ils permettent aussi d’identifier les
critères locaux sur lesquels les populations s’appuient pour définir les groupes pauvres ou
riches. S’ils sont un bon outil de sélection, ils restent cependant limités pour des comparaisons
de niveau de vie à l’échelle régionale, nationale ou internationale. Basés sur le classement
subjectif des membres de la communauté, ils sont difficilement vérifiables4. Les entretiens
qualitatifs sur des questions sensibles requièrent des enquêteurs particulièrement bien formés.
Enfin, ces méthodes conduisent toujours à définir un groupe pauvre dans la communauté sans
qu’il soit possible de déterminer dans quelle communauté résident les ménages les plus
pauvres.
La construction d’index de pauvreté sur la base d’indicateurs décrivant différentes dimensions
de la pauvreté se retrouve dans différents domaines. L’Index de Développement Humain en
est une illustration connue (Programme des Nations Unies pour le Développement – PNUD,
1999) : l’IDH se base sur trois dimensions (l’éducation, l’espérance de vie et les revenus par
tête) et cherche à donner une vision plus nuancée du développement d’un pays que le simple
chiffre du produit intérieur brut par habitant. Au niveau des IMF, le « housing index » est
souvent utilisé, en particulier en Asie auprès des modèles de type Grameen Bank pour cibler
les services vers une population pauvre (Hatch et Frederick, 1998). Un des avantages de cet
index vient du fait que les indicateurs tels que la qualité des murs et du toit peuvent être
obtenus sur simple inspection visuelle. Les indicateurs peuvent par ailleurs être facilement
ajustés aux conditions locales (quels sont localement les différents types de matériaux utilisés
dans la construction des murs, des toits, etc. ?). Cette simplicité et son coût limité ont rendu
populaire le « housing index », souvent utilisé pour sélectionner des clients. Les limites du
Housing index portent d’une part sur une pondération arbitraire des différents indicateurs :
pour s’adapter aux différences nationales et régionales dans l’habitat, le poids affecté à
chaque indicateur est arbitrairement fixé par l’institution qui utilise l’index. D’autre part, la
prise en compte d’une dimension unique de la pauvreté peut réduire sa pertinence, en
particulier dans des zones d’habitat homogène.
Face à ces outils et compte-tenu de leurs limites, l’outil développé par l’IFPRI5 et le CGAP
cherche à prendre en compte différentes dimensions de la pauvreté, à s’appuyer sur une
méthode statistique rigoureuse pour assigner une pondération à chaque indicateur et à prendre
en compte les caractéristiques locales de la pauvreté tout en standardisant les indicateurs pour
permettre des comparaisons entre institutions et entre pays.
4
et peuvent donc en particulier être biaisés par la perception des membres de la communauté sur les avantages
attendus d’une réponse stratégique.
5
International Food Policy Research Institute
2. Les caractéristiques du « Poverty Assessment Tool »
2.1. Le questionnaire
La mise au point de l’outil s’est fondée sur les étapes suivantes :
- identification d’un grand nombre d’indicateurs de pauvreté à partir de revues
de la littérature, de résultats d’enquêtes approfondies sur l’économie des
ménages et d’outils de mesure ou de sélection utilisés dans les projets de
développement et la microfinance ;
- sélection parmi ces indicateurs de ceux qui permettent d’obtenir une
information crédible, rapidement et à moindre coût ;
- définition d’un questionnaire pour tester les indicateurs sélectionnés dans la
deuxième étape. Le questionnaire a été appliqué à quatre IMF dans des
contextes différents6 ;
- ajustement du questionnaire en fonction des résultats des études de cas ;
- mise au point d’une méthode statistique permettant de résumer l’information
de différents indicateurs en un index unique utilisé pour comparer les niveaux
de pauvreté entre les ménages.
Les indicateurs sélectionnés au final portent à la fois sur le potentiel économique et la
consommation du ménage.
Tableau 1 : Indicateurs recommandés dans le questionnaire final
Ressources humaines
Habitation
. Age et sexe des adultes
du ménage
. Niveau d’éducation des
adultes
. Profession/occupation
des adultes
. Nombre d’enfants
. Nombre de pièces
. Type de toit
. Type de murs
. Type de sol
. Observation sur les
conditions de la structure
de l’habitation
. Mode d’accès à l’eau
potable
. Type de connection
électrique
. Source d’énergie pour la
cuisine
. Type de latrines
Sécurité alimentaire et
vulnérabilité
. Nombre de repas servis
sur les 2 derniers jours
. Fréquence hebdomadaire
de 3 mets de luxe7
. Fréquence hebdomadaire
d’un met inférieur8
. Occurrence de la faim
dans le dernier mois
. Occurrence de la faim
sur les 12 derniers mois
. Fréquence d’achat de
l’aliment de base9
. Valeur du stock de
l’aliment de base
Actifs
Autres
. Surface et valeur de la
terre possédée
. Nombre et valeur des
animaux
. Valeur des actifs
destinés au transport
. Valeur des actifs
électriques
. Evaluation par les non
clients du ciblage des
pauvres par l’IMF
. Dépenses annuelles
vestimentaires pour tous
les membres du ménage
(Note : pour le questionnaire complet, voir le manuel – Henry et al. 2000)
Les seules dépenses enregistrées sont les dépenses vestimentaires. On observe en effet
généralement qu’elles offrent une bonne approximation du niveau de richesse du ménage : des
enquêtes approfondies sur les revenus et les dépenses des ménages montrent souvent que les
dépenses vestimentaires augmentent proportionnellement au montant total des dépenses
(autour de 5 à 10%)10 (Morris et al., 1997); par ailleurs, l’habillement requiert le plus souvent
l’achat du matériel ou du vêtement, et les ménages ont peu recours à l’« autoconsommation », ce qui limite les problèmes retrouvés dans la consommation alimentaire,
d’évaluation financière de la production propre du ménage. Enfin, les dépenses vestimentaires
6
quatre pays (Inde, Nicaragua, Kenya, Madagascar) et quatre IMF de structure différente (coopérative,
réplication de la Grameen Bank, Organisation Non Gouvernementale urbaine ciblant les femmes entrepreneurs,
ONG travaillant en zones urbaines et rurales et touchant plutôt des hommes)
7
Par exemple dans certains pays : viande de bœuf, viande de poulet, fromage
8
Par exemple dans certains pays : riz seul ou manioc.
9
Selon les pays, riz, maïs, farine de blé, semoule, etc.
10
Contrairement aux dépenses alimentaires qui finissent par stagner quand les dépenses totales continuent
d’augmenter.
sont souvent ponctuelles (fêtes, cérémonies, rentrées des classes, etc.) et cela facilite pour les
ménages et les enquêteurs la mémoire des achats.
22. L’échantillon
L’échantillon compte 200 nouveaux clients de l’IMF et 300 non clients.
On cible les nouveaux clients car l’enquête ne peut porter sur l’ensemble des clients mais
seulement ceux qui n’auront pas encore été affectés par l’IMF afin de pouvoir déterminer quel
est le niveau de vie des ménages qui ont accès à l’institution11. La définition de « nouveau »
idéalement correspond à un client qui a été accepté par l’institution mais n’a pas encore reçu
de services financiers, en particulier de prêts. Lorsque cette définition est trop stricte pour
choisir un échantillon au hasard, on peut fixer comme règle que les « nouveaux » ne sont
clients que depuis moins de six mois.
L’échantillon des non clients, plus large car on suppose une plus grande diversité parmi les
non clients que parmi les clients, sera choisi au hasard dans la zone d’intervention de l’IMF en
écartant les ménages où des membres sont ou ont été clients de l’IMF.
23. Le traitement de l’information
Chaque indicateur peut être analysé séparément pour comparer la situation des clients à celle
des non clients. Pourtant, les résultats pourront être inconsistants entre les indicateurs ou les
différences entre les groupes peuvent ne pas être significatives. Ainsi, même si l’analyse
individuelle des indicateurs conduit à des informations utiles sur les similarités et les
différences entre les groupes, ces résultats ne permettent généralement pas de répondre à la
question-clé initiale : dans quelle mesure l’IMF touche-t-elle un groupe de ménages
relativement pauvre ?
L’ensemble des indicateurs individuels gagnera à être résumé en combinant l’information
apportée par les différents indicateurs en un index unique. Pour cela, une pondération doit être
affectée à chaque indicateur. La pratique habituelle consiste pour l’évaluateur à fixer un
ensemble de poids en fonction des conditions locales mais cette démarche comporte une
grande part d’arbitraire. Dans le PAT, pour permettre la comparaison entre IMF et entre pays,
un index est construit en utilisant la méthode statistique de l’Analyse en Composante
Principale (ACP). Cette méthode permet d’affecter un poids aux indicateurs de façon
standardisée et rigoureuse et d’ajuster les poids à chaque situation, prenant ainsi en compte le
contexte spécifique de pauvreté sur la zone d’étude (voir aussi les travaux de Filmer et
Pritchett, 1998). L’analyse en composante principale est utilisée pour déterminer quel sousensemble d’indicateurs peut, lorsqu’on combine ces indicateurs, mesurer le plus précisément
la pauvreté relative des ménages. L’idée est de créer une nouvelle variable, X*, qui est la
combinaison linéaire des indicateurs individuels liés à la pauvreté des ménages et qui explique
le maximum de la variance totale des indicateurs d’origine12.
11
En effet, si l’on prend des anciens clients qui ont déjà bénéficié de prêts, comment interpréter un niveau de vie
élevé : est-ce l’impact positif des services de l’IMF ou une sélection de clients déjà aisés ? Au contraire, pour des
clients identifiés comme pauvre par l’enquête : est-ce un impact neutre voire négatif de l’IMF ou une sélection
de clients particulièrement défavorisés ? Une erreur d’échantillonage rend impossible toute interprétation des
résultats.
12
L’obtention de l’index passe par un certain nombre d’étapes : tout d’abord, la sélection, parmi tous les
indicateurs individuels, de ceux qui sont fortement corrélés avec l’ « étalon » de pauvreté (les dépenses
vestimentaires annuelles par tête) ; ensuite, les indicateurs sélectionnés sont pris en compte dans l’ACP. Une
série de test à cette étape également permet de conserver les indicateurs les plus significatifs. D’une façon
générale, l’index final est composé de 15 à 20 indicateurs individuels combinant différentes dimensions de la
pauvreté.
X* est construit comme suit :
X* = w1X1 + w2X2 + w3X3
où wi sont les poids et Xi les indicateurs individuels. Cet index a pour moyenne 0 et un écarttype égal à 1.
A partir de cet index, un « score » peut être affecté aux ménages en fonction des valeurs des
indicateurs individuels de chacun de ces ménages : ménages clients et ménages non clients se
voient affecter un « score de pauvreté » qui les situe les uns par rapport aux autres. Plus le
score est faible, plus le ménage est pauvre. Les scores des clients peuvent maintenant être
comparés à ceux des non clients pour mesurer dans quelle proportion l’IMF touche les
pauvres dans sa zone d’intervention. Les résultats de deux IMF enquêtées lors du test de
l’outil sont rapportés ci-après.
3. Interprétation des résultats du « Poverty Assessment Tool »
Une première visualisation des résultats peut être obtenue en comparant pour l’ensemble de la
population des clients et des non clients la répartition des scores de l’index de pauvreté (voir
figures 1 et 2).
Figure 1 : Distribution cumulée de l’index de pauvreté pour les clients et non clients
(IMF touchant massivement les pauvres)
C um ulative distribution for poverty index by client status
(M F I w ith strong depth of outreach)
P o v erty in d e
3 ,0
2 ,0
1 ,0
C lien ts
0 ,0
N o n clien t
-1 ,0
-2 ,0
0
20
40
60
80
100
C u m u lativ e p ercen t
Figure 2 : Distribution cumulée de l’index de pauvreté pour les clients et non clients
(IMF touchant moins les pauvres)
C um ulative distribution for poverty index by client status
(M F I w ith w eak er depth of outreach)
4 .0 0
P o v erty in d e
3 .0 0
2 .0 0
1 .0 0
C lien ts
.0 0
N o n clien ts
-1 .0 0
-2 .0 0
-3 .0 0
0
20
40
60
80
100
Sur la première institution (nommée IMF – A), on observe que la différence entre les clients
et les non clients est relativement forte, à l’exception des plus pauvres. On peut lire par
exemple la figure comme suit : parmi la population des non-clients, seuls 50% des ménages
ont un score inférieur à 0 alors que 80% des clients ont un score négatif. L’IMF enquêtée
touche donc une population plus pauvre que la population des non-clients.
Sur la seconde institution (IMF – B), clients et non clients ont des scores relativement
proches, légèrement plus élevés pour les clients. Cette IMF touche donc une population
moyenne, légèrement plus riche que les non clients.
Un second mode de visualisation, permettant par la suite d’établir des ratios qui pourront être
comparés entre institutions, consiste à diviser la population des non clients en trois terciles
que l’on peut qualifier respectivement de « tercile des plus pauvres », « tercile des pauvres »
et « terciles des moins pauvres » ou, en anglais, sans préciser le « degré » de pauvreté,
« bottom tercile », « middle tercile » et « top tercile ». Le score qui distingue chaque tercile
définit la limite de chaque groupe de pauvreté. Les ménages clients sont alors classés dans
chaque groupe en fonction de leur propre score.
Figures 3 et 4 : Répartition des clients par tercile de pauvreté sur les deux IMF enquêtées
70
60
60
50
50
40
40
30
30
20
20
Percent
client status
10
client status
10
MFI client
MFI client
0
Non-client of MF
poorest
less poor
least poor
0
Non-client of MF
Poorest
Poor
Less Poor
Poverty Group
Poverty Group
Tableau 2 : Répartition des clients par tercile de pauvreté
Terciles
% de ménages non clients
« Bottom »
« Middle »
« Top »
33
33
33
% de ménages clients de
l’IMF – A
58
38,5
3,5
% de ménages clients de
l’IMF – B
16
33
51
On voit que pour l’IMF – A, le groupe le plus pauvre est fortement sur représenté et que le
groupe des moins pauvres est au contraire sous représenté. Ce résultat est cohérent avec
l’objectif explicite que s’était fixé l’IMF enquêtée de servir les plus pauvres dans sa zone
d’opération et indique le succès des méthodes de sélection qui étaient employés par cette
institution (housing index).
Pour l’IMF – B, les ménages les plus pauvres sont sous représentés parmi les clients.
Pourtant, pratiquement la moitié des clients se retrouvent dans les deux premiers terciles ce
qui finalement reste un résultat honorable pour l’institution enquêtée en considérant sa
mission (toucher les femmes entrepreneurs), ses produits (financement de la microentreprise
après soumission d’un plan d’affaire) et l’absence d’une sélection spécifique.
Les informations sur le pourcentage de clients dans chaque tercile peuvent être encore
résumées sous forme de ratio qui permettent une comparaison rapide : le ratio 1 est construit
en divisant le pourcentage de clients qui appartiennent au tercile des plus pauvres par 33. Une
valeur supérieure à 1 indique que la proportion des ménages les plus pauvres parmi les clients
de l’IMF excède celle de la population générale, et inversement pour un ratio inférieur à 1.
Le ratio 2 est construit de manière identique pour le tercile des plus riches.
Tableau 3 : Ratio 1 et ratio 2 calculés à partir des terciles de pauvreté
Pourcentage / Ratio
MFI – A
% de clients dans le tercile des plus pauvres
58
Ratio 1
1,76
% de clients dans le tercile des moins pauvres
3,5
Ratio 2
0,79
MFI – B
16
0,48
51
1,55
Les ratios 1 et 2 fournissent une comparaison du niveau de vie des clients par rapport aux non
clients dans la zone d’opération de l’IMF et permettent à ce stade à l’IMF enquêtée de
réfléchir à la nature de ses résultats compte-tenu de sa stratégie de ciblage de la clientèle.
Pourtant, ces ratios doivent être complétés par des informations à l’échelle du pays si l’on
veut faire des comparaisons entre IMF opérant sur différentes régions ou des comparaisons
entre pays. En effet, l’index de pauvreté se base sur un niveau de pauvreté relatif (clients vs.
non clients) et non un niveau de pauvreté absolu. Ainsi, il se peut que les ménages « les plus
pauvres » dans une zone relativement riche aient un niveau de vie supérieur aux ménages
« les moins pauvres » dans une région plus pauvre.
Un ratio, basé sur des évaluations nationales de pauvreté lorsqu’elles sont disponibles et de
qualité, ou à défaut sur des « dires d’experts », compare le niveau de pauvreté des zones
d’opération de l’IMF avec la moyenne nationale afin d’évaluer si l’IMF travaille dans des
régions plus riches ou plus pauvres que la moyenne.
Enfin, pour des comparaisons internationales, l’outil suggère de prendre en compte l’Index de
Développement Humain du pays qui combine les informations sur les revenus, l’éducation et
la santé. Le dernier indicateur correspond alors au ratio de l’IDH du pays rapporté à l’index
moyen de l’ensemble des pays en développement (source : PNUD). Un ratio supérieur à un
indique que le niveau de pauvreté du pays est inférieur à la moyenne des pays en
développement.
Tableau 4 : Résumé des informations fournies par le PAT
Rating de l’IMF
Prédominant
Ciblage des clients pauvres
Important
Modéré
Minimum
Ratio 1 : % de
clients dans le tercile
le
plus
pauvre
rapporté aux non
clients
Ratio 2 : % de
clients dans le tercile
le moins pauvre
rapporté aux non
clients
Ratio 3 : pauvreté
relative des zones
d’intervention
Ratio 4 : IDH du
pays rapporté à la
moyenne de l’IDH
des
pays
en
développement
> 1,50
Plus de 50% des
clients dans le tercile
le plus pauvre
1.00 – 1.50
33 – 50% des clients
dans le tercile le plus
pauvre
0.60 – 1.00
20 – 33% des clients
dans le tercile le plus
pauvre
<0.60
Moins de 20% des
clients dans le tercile
le plus pauvre
<0.60
Moins de 20% des
clients dans le tercile
le moins pauvre
0.60 – 1.00
20 – 33% des clients
dans le tercile le
moins pauvre
1.00 – 1.50
33 – 50% des clients
dans le tercile le
moins pauvre
> 1,50
Plus de 50% des
clients dans le tercile
le moins pauvre
La zone d’opération
est nettement plus
pauvre
que
la
moyenne nationale
<0,5
IDH inférieur de
50% à la moyenne
des PED
La zone d’opération
est
plutôt
plus
pauvre
que
la
moyenne nationale
0,5 – 0,75
IDH entre 50% et
75% de la moyenne
des PED
La zone d’opération La zone d’opération
se situe autour de la est nettement plus
moyenne nationale
riche
que
la
moyenne nationale
0,75 – 1,00
> 1,00
IDH entre 75% et IDH supérieur à la
100% de la moyenne moyenne des PED
des PED
Enfin, une évaluation complète doit discuter de ces résultats au regard de la mission et des
objectifs, en particulier financiers, de l’IMF.
Les résultats obtenus de l’outil doivent être discutés au sein de l’IMF pour évaluer dans quelle
mesure ils correspondent aux objectifs et à la mission de l’IMF : une coopérative dont le
fonctionnement est basé sur la mobilisation de l’épargne n’aura ainsi pas pour objectif
prioritaire de cibler les plus pauvres. Mais si elle met en place un programme spécial pour
toucher par exemple les femmes sans garanties, les ménages touchés par ce volet spécifique
de services devraient apparaître à l’issue de l’analyse comme plus pauvres que les clients
classiques.
Par ailleurs, la « portée » du programme (outreach) doit être mise en regard avec les résultats
financiers de l’institution : le service à des clients pauvres, dans des zones reculées, conduira
peut être à une marche plus lente vers l’équilibre financier ; au contraire, une IMF préfèrera
asseoir d’abord sa viabilité financière en touchant des clients relativement aisés.
Le « PAT » doit donc être utilisé en combinaison avec d’autres outils d’analyse
institutionnelle pour offrir une image complète de l’institution et ne pas risquer une mauvaise
interprétation des résultats.
Conclusion
Les principales caractéristiques du « Poverty Assessment Tool » sont les suivantes : (1) il
permet de sélectionner un petit nombre d’indicateurs qui sont des identifiants puissants de la
pauvreté des ménages et qui peuvent être utilisés dans des contextes socio-économiques
variés ; (2) les indicateurs sont choisis de telle façon qu’une information fiable peut être
collectée rapidement et à faible coût ; (3) l’outil offre une méthode objective pour résumer
l’ensemble de l’information et pour classer les ménages sans ambiguïté selon leur pauvreté
relative, et (4) il recommande le calcul de ratios simples qui facilitent une comparaison
rapide, même à l’échelle internationale, de la politique de ciblage des institutions. Cependant,
cet outil reste relativement nouveau, et des tests additionnels sont recommandés. En
particulier, il sera intéressant de comparer les classements produits par cet outil et ceux
produits par d’autres méthodes comme le recueil des dépenses ou des revenus totaux des
ménages.
Cet outil a été défini et testé dans le cadre de la microfinance, cependant, il peut être appliqué
pour des projets de développement dans d’autres domaines, à partir du moment où les
ménages bénéficiaires peuvent être clairement identifiés par rapport aux « non clients ».
Ainsi, le PAT peut être appliqué pour un programme de nutrition ou d’alphabétisation par
exemple, mais plus difficilement pour la construction d’une route dont tous les ménages de la
zone peuvent profiter.
Une limite de cet outil vient du fait qu’il ne fournit pas d’information sur le niveau absolu de
pauvreté. Cependant, dans de nombreux cas, c’est plutôt la pauvreté relative que la pauvreté
absolue qui préoccupe les décideurs politiques ou les évaluateurs. Par ailleurs, de nombreuses
mesures utilisées dans les politiques de développement pour évaluer la pauvreté relative,
comme le seuil de un ou deux dollars par jour utilisé par certaines organisations
internationales sont souvent assez arbitraires. Des mesures plus précises de la pauvreté
absolue basées sur des seuils de pauvreté se heurtent aux problèmes de la définition d’un
panier représentatif de besoins de base dans un pays.
La pauvreté est fondamentalement un concept relatif. Ainsi, l’outil et les ratios qu’il génère,
permettent d’évaluer à faible coût l’efficacité du ciblage de projets de développement.
Bibliographie
Aho, G., Larivière, S., Martin, F., 1997. Manuel d’analyse de la pauvreté au Bénin.
Programme des Nations Unies pour le Développement, Université Nationale du Bénin,
Université de Laval, Canada.
Bilsborrow, R.,1994. Towards a rapid assessment of poverty. In Poverty monitoring: An
international concern, ed. R.van der Hoeven, R. Anker, 150-158. St. Martin’s Press, New
York.
Boltvinik, J. 1994. Poverty measurement and alternative indicators of development. In
Poverty monitoring: An international concern, ed. R.van der Hoeven, R. Anker, 57-83. St.
Martin’s Press, New York.
Chung, K., Haddad, L., Ramakrishna, J., Riely, F., 1997. Identifying the food insecure: the
application of mixed-method approaches in India. International Food Policy Research
Institute, Washington, DC.
Filmer, D., Pritchett, L., 1999. The effect of household wealth on educational attainment :
evidence from 35 countries. Population and Development Review 25 (1): 85-120.
Gibbons, D.S., Simanowitz, A., Nkuna, B., 1999. Cost-effective targeting, Two tools to
identify the poor, Operational Manual. Cashpoor – SEF, The Microcredit Summit,
Washington DC.
Hatch, J., Frederick, L., 1998. Poverty assessment by microfinance institutions: a review of
current practices. Micro-enterprise best practices. Bethesda, USA.
Henry, C., Sharma, M., Lapenu, C., Zeller, M.. 2000. Assessing the relative poverty of micro
finance clients: a CGAP operational tool. Consultative Group to Assist the Poorest (CGAP),
Washington DC.
Morris, S., Carletto, C., Hoddinot, J., Christiaensen, L., 1999. Validity of rapid estimates of
households wealth and income for health surveys in rural Africa. Food Consumption and
Nutrition Division Discussion Paper 72. International Food Policy Research Institute,
Washington DC.
Moser, C., Gatehouse, M., Garcia, H., 1996. Urban poverty research sourcebook. Sub-city
level households survey. UNDP/UNCHS/World Bank Urban Management Programme.
Working Paper Series N°5, World Bank, Washington DC.
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): 333-346.
Programme des Nations Unies pour le Développement, 1999. Rapport sur le développement
humain. Oxford University Press, New York.
Ravallion, M., 1994. Poverty comparisons. Harwood Academic Publishers, Switzerland.
Streeten, P. 1994. Poverty concept and measurement. In Poverty monitoring: An international
concern, ed. R.van der Hoeven, R. Anker, 150-158. St. Martin’s Press, New York.
Zeller, M., Sharma, M., Henry, C., Lapenu, C., 2001 (June). An operational Tool for
Evaluating Poverty Outreach of Development Policies and Projects. Food Consumption and
Nutrition Division, International Food Policy Research Institute, Discussion Paper N° 111, 45
p.
Was this manual useful for you? yes no
Thank you for your participation!

* Your assessment is very important for improving the work of artificial intelligence, which forms the content of this project

Download PDF

advertising