Memoire Marion Lainé

Table des matières
Résumé 5
Abstract 7
Remerciements 9
Introduction 10
1 La norme IAS 19 12
1.1 Présentation de la norme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.2 Les avantages au personnel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3 Les méthodes d’évaluation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.3.1 Détermination de la Valeur Actuelle Probable . . . . . . . . . . . . . . . . . . . . 14
1.3.2 Les méthodes actuarielles de détermination de la Projected Benefit Obligation . . 15
1.4 Méthodes de comptabilisation en norme IAS 19 . . . . . . . . . . . . . . . . . . . . . . . 18
1.4.1 Comptabilisation des avantages postérieurs à l’emploi . . . . . . . . . . . . . . . 18
1.4.2 Reconnaissance des coûts de services passés . . . . . . . . . . . . . . . . . . . . . 18
1.4.3 Reconnaissance des écarts actuariels . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.4.4 Evolution de la provision . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.5 Révision de la norme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.5.1 La variation de l’engagement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.5.2 Disparition des méthodes de reconnaissance différée . . . . . . . . . . . . . . . . 21
1.5.3 La comptabilisation révisée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.5.4 Information à fournir en annexe . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2 Contexte de l’étude et modèle de référence 23

2.1 Contexte de l’étude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.1 Présentation et choix des données . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.2 Définition et méthode de calcul de l’IFC . . . . . . . . . . . . . . . . . . . . . . . 23
2.2 Statistiques démographiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.3 Les hypothèses actuarielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3.1 Les hypothèses de calcul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3.2 Les hypothèses économiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.3.3 Les hypothèses de comportements sociaux . . . . . . . . . . . . . . . . . . . . . . 27
2.4 Les calculs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.5 Premiers résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2
3 Interpolation et lissage du turnover 31
3.1 Détermination des taux bruts de sortie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2 Interpolation et lissage polynomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2.1 Estimation des paramètres : la théorie . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2.2 Le coefficient d’ajustement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.2.3 Application pour un âge donné . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.2.4 Test d’adéquation du χ2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.2.5 Analyse des résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.3 Lissage logarithmique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.3.1 Estimation des paramètres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.3.2 Application pour un âge donné . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.4 Lissage linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.4.1 Estimation des paramètres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4 Construction d’une table de turnover prospective à l’aide d’un modèle de mortalité 40

4.1 Lissage des taux bruts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.1.1 Généralités et graphe des taux bruts . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.1.2 Méthode de Whittaker-Henderson . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2 Le modèle de Lee-Carter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2.1 Théorie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.2.2 Mise en oeuvre de Lee-Carter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.2.3 Résultats obtenus avec la méthode de Lee-Carter . . . . . . . . . . . . . . . . . . 48
4.2.4 Test d’ajustement du χ2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5 Turnover dynamique et vision macroéconomique du turnover 50

5.1 Motivations et démarche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.1.1 Motivations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.1.2 Démarche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5.2 Modèle d’inflation stochastique : modèle de Wilkie . . . . . . . . . . . . . . . . . . . . . 53
5.3 Loi de turnover dynamique : lien avec la modélisation des rachats de contrats d’assurance
Vie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5.3.1 Généralités sur la loi de rachat . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5.3.2 Définition de la loi de rachat dynamique . . . . . . . . . . . . . . . . . . . . . . . 58
5.3.3 Lien entre PVFP et VAP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.3.4 Rachat conjoncturel et coût pour l’assureur . . . . . . . . . . . . . . . . . . . . . 59
5.3.5 Détermination des paramètres de la loi dynamique de turnover . . . . . . . . . . 61
5.3.6 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.4 Théorie macroéconomique et construction de la table prenant en compte le chômage et
l’inflation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.4.1 Le marché du travail . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.4.2 La détermination des salaires, lien avec le chômage . . . . . . . . . . . . . . . . . 65
5.4.3 La courbe de Phillips . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3
5.4.4 Construction de la table et résultats . . . . . . . . . . . . . . . . . . . . . . . . . 72
6 Comparaison et projections des résultats 76

6.1 Comparaison des résultats pour l’engagement en 2011 . . . . . . . . . . . . . . . . . . . 76
6.2 Projections des résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6.2.1 Calcul de l’effet du turnover entre 2010 et 2011 . . . . . . . . . . . . . . . . . . . 81
Conclusion 83
Bibliographie 85
A Table des taux bruts de turnover 89
B Table du χ2 90
C Table des droits 91
D Test de Student 92
E Test de Fisher pour la significativité globale 93
F Estimateur par MCO 94
G Probabilité de présence pour un individu de 31 ans 95
4
Résumé
Mots clés : turnover, norme IAS 19, Indemnités de Fin de Carrière, tables prospectives, Lee-Carter,
lissages, chômage, inflation.
Ce mémoire traite de la problématique de l’hypothèse de turnover (ou taux de rotation du person-

nel) dans le calcul des Indemnités de Fin de Carrière pour une entreprise. Cette hypothèse est une
des plus délicates à établir car elle n’est pas clairement définie dans la norme IAS 19. Elle présente un
impact particulièrement significatif sur le niveau de l’engagement et fait à ce titre l’objet d’une atten-
tion particulière par les certificateurs de comptes. Il convient donc pour chaque entreprise de concevoir
une table de turnover reflétant le plus finement possible la réalité des taux de sortie observés au sein
de cette entreprise et permettant de représenter les comportements sociaux sur la durée restante de
l’engagement.
Ce mémoire présente plusieurs méthodes de construction de tables de turnover ainsi que l’impact de
celles-ci sur l’engagement. Toutes les tables construites sont prospectives, c’est-à-dire qu’elles tiennent
compte des évolutions à venir des comportements : le turnover est d’abord ajusté sur l’historique des
taux bruts puis extrapolé sur l’avenir.
Dans un premier temps, trois tables ont été construites à l’aide de lissages par des fonctions simples
(polynomial, logarithmique et linéaire) sur l’historique disponible pour chaque âge, puis projetées afin
d’obtenir une table prospective par génération. Une quatrième table a été construite à l’aide d’un
modèle de mortalité prospectif : le modèle de Lee-Carter, qui, à la différence des tables précédentes,
permet de lisser la surface des taux bruts par rapport aux deux composantes (âge et temps), puis de
l’extrapoler grâce à la composante temporelle. Cependant, toutes ces tables dépendent uniquement de
l’historique des taux alors que le turnover est très sensible au contexte économique.
Dans un second temps, une corrélation négative entre le turnover et la différence entre le salaire
moyen des catégories socioprofessionnelles et le salaire de "marché" a été mise en évidence. Cette ob-
servation incite à appliquer un turnover "conjoncturel", permettant de prendre en compte différents
scénarios économiques dans le temps. Ainsi, un premier modèle de turnover dynamique a été appliqué
sur les tables lissées. Il a été construit grâce à un rapprochement entre le turnover et la loi de rachat
dynamique d’un contrat d’assurance Vie.
Enfin, en utilisant les liens macroéconomiques existants entre inflation, chômage et salaire, un
deuxième turnover dynamique a été calibré sur les tables. Les liens macroéconomiques utilisés sont
la courbe de Phillips qui permet de lier l’inflation et le chômage et le modèle WS (wage-setting) qui
établit une relation entre chômage et salaire. Le turnover a été relié au salaire par la détermination
5
d’un "salaire d’efficience" qui permet d’évaluer la satisfaction du salarié en terme de rémunération par
rapport au marché et ainsi d’augmenter ou diminuer le turnover en conséquence.
Pour les tables lissées sans introduction de turnover dynamique, les résultats indiquent des baisses
significatives de l’engagement allant de -45 % à -15 % environ. La prise en compte d’un historique
relativement conséquent (10 ans) permet ainsi d’obtenir des engagements plus faibles. Avec le modèle
de Lee-Carter, qui permet de lisser simultanément par rapport à l’âge et par rapport au temps, l’en-
gagement diminue de 28 %. L’introduction d’un turnover conjoncturel dynamique permet de prendre
en compte le contexte économique, et les résultats montrent à nouveau une baisse de l’engagement
global, mais lorsque le contexte économique est défavorable, une hausse de la probabilité de présence
est observée sur l’année en question et l’engagement peut ainsi devenir supérieur à celui calculé avec
la table initiale de turnover dans certains cas.
Toutes ces tables sont comparées entre elles et des projections ont été menées afin de visualiser la
provision dans le temps. La table obtenue par le modèle de Lee-Carter permet d’obtenir des projections
significativement plus faibles qu’avec les trois autres tables.
Ce mémoire propose plusieurs méthodes d’affinement du turnover et démontre que cette hypothèse
est très sensible sur l’engagement. Elle mérite ainsi une grande attention de la part des actuaires
calculant des engagements sociaux.
6
Abstract
Keywords : staff turnover, IAS 19, retirement indemnities, prospective tables, Lee-Carter, adjust-
ment, unemployment, inflation.
This paper deals with the issue of the turnover assumption in the calculation of retirement in-
demnities for a company. This assumption is one of the most difficult to define because the IAS 19
(International accounting standards) do not give many precisions about the staff turnover table. The
assumption of turnover has a particularly significant impact on the reserve and therefore the certifying
auditors carefully check this assumption. It is thus necessary for each company to design a staff turno-
ver table showing in the finest way the real turnover rates observed in this company. This table must
represent the social behavior on the residual duration of the reserve.
This paper presents several construction methods of a staff turnover table and the impact of the
so-built table on the reserve. All constructed tables are prospective, i.e. they take into account future
changes in staff turnover trend : the turnover is first adjusted on gross rate history and is then extra-
polated to the future.
Initially, three tables were constructed using adjustments with simple functions (polynomial, lo-
garithmic and linear) on the historical data available for each age and were then projected to get a
prospective table by generation. A fourth table was built using a prospective mortality model : the
Lee-Carter model, which adjusts the gross rate surface from the two components (age and time), and
then extrapolate the rates using a temporal component, unlike the previous tables. However, all these
tables depend only on age and time whereas the turnover rate is very sensitive to economic conditions.
A negative correlation between the staff turnover and the difference between the average salary of
the social class and market salary is highlighted in this paper. This observation leads to apply a "dy-
namic" turnover, dependent of different economic scenarios. Thus, a first dynamic model of turnover
was applied to the adjusted tables. It was built with a link between the turnover and the dynamic
surrender law usually used in the projection of Life insurance products.
Eventually, a second dynamic turnover was calibrated on the tables using the macroeconomic links
between inflation, unemployment and wages. The macroeconomic links are modelled according to the
Phillips curve which links inflation and unemployment. The WS model (wage-setting) was also used
to establish a relation between unemployment and wages. The turnover has been linked to the wages
with the introduction of an "efficiency wage" which measures the wage employee’s satisfaction and
thus increase or decrease the turnover accordingly.
7
The results obtained with the adjusted tables without dynamic turnover show significant decreases
in the reserve from - 15 % to about -45 %. This way, a relatively consistent history (10 years) provides
lower reserves in this study. The reserve decreases by 28 % with the table adjusted with the Lee Carter
model. This means the reserve is very sensitive to the turnover. The introduction of dynamic turnover
is used to take into account the economic situation and inject volatility in the projections. The results
again show a decline in the reserve, but when the economic situation is unfavorable, an increase in
the presence probability is observed. Thus the dynamic turnover can increase the reserve when the
economic situation is unfavorable.
All these tables are compared and projections have been calculated to see the time evolution of the
reserve. The table obtained by the Lee-Carter approach provides significantly lower projections than
the other three tables.
This paper draws up an inventory of adjusted methods for the staff turnover and shows that the re-
serve is very sensitive to this assumption. In the end, actuaries must pay attention to the determination
of this assumption in the calculation of benefits reserve.
8
Remerciements
Je tiens tout d’abord à remercier le pôle Protection Sociale d’Optimind Winter pour son accueil et
son ambiance chaleureuse et professionnelle. Je remercie plus particulièrement Olivier de Monplanet
pour son encadrement, sa disponibilité et ses conseils prodigués sur le sujet.
Merci également à toute l’équipe enseignante de l’ISFA pour les connaissances que j’ai apprises et
sans lesquelles la rédaction de ce mémoire aurait été compromise. Merci particulièrement à Esterina
Masiello d’avoir encadré ce mémoire.
Enfin, je remercie Samy Collier pour ses conseils précieux en ALM et ses relectures avisées.
9
Introduction
L’évaluation et la comptabilisation des avantages au personnel sont définies, depuis le 1er janvier
2005, dans la norme IAS 19. Cette norme impose aux entreprises de constituer des provisions pour tous
les avantages octroyés au personnel. Ces avantages constituent généralement d’importantes sommes et
il devenait indispensable pour les entreprises d’anticiper leur paiement et donc de les provisionner. La
norme IAS 19 permet ainsi une standardisation des méthodes de calcul et de la comptabilisation pour
les engagements sociaux et indique des règles précises quant à leur traitement.
De plus, la norme IAS 19 préconise un certain nombre de règles pour le choix des hypothèses ac-
tuarielles. Les choix opérés doivent être justifiés et conformes aux indications prévues par la norme.
Le turnover constitue une des hypothèses actuarielles des plus délicates à établir. En effet, contraire-
ment à d’autres hypothèses comme le taux d’actualisation, la norme IAS 19 ne donne pas d’indications
précises quant à la détermination des tables de turnover. Il convient donc de déterminer pour chaque
entreprise une table de turnover qui reflète le plus finement possible les taux de sortie chaque année.
Généralement, ces taux de sortie sont déterminés à partir des données transmises par l’entreprise, en
se basant sur les deux ou trois années précédentes. Cette méthode permet de construire une table de
turnover propre à l’entreprise considérée et basée sur l’historique des sorties observés. Néanmoins, de
nombreux écarts sont observés entre le turnover choisi dans les hypothèses et le turnover réel, donnant
lieu à la constatation systématique d’écarts actuariels.
Par ailleurs, dans un contexte économique difficile, où les taux d’actualisation déterminés grâce
aux taux des obligations de première catégorie du secteur privé sont historiquement bas, les provisions
liées aux engagements sociaux s’avèrent parfois très élevées et constituent ainsi un véritable enjeu fi-
nancier pour l’entreprise. Affiner l’hypothèse de turnover constitue un moyen d’affiner au plus précis
la provision et permet de limiter les écarts actuariels. Il est à noter que la norme IAS 19 a été révisée
en juin 2012 et que la méthode du "corridor" qui permettait d’amortir les écarts actuariels sur la
durée résiduelle de l’engagement n’est désormais plus autorisée. Les écarts actuariels impactent ainsi
directement les capitaux propres, ce qui encourage les entreprises à limiter ces écarts.
Pour le lecteur et la bonne compréhension de ce mémoire, il est rappelé que plus le taux de rotation
du personnel est élevé, plus l’engagement calculé est faible.
Il est important de noter que le périmètre des motifs de sortie est souvent discuté, et notamment
la prise en compte des licenciements dans le turnover. Dans le cadre de cette étude, les licenciements
ont été retenus dans le périmètre des motifs de sortie. Il est précisé au lecteur que le choix des motifs
de sortie ne constituent pas un axe d’étude pour ce mémoire.
10
Après avoir exposé la norme IAS 19 et ses récentes évolutions, les données, les hypothèses actua-
rielles ainsi que le calcul de l’Indemnité de Fin de Carrière sont présentées. Enfin, plusieurs méthodes
de construction de table de turnover prospective sont réalisées.
Dans un premier temps, trois tables prospectives sont construites à l’aide de lissages simples (po-
lynomial, logarithmique et linéaire). Cette partie permet de visualiser la tendance des taux dans le
temps par âge. Cependant, cette modélisation ne permet de lisser les données que par rapport à l’âge
et ne prend pas en compte le lien temporel existant entre les âges.
Dans un second temps, une quatrième table prospective est construite en se basant sur un modèle
de mortalité prospectif : le modèle de Lee-Carter. Ce modèle permet de lisser la surface des taux
bruts par rapport aux deux composantes (âge et temps), puis de l’extrapoler grâce à la composante
temporelle. Ce modèle permet d’améliorer le lissage par rapport aux trois précédentes tables mais le
turnover ne peut se résumer à une table ne dépendant que de l’âge et du temps. En effet, le turnover
est très sensible au contexte économique.
Ainsi, un turnover dynamique conjoncturel, c’est-à-dire un turnover sensible au contexte écono-

mique a été ajouté aux différentes tables précédemment construites. La loi de turnover dynamique est
mimée sur une loi de rachat dynamique des contrats d’assurance Vie utilisée dans les modèles ALM
(Asset and Liability Management).
Enfin, en utilisant les liens macroéconomiques existants entre inflation, chômage et salaire, un
deuxième turnover dynamique a été calibré sur les tables. Ce dernier modèle permet ainsi de prendre
en compte différents scénarios économiques pour refléter le comportement des salariés sur la durée
restante de l’engagement.
Dans la dernière partie, l’analyse et la comparaison des résultats avec les différentes tables sont
présentées, et des projections sont réalisées.
11
1 La norme IAS 19
1.1 Présentation de la norme

L’IASB (International Accounting Standards Board ) a été crée en 1973 par les instituts comptables
de 9 pays, dont la France et s’intitulait jusqu’en 2001 l’International Accounting Standards Commit-
tee. Il a pour objectif d’élaborer et de publier des normes internationales d’information financière pour
la présentation des états financiers, ainsi que de promouvoir leur utilisation et leur généralisation à
l’échelle mondiale. Ces normes étaient appelées jusqu’en 2011 les normes IAS (International Accounting
Standards) et sont dorénavant appelées IFRS (International Financial Reporting Standards). Elles ont
pour princial but d’améliorer la sécurité financière.
Ces nouvelles normes d’information financière tendent à faire évoluer la comptabilité vers une
approche économique et évaluer au mieux la performance financière des entreprises. Les principales
caractéristiques de ces nouvelles normes sont la primauté de la réalité économique sur l’apparence ju-
ridique, l’évaluation à la juste valeur (fair value), le recours à l’actualisation ainsi que l’exigence d’une
information très complète dans l’annexe.
La norme IAS 19 a été créée en 1983 suite à un exposé sondage publié en 1980. Elle concerne alors
les seuls régimes de retraite (les prestations en capital ne sont pas concernées), et permet le libre choix
de la méthode d’évaluation actuarielle avec un taux d’actualisation basé sur un rendement attendu des
engagements.
En janvier 1995, la révision de 1993 est mise en place et intègre principalement la prise en compte
des régimes avec sortie en capital de type Indemnités de Fin de Carrière, et l’autorisation de différer
la reconnaissance des pertes et gains actuariels selon la méthode dite du corridor (cette méthode est
décrite dans le paragraphe 1.4.3).
En janvier 1999, la révision de 1998 est mise en place. La norme s’applique désormais à tous les
avantages au personnel et la méthode d’évaluation actuarielle est imposée (méthode des Unités de Cré-
dit Projetées) avec un taux d’actualisation désormais basé sur les taux des obligations d’entreprises de
2ème catégorie à la date d’évaluation.
En mai 2002, un amendement portant sur le plafonnement des actifs est publié. Ce dernier est
interprété au travers d’IFRIC 14 en juillet 2007.
En juillet 2002, l’Union Européenne (UE) vote l’application obligatoire des normes IFRS pour les
entreprises européennes cotées à compter du 1er janvier 2005.
12
L’amendement de décembre 2004 offre la possibilité de reconnaître immédiatement les pertes et
gains actuariels en fonds propres, en autres éléments du résultat global (Other Comprehensive Income,
correspondant à la méthode du SoRIE : Statement of Recognition of Income and Expense).
Le 16 juin 2011, l’International Accounting Standards Board (IASB) publie la norme IAS 19 révisée
avec une date d’effet pour les exercices ouverts à compter du 1er janvier 2013. L’UE adopte cette norme
le 5 juin 2012.
La norme IAS 19 a pour objectif de prescrire le traitement comptable des avantages du personnel,
les principes d’évaluation et les informations à fournir à leur sujet. La norme impose à l’entité de
comptabiliser :
– un passif lorsqu’un membre du personnel a rendu des services en échange d’avantages au person-
nel qui lui seront versés à l’avenir,
– une charge lorsque l’entité consomme l’avantage économique résultant des services rendus par un
membre du personnel en échange d’avantages au personnel.
Comme évoqué ci-dessus, elle est obligatoire depuis le 1er janvier 2005 pour les sociétés françaises
faisant appel public à l’épargne et préparant et publiant des comptes consolidés. Dans la pratique, les
avantages accordés au personnel peuvent être mis en place de diverses manières : décision unilatérale
de l’employeur, accord collectif, référendum ou simple usage. La norme cherchera à recenser tous les
avantages, que ceux-ci reposent ou non sur des fondements juridiques, et demandera à ce que ces
avantages soient comptabilisés en se basant sur les pratiques en vigueur depuis plusieurs années au
sein de l’entreprise.
1.2 Les avantages au personnel

Les avantages au personnel désignent toutes formes de contreparties données par une entité au titre
des services rendus par son personnel.
Il existe cinq types d’avantages au personnel décrits ci-dessous :
1. Les avantages à court terme :
Ce sont les avantages au personnel (autres que les indemnités de fin de contrat de travail) qui sont
dûs intégralement dans les 12 mois suivant la fin de la période pendant laquelle les membres du
personnel ont rendu les services correspondants. Il peuvent être de nature monétaires (salaires,
cotisations de la sécurité sociale...) ou non monétaires (congés payés, logement...). L’entité n’a
besoin d’aucune hypothèse actuarielle ou méthode de projection pour mesurer cette obligation,
elle doit seulement comptabiliser les coûts annuels des avantages à court terme.
2. Les avantages postérieurs à l’emploi :
Ce sont les avantages payables postérieurement a la cessation de l’emploi. La plupart sont des
prestations de retraite, ce sont soit des régimes à cotisations définies, soit des régimes à prestations
définies. Pour les régimes à cotisations définies, l’entité doit comptabiliser les coûts annuels et n’a
besoin d’aucune hypothèse actuarielle ou méthode de projection pour mesurer cette obligation. En
revanche, pour les régimes à prestations définies, l’entité doit réaliser une évaluation actuarielle,
13
fondée sur des hypothèses et des méthodes de projection, afin de mesurer son obligation et calculer
ses charges annuelles.
3. Les autres avantages à long terme :
Ce sont les avantages (autres que les avantages postérieurs à l’emploi et indemnités de fin de
contrat de travail) qui ne sont pas dûs intégralement dans les 12 mois suivant la fin de la période
pendant laquelle les membres du personnel ont rendu les services correspondants (par exemple
les Médailles du Travail). Ces avantages sont comptabilisés sur la base des charges actuarielles.
L’entité doit réaliser une évaluation actuarielle, fondée sur des hypothèses et des méthodes de
projection, afin de mesurer son obligation et calculer ses charges annuelles.
4. Les Indemnités de Fin de Contrat de Travail :
Ce sont les avantages au personnel payables suite à la résiliation par l’entité du contrat de travail
du membre du personnel avant l’âge normal de départ en retraite ou la décision du membre du
personnel de partir volontairement en échange de ces indemnités (par exemple les indemnités
liées à un licenciement ou un plan de restructuration). Les coûts doivent immédiatement être
comptabilisés sous forme de charges (ou de revenus) l’année durant laquelle ils surviennent via
une provision de restructuration.
5. Les avantages payés en actions :
Ce sont les avantages dont la valeur dépend du prix de l’action de l’entité (par exemple les stock
option). Ces avantages sont traités séparement dans la norme IFRS 2.
Pour rappel, seuls les avantages à prestations définies, autres que ceux à court terme, génèrent
des passifs sociaux. Ces avantages sont comptabilisés sur la base des charges actuarielles. L’entité doit
réaliser une évaluation actuarielle, fondée sur des hypothèses et des méthodes de projection, afin de
mesurer son obligation et calculer ses charges annuelles.
1.3 Les méthodes d’évaluation

La norme IAS 19 impose la méthode à retenir pour estimer la valeur actuelle de l’engagement au
titre des prestations définies, du coût correspondant des services rendus au cours de la période et du
coût des services passés le cas échéant. Il s’agit de la méthode des " Unités de Crédit Projetées ", qui
présente les caractéristiques suivantes :
– Méthode actuarielle, basée sur l’estimation des prestations futures probables (à partir des salaires
projetés au moment du départ à la retraite), qui repose sur le principe suivant lequel chaque pé-
riode de service rendu donne lieu à une unité supplémentaire de droits à prestations.
– Méthode rétrospective, qui définit la valeur de l’engagement au moment de l’évaluation en se

fondant sur le rythme d’acquisition des droits prévu au régime. L’objectif est d’attribuer à chaque
année passée la quote-part de droits lui revenant.
1.3.1 Détermination de la Valeur Actuelle Probable

Dans cette section nous allons présenter la méthode d’évaluation de la VAP (Valeur Actuelle Pro-
bable). La valeur actuelle probable (VAP) d’un engagement représente la valeur actualisée et probabi-
14
lisée à la date d’évaluation de la prestation versée in fine par l’entreprise aux bénéficiaires.
La méthode de détermination de la VAP exigent que les calculs soient effectués tête par tête. L’en-
gagement global de l’entreprise envers ses salariés est alors donné par la somme des résultats individuels.
La norme IAS 19 préconise la méthode des unités de crédit projetées (Projected Unit Credit Method ).
Cette méthode est basée sur le principe d’attribution d’unités d’engagement sur la carrière totale
du salarié. En effet, l’unité n’est pas calculée à partir du salaire à la date de l’évaluation, mais sur celle
du salaire de fin de carrière qui est alors projeté. Cette projection introduit un caractère prévisionnel
à la méthode : elle permet d’anticiper l’impact de l’acquisition des droits futurs avec la base du salaire
projeté. Le montant des droits acquis se calcule alors en projetant l’ancienneté finale et le salaire final
pour obtenir le montant à actualiser et à probabiliser. La valeur actuelle probable de l’engagement de
l’entreprise envers ses salariés à la fin de l’année n est égale à :
lx+N 1
VAPn = IFCn,x,Sn ,N (1 − T o)N −n
lx+n (1 + i)N −n
où :
– IF Cn,x,SN ,N désigne l’IFC théorique à la fin de la n-ième année de constitution des droits pour
un salarié ayant commencé à les constituer à l’âge x.
– SN désigne le salaire projeté à l’année N . Il se calcule par la formule suivante :
Y−1
x+N
SN = Sn (1 + pcj )
j=x+n
avec pcj désigne le profil de carrière à l’âge j.
– T o désigne le taux de turnover et permet de calculer la probabilité de présence du salarié au

sein de l’entreprise dans N − n années. On considère ici, par souci de simplification un taux de
turnover constant pour tous les âges.
lx+N
– Le quotient représente la probabilité d’être en vie à l’âge x+N pour un individu d’âge x+n.
lx+n
– i représente le taux d’actualisation qui sert à actualiser les droits probabilisés par la mortalité et
le turnover sur la durée résiduelle d’activité de l’individu considéré.
D’autres méthodes de calcul de la VAP existent mais ne sont pas préconisées par la norme IAS 19.
1.3.2 Les méthodes actuarielles de détermination de la Projected Benefit

Obligation
La PBO (Projected Benefit Obligation) représente le passif social à comptabiliser, elle correspond
à la valeur actuelle probable de l’engagement, avec projection des salaires relatifs aux droits acquis à
la date de calcul. Il existe trois méthodes de détermination de la PBO :
15
1. Projected Unit Credit Method :
Cette méthode se base sur les droits acquis à la date de calcul, on la nomme aussi méthode
« escalier » . Ainsi, la PBO est calculée comme étant égale à la VAP (Valeur Actuelle Probable)
des prestations prévues par le régime multipliée par le prorata entre les droits acquis à la date
d’évaluation et les droits au terme.
Droits acquis
PBO = VAP
Droits au terme
Figure 1.1 – Projected Unit Credit Method
La Projected Credit Unit Method est la méthode de référence préconisée par la norme IAS 19
pour la détermination de la PBO. Cependant, cette méthode est peu adaptée au contexte français
(notamment pour les Médailles du Travail) et ce n’est pas la méthode que l’on utilisera dans la
suite de l’étude.
2. Projected Unit Credit Method with Service Prorate :

La Projected Unit Credit Method with Service prorate calcule les engagements au prorata de l’an-
cienneté actuelle par rapport à l’ancienneté au terme :
Ancienneté actuelle
PBO = VAP
Ancienneté au terme
16
Figure 1.2 – Projected Unit Credit Method with Service Prorate
La PBO est alors égale à la VAP des droits au terme, incluant la projection du salaire, proratisée
par l’ancienneté à la date d’évaluation sur l’ancienneté au terme. Cette méthode prospective est
plus adaptée au contexte français (notamment pour les IFC, les régimes de retraite « chapeau »
et surtout pour les Médailles Du Travail...).
3. Projected Unit Credit Method with Acquisition Prorate :

La Projected Unit Credit Method with Acquisition Prorate calcule les engagements au prorata de
l’ancienneté actuelle sur l’ancienneté « plafond » des droits :
PBO = VAP
Ancienneté « plafond »
Figure 1.3 – Projected Unit Credit Method with Acquisition Prorate
La PBO est alors égale à la VAP des droits au terme, en incluant la projection du salaire, au
prorata de l’ancienneté actuelle sur l’ancienneté plafond des droits. Cette méthode est spécifique à
certains régimes, notamment pour les IFC en « escalier », mais est peu adaptée aux autres prestations,
particulièrement celles indépendantes de l’ancienneté.
17
On calcule de la même manière l’engagement pour l’année suivante. La différence entre l’engagement
des deux années est la somme du Service Cost et de l’Interest Cost. Le Service Cost est l’estimation
actuarielle des droits supplémentaires acquis au cours de l’année n + 1, c’est-à-dire l’augmentation de
la dette actuarielle due à l’acquisition de nouveaux droits. L’Interest Cost correspond à l’impact de la
désactualisation de l’engagement constitué en n, c’est-à-dire la charge d’intérêts sur la dette actuarielle.
1.4 Méthodes de comptabilisation en norme IAS 19

Dans toute cette partie, la norme IAS 19 non révisée est présentée. Pour mémoire l’application de
la nouvelle norme est obligatoire à partir du 1er janvier 2013.
1.4.1 Comptabilisation des avantages postérieurs à l’emploi

La norme IAS 19 impose, pour les avantages postérieurs à l’emploi en général, et pour les régimes
de retraite à prestations définies en particulier :
1. l’enregistrement au passif du bilan de l’entreprise d’un montant égal à :

– la valeur actuelle de l’obligation au titre des prestations définies à la date de clôture (PBO),
– diminuée de la juste valeur à la date de clôture des actifs du régime (s’ils existent) utilisés
directement pour éteindre les obligations,
– majorée des profits actuariels (minorée des pertes actuarielles) non comptabilisés en cas d’ap-
plication de la méthode du corridor,
– diminuée du coût des services passés non encore comptabilisé dans le cas où une modification
de régime est survenue,
– ajustée de l’effet limitatif qu’a le plafond de l’actif sur le montant de l’actif net le cas échéant.
2. la comptabilisation en charges (voire en produits dans certains cas) du coût annuel des régimes
de retraite, afin de rattacher la charge (ou le produit) à l’exercice comptable concerné. Ce coût
est défini par la norme de la manière suivante :
– le coût des services rendus au cours de l’exercice par les salariés,
– majoré du coût financier du régime,
– diminué du rendement attendu des actifs de couverture du régime,
– ajusté de l’amortissement des écarts actuariels si application de la méthode du corridor,
– ajusté de l’amortissement du coût des services passés le cas échéant,
– ajusté de l’effet de toute réduction ou liquidation de régime,
– ajusté de l’effet du au plafonnement de l’actif le cas échéant et si application de la méthode
du corridor.
1.4.2 Reconnaissance des coûts de services passés

Le coût des services passés résultant de modification de régime (amélioration des droits par exemple)
est reconnu progressivement en charge, selon un mode linéaire, sur la durée moyenne restant à courir
jusqu’à ce que les droits correspondants soient acquis au personnel. Un plan d’amortissement permet
de réaliser un échéancier et de suivre le stock du coût des services passés non reconnu à chaque clôture.
18
1.4.3 Reconnaissance des écarts actuariels
Les écarts actuariels (gains ou pertes) sont constitués des écarts entre l’engagement réel et l’en-
gagement estimé (sont exclus les écarts dus aux fusions, acquisitions ou cessions et les corrections
d’erreurs).
Sur les actifs de couverture, les écarts actuariels correspondent à la différence entre les rendements
attendus et réels des fonds.
Seule la méthode du corridor était en vigueur (reconnaissance différée en résultat recouvrant une
multitude de variantes car le différé maximum autorisé est la durée résiduelle probable de vie active
des salariés) jusqu’à la mise à jour de la norme en décembre 2004, qui a permis la reconnaissance
intégrale des écarts actuariels par fonds propres (méthode SoRIE : Statement of Recognition of Income
and Expense).
La méthode du Corridor : Le corridor correspond à 10% de la valeur la plus élevée entre la

valeur de l’engagement d’ouverture (PBO) et la valeur des actifs de couverture d’ouverture. Le stock
des écarts actuariels au-delà du corridor sont amortis sur la durée de vie résiduelle des actifs. Les
principales caractéristiques de cette méthode sont :
– la possibilité de reconnaître des écarts actuariels en différé,
– la variation de l’engagement s’amortit via le compte de résultats,
– le bilan n’est affecté qu’au fur et mesure par les variations des engagements sur les périodes
ultérieures,
– le stock d’écarts ne dépassant pas le corridor reste en hors bilan.
– si les variations année par année des engagements se compensent, la provision reste stable au fil
des ans.
La comptabilisation des engagements nécessite de suivre les écarts actuariels.
La méthode SoRIE (Statement of Recognition of Income and Expense) : Tous les écarts
actuariels sont reconnus immédiatement dans l’année où ils surviennent en fonds propres, en autres
éléments du résultat global. Toutefois, il convient de suivre la somme des montants reconnus en SoRIE.
1.4.4 Evolution de la provision

La provision correspond au montant inscrit au bilan de la société. Elle ne coïncide pas nécessaire-
ment avec l’engagement (PBO). En effet, des différences importantes peuvent exister entre les deux,
pour des raisons d’amortissements différés. Cette différence constitue un écart notable avec la notion
de juste valeur.
L’engagement peut être décomposé en trois : la provision, les montants non amortis (notamment les
changements de régime dont les écarts peuvent être amortis linéairement sur la durée résiduelle d’ac-
tivité et les écarts actuariels dans le cas la méthode de reconnaissance retenue correspond à celle du
corridor) et les actifs de couverture.
Le schéma ci-dessous présente la provision en cas d’application de la méthode du Corridor :
19
Figure 1.4 – Provision en cas d’application de la méthode du Corridor
Dans le cas de la méthode SoRIE, la provision est égale, à chaque exercice, à l’engagement réel
(modulo les éventuels changements de régime).
Figure 1.5 – Provision en cas d’application de la méthode SoRIE
1.5 Révision de la norme

La norme IAS 19 a été amendée en juin 2011 et adoptée le 5 juin 2012 par l’Union Européenne.
Par la suite, elle sera applicable de manière obligatoire à compter du 1er janvier 2013. Les évolutions
de la norme IAS 19 sont présentées succintement dans cette partie.
1.5.1 La variation de l’engagement

La norme IAS 19 amendée décompose la variation de l’engagement net dans un régime à prestations
définies en trois composantes que sont le coût des services, l’intérêt net et les réestimations.
1. Le coût des services :

Le coût des services se définit comme la variation de la valeur de l’engagement net du régime qui
résulte :
– de l’accroissement de l’obligation du fait des services rendus par les bénéficiaires au cours de
la période,
– de la variation de l’obligation résultant des modifications et réductions de régime, encore
appelés coût des services passés,
– et des gains ou pertes résultant des liquidations de régime.
2. L’intérêt net :
L’intérêt net afférent à un régime à prestations définies se définit comme la charge d’intérêt (ou le
produit) déterminé par application du taux d’actualisation de la dette à l’engagement net (déficit
ou excédent du plan).
20
3. Réestimations :
Les réestimations sont définies comme tous les autres changements dans la valeur de l’engagement
ou de la valeur des actifs du régime. Elles sont constituées :
– de profits et pertes actuariels,
– de la " superformance " des actifs du régime, c’est-à-dire le rendement des actifs du régime
qui excède le taux d’actualisation de la dette,
– et de la variation de l’effet du plafonnement de l’actif net.
1.5.2 Disparition des méthodes de reconnaissance différée

Disparition de la méthode du Corridor :
Toutes les variations de l’engagement au titre des régimes à prestations définies, résultant des réesti-
mations de l’engagement doivent être comptabilisées immédiatement en autres éléments du résultat
global (OCI : Other Comprehensive Income), sans possibilité de recyclage ultérieur en résultat net.
Les options précédemment offertes par la norme IAS 19 sont supprimées, que ce soit l’option pour
la méthode corridor ou l’option de comptabilisation de l’ensemble des écarts actuariels en résultat
net de la période. En d’autres termes, la comptabilisation des écarts actuariels en autres éléments du
résultat global (OCI), qui est une option dans la norme actuelle, devient obligatoire. Cette disparition
de l’étalement des écarts actuariels dans le temps constitue une réelle motivation pour les entreprises
de limiter leurs écarts actuariels. Ainsi, affiner l’hypothèse de turnover devient crucial afin d’éviter les
trop fortes fluctuations de la provision.
Les conséquences de cette disparition sont :
– forte volatilité de la provision et des fonds propres, notamment les entités possédant des régimes
financés dont les actifs sont principalement investis en actions,
– possibilité d’impacts sur les garanties bancaires (covenants) suite à la modification de certains
ratios financiers,
– obligation d’ajuster les fonds propres à chaque clôture intermédiaire en cas de variations signifi-
catives,
– lecture de la charge en résultat plus clair (pas d’amortissement des écarts actuariels).
Disparition de l’étalement du coût de services passés :

Selon la nouvelle norme, le coût des services passés, qui inclut désormais les réductions de régime
(curtailment), doit être comptabilisé en totalité en résultat, en tant que composante du coût des
services.
Selon la norme actuelle, une entité doit comptabiliser immédiatement en résultat la part du coût des
services passés afférente aux droits à prestations déjà acquis, et de manière étalée en résultat, sur la
durée moyenne restant à courir jusqu’à ce que les droits correspondants soient acquis aux salariés, la
part du coût des services passés afférente aux droits non encore acquis.
Concernant la comptabilisation du coût des services passés, il n’est donc plus question d’étalement. De
fait, il n’est plus nécessaire d’opérer une distinction entre les droits acquis définitivement, et les droits
qui sont encore en cours d’acquisition.
Les conséquences de cette disparition sont :
– toute modification ou mise en place de nouveaux régimes avec reconnaissance de droits pas-
sés devient problématique car peut engendrer une charge très significative dans l’année où elle
survient.
21
– possibilité de dégradation des fonds propres pour les entités qui auraient un reliquat de coût
des services passés non comptabilisé et le cas échéant possibilité d’incidence sur les covenants
bancaires.
Produit des actifs du régime :

Selon la nouvelle norme, du fait de l’apparition de la composante correspondant à l’intérêt net, le
produit des actifs du régime sera dorénavant estimé à partir du taux d’actualisation du passif et non
plus à partir du taux de rendement attendu des actifs du régime, comme cela est le cas en application
de la norme actuelle. Les conséquences sont :
– augmentation de la charge pour les entités possédant des régimes financés dont les actifs sont
principalement investis en actions (en général le taux de rendement attendu est supérieur au
taux d’actualisation),
– l’allocation stratégique n’aura plus d’impact sur le résultat.
1.5.3 La comptabilisation révisée

Voici un schéma de comparaison entre la norme révisée et l’actuelle :
Figure 1.6 – Comptabilisation révisée
La provision est alors égale à l’engagement moins les actifs de couverture.
1.5.4 Information à fournir en annexe

La norme IAS 19 amendée exige une présentation plus détaillée des informations en annexe :
– un narratif sur l’exposition aux risques,
– une analyse de sensibilité aux principales hypothèses,
– une information sur les hypothèses actuarielles et leur processus de détermination,
– un narratif sur les facteurs de risques susceptibles d’impacter les cotisations des cinq prochaines
années,
– une décomposition des écarts actuariels entre la part résultant des changements d’hypothèses
démographiques et celle résultant des changements d’hypothèses financières,
– une décomposition de la juste valeur des actifs du régime par nature de risque (trésorerie et
équivalents de trésorerie, actions, obligations, immeubles de placement).
22
2 Contexte de l’étude et modèle de référence
2.1 Contexte de l’étude
2.1.1 Présentation et choix des données

L’hypothèse de turnover, ou taux de rotation en français, vise à prendre en compte dans l’engage-
ment la probabilité que le bénéficiaire soit encore dans l’entreprise au moment où il devrait recevoir sa
prestation. Le but de ce mémoire est d’élaborer différentes tables de turnover prospectives et d’étudier
l’impact sur l’engagement d’une entreprise en particulier. Le choix des données est donc très important
car les tables prospectives se basent par définition principalement sur les données. En effet, trouver
un client pour lequel un historique suffisant de données était disponible n’a pas été chose facile étant
donnée le developpement relativement récent de l’activité engagements sociaux. L’entreprise choisie,
pour laquelle 10 ans d’historique de données sont disponibles doit provisionner ses Indemnités de Fin
de Carrière (notées IFC). L’étude réalisée sera donc appliquée aux IFC. Par ailleurs, l’activité de cette
entreprise porte sur la restauration. Ce choix d’activité est très intéressant, car c’est un domaine où le
turnover est très fort et les entreprises font souvent des provisions « trop » prudentes.
2.1.2 Définition et méthode de calcul de l’IFC

Les Indemnités de Fin de Carrière (IFC) définissent un régime à prestations définies promettant
au salarié le versement d’une indemnité lors de son départ à la retraite.
Cette indemnité est définie, selon la loi du 19 janvier 1978 (indemnité légale), par la convention collec-
tive du secteur ou par un accord entreprise, ce dernier devant alors être plus avantageux. Généralement
cette prestation est déterminée selon l’ancienneté du salarié au sein de l’entreprise, et l’assiette de base
de cette indemnité correspond le plus souvent au salaire du salarié mais peut parfois être définie par
rapport à un forfait ou au PASS (Plafond Annuel de la Sécurité Sociale).
Le Code du Travail définit les deux modalités de calcul de l’Indemnité de Fin de Carrière suivantes :
– Lorsque le départ du salarié a lieu de sa propre initiative (départ volontaire), il perçoit soit l’in-
demnité légale de départ à la retraite, soit une indemnité résultant d’une convention collective
ou tout autre accord avec l’entreprise à condition que cette dernière soit plus avantageuse. L’in-
demnité légale ou conventionnelle de départ à la retraite est alors soumise à cotisations sociales.
– Lorsque l’employeur prend la décision de la mise à la retraite du salarié, sous réserve que ce
dernier ait atteint un certain âge et qu’il puisse bénéficier d’une retraite à taux plein, il verse
l’indemnité de mise à la retraite calculée selon la formule prévue par la loi ou selon celle prévue
par une convention à condition qu’elle soit plus favorable. Cette indemnité est alors exonérée de
23
cotisations sociales.
L’Indemnité de Fin de Carrière théorique correspond au salaire mensuel projeté jusqu’à l’âge de
départ à la retraite du salarié et proratisé en fonction des droits du salarié défini dans la convention
collective (nous considèrerons ici que les droits sont définis en nombre de mois du salaire au terme de
la carrière du salarié). La formule de calcul de l’IFC pour un salarié à la date n est :
Droits au terme
IF Cn = Sn (1 + pc)N −n
12
Ensuite, on calcule la VAP (Valeur Actuelle Probable) à la date n. Pour cela, la Projected Unit Credit
Method, qui est la méthode préconisée par la norme IAS 19 est utilisée :
lx+N 1
V APn = IF Cn (1 − T o)N −n
lx+n (1 + i)N −n
Le calcul de la VAP se fait tête par tête. Ainsi, la VAP globale correspond à la somme des VAP
individuelles. De même pour la PBO (Projected Benefit Obligation) qui est calculée avec la Projected
Unit Credit Method with Service Prorate :
P BOn = V APn
Ancienneté au terme
Cette formule sera utilisée dans la suite du mémoire pour tous les calculs d’IFC.
2.2 Statistiques démographiques

La base de données a été construite à partir des données individuelles nécessaires au calcul de
l’engagement (date de naissance, date d’ancienneté, salaire, catégorie socio-professionnelle, sexe) sur
la période 2001-2011.
Voici une illustration de la variation de la taille de population et du nombre de sortants suivant les
années :
Figure 2.1 – Taille de la population et sorties observées
24
La taille de la population étudiée est relativement restreinte, puisqu’elle avoisine les 6 000 personnes
(avec une variation de plus ou moins 15%) sur chaque année de l’étude. Comme cet effectif est réparti
en plus de 40 classes d’âges, l’effectif étudié pour une année et un âge considérés est en moyenne
inférieur à 200 personnes. Ce nombre relativement faible sera à l’origine de taux bruts de turnover
assez volatiles.
2.3 Les hypothèses actuarielles

Le choix des hypothèses actuarielles est crucial pour le calcul de l’engagement. En effet, certaines
hypothèses peuvent fortement influer sur l’engagement comme le taux d’actualisation et la table de
turnover. Les différentes hypothèses sont présentées et définies ci-dessous pour le modèle de référence.
2.3.1 Les hypothèses de calcul

La date des calculs est le 31/12/2011. Par ailleurs, l’inflation est fixée à 2,0 %. L’inflation permet de
prendre en compte l’effet de l’érosion monétaire dans le temps. Dans les évaluations, le taux d’inflation
est inclus dans les hypothèses telles que le taux d’actualisation, le taux de revalorisation des salaires
et toute autre hypothèse de dérive monétaire.
2.3.2 Les hypothèses économiques

1. Le taux d’actualisation
Le taux d’actualisation représente le taux d’escompte des flux constitutifs de l’engagement. En
considérant l’engagement comme une dette de l’employeur envers ses salariés, il s’agit du taux
des intérêts servis sur la dette. Le taux d’actualisation est défini dans la norme IAS 19 (§83 à 86)
comme étant égal au taux des obligations émises par les entreprises de première catégorie à une
échéance égale à la maturité de l’engagement ; si le marché de ces obligations n’est pas liquide,
le taux est égal au taux des obligations d’Etat (OAT) correspondantes. Une définition similaire
est retenue pour les autres normes comptables (FAS 87 ...).
Il existe plusieurs gammes de taux obligataires « corporate » . Les plus utilisées sont :
– les taux BLOOMBERG ;
– les taux IBOXX ;
– les taux OAT (en tant que référence de taux sans risque)
Voici les graphiques des taux utilisés pour définir le taux d’actualisation pour les évaluations en
norme IAS 19 :
25
Figure 2.2 – Taux à maturité 10 ans
Figure 2.3 – Taux à maturité 20 ans
Le taux utilisé pour l’évaluation au 31/12/2011 est de 4,00 %.
2. Le taux de profil de carrière

Le taux de profil de carrière correspond à la revalorisation future des salaires. Ce taux peut se
présenter sous forme de table par âge ou par ancienneté et généralement il dépend de la catégorie
socioprofessionnelle. Dans cette étude, le taux de profil de carrière est fixé à 2,0 % pour les non
cadres et à 3,0 % pour les cadres.
3. Le taux de charges sociales

Selon leur nature (départ volontaire, mise à la retraite, etc.), les Indemnités de Fin de Carrière
26
sont soumises à des charges patronales qui font partie intégrante de l’engagement du Groupe.
Pour information, s’agissant des Médailles du Travail, suivant la circulaire ACOSS du 22 no-
vembre 2000, seules les Médailles du Travail « légales »(les médailles versées au terme de 20 ans,
30 ans, 35 ans et 40 ans d’activité) ne sont pas soumises à charges sociales, dans la limite d’un
mois de salaire. Dans cette étude, le taux de charges sociales retenu est de 45,0%.
4. Les droits
Les droits évalués correspondent à l’ensemble des prestations d’Indemnités de Fin de Carrière qui
représentent un engagement pour le Groupe vis-à-vis de ses salariés. Ces droits sont définis par
les conventions collectives dont dépend le Groupe. Les tables de droits utilisées dans cette étude
correspondent à ceux de la convention collective "Hôtels, Cafés, Restaurants" et sont disponibles
en annexe (Annexe C).
2.3.3 Les hypothèses de comportements sociaux

1. L’âge de départ à la retraite
L’âge de départ à la retraite est celui auquel les salariés sortent des effectifs en activité pour
liquider leur retraite. Il s’agit de l’âge auquel l’Indemnité de Fin de Carrière est versée.
La loi portant réforme des retraites a été publiée le 10 novembre 2010. Cette loi décale progres-
sivement l’âge légal de départ à la retraite de 60 ans à 62 ans pour les personnes nées à compter
du 1er juillet 1951. Par ailleurs, cette loi décale aussi l’âge d’obtention du taux plein de 65 ans
à 67 ans pour les personnes nées à compter du 1er juillet 1951.
Cependant, la Loi de Financement de la Sécurité Sociale 2012 intègre une modification des règles
de report de l’âge légal de départ à la retraite et de l’âge d’obtention du taux plein. L’âge mi-
nimum légal de départ à la retraite est porté à 62 ans dès la génération 1955 (au lieu de 1956
initialement) selon le calendrier suivant :
Figure 2.4 – Accélération de la réforme des retraites
27
Le régime social et fiscal des Indemnités de Fin de Carrière dépend de la modalité de départ
à la retraite. En termes d’engagements notamment, les tables de droit et les charges sociales
appliquées ne sont pas les mêmes selon que le départ découle de la volonté de l’entreprise ou
d’une demande du salarié.
Remarque : depuis la Loi de Financement de la Sécurité Sociale (LFSS) de 2009, la mise à la
retraite n’est plus autorisée avant 70 ans.
Dans notre étude, l’âge de départ est fixé à 62 ans pour les non cadres et 64 ans pour les cadres.
2. La table de mortalité
Pour l’évaluation, une table de mortalité est choisie afin de prendre compte dans l’engagement le
risque de décès durant la période de constitution. L’hypothèse de mortalité est très importante,
tout comme l’hypothèse de turnover car si ces hypothèses sont mal calibrées avec la population,
l’entreprise risque de sous ou surestimer son engagement. Les tables de mortalité utilisées dans
les évaluations sont des tables nationales fournies par l’INSEE et se basent sur l’ensemble de
la population française. La table choisie pour l’évaluation est utilisée pour l’ensemble des sala-
riés concernés, sans distinction de nature géographique ou sociale. Cette non prise en compte
des différences de mortalité entre les différents groupes géographiques ou sociaux professionnels
peut être source d’erreur, néanmoins on considère que la mortalité tend à s’uniformiser parmi
les multiples groupes de la population. Dans cette étude, les tables utilisées sont les TGH/TGF 05.
3. La table de turnover
L’hypothèse de turnover, ou taux de rotation en français, vise à prendre en compte dans l’en-
gagement la probabilité que le bénéficiaire soit encore dans l’entreprise au moment où il devrait
recevoir sa prestation (i.e. dans notre cas à son départ à la retraite). En effet, la prestation ne
sera pas due si le motif de départ est différent d’un départ à la retraite. Le turnover peut donc
être considéré comme une « mortalité administrative ». Les motifs de sortie pris en compte dans
le turnover sont : les départs volontaires, les licenciements économiques, les licenciements pour
faute grave/lourde (ce choix est souvent discuté pour calculer le turnover mais il est rappelé que
les choix des motifs de sortie ne constituent pas un axe d’étude dans ce mémoire), les mutations,
les invalidités et inaptitudes, les ruptures conventionnelles et les fins de périodes d’essai.
Généralement, le turnover est pris en compte grâce à une table d’expérience créée par l’actuaire
sur la base des données du personnel transmises par l’entreprise. L’hypothèse de turnover se rap-
proche là encore de l’hypothèse de mortalité puisque les deux sont prises en compte dans le calcul
de l’engagement grâce à un système de table. De nombreux facteurs déterminent le turnover au
niveau de l’entreprise dont principalement : l’âge, l’ancienneté, la politique de rémunération, la
formule d’acquisition des droits.
La table utilisée pour cette évaluation est présentée ci-dessous :
28
Figure 2.5 – Turnover utilisé dans le modèle de référence
Ce turnover est fort pour les âges entre 20 ans et 40 ans et nul après 60 ans. Par ailleurs, cette
table est décroissante par âge, ce qui est couramment utilisé pour les évaluations d’engagements
sociaux.
Les tables utilisées pour cette hypothèse sont construites en déterminant le taux de sortie pour
chaque âge ou pour chaque ancienneté suivant la population concernée. Néanmoins, la modélisa-
tion du turnover est relativement difficile du fait de données parfois insuffisantes mais aussi du
fait de la forte variabilité de cette hypothèse. Ainsi, une approximation trop grossière des taux
de sortie peut engendrer des erreurs significatives. Du fait de son importance en termes d’im-
pact et de sa relative difficulté de détermination par l’actuaire, l’hypothèse de turnover constitue
un enjeu majeur dans l’évaluation de l’engagement. Concernant le turnover utilisé, il est pris
en compte grâce à une table d’expérience créée par l’actuaire en charge de l’évaluation sur la
base des données du personnel transmises par l’entreprise, mais sur trois années consécutives
seulement.
4. Modalité de départ à la retraite
Dans cette étude, il est supposé que tous les salariés partent volontairement à la retraite (départ
volontaire). Il est à noter que la mise à la retraite est interdite avant 70 ans. Etant donné
l’hypothèses d’âge de départ à la retraite (64 ans pour les cadres et 62 ans pour les non cadres),
l’hypothèse de départ volontaire est la plus cohérente.
2.4 Les calculs

A Optimind Winter, le logiciel LASER (Logiciel Actuariel de Simulation et d’Evaluation de Re-
traite) est utilisé pour calculer les engagements sociaux. Ce progiciel est destiné aux techniciens d’or-
ganismes assureurs et d’entreprises commerciales ou industrielles qui souhaitent disposer d’un puissant
29
outil de calcul des engagements et de simulation des modalités de financement d’un régime de retraite
supplémentaire ou d’indemnités de fin de carrière. Cependant, les tables prospectives de turnover ne
sont pas encore utilisées pour les calculs d’engagements sociaux, et ce logiciel n’est pas conçu pour les
utiliser. Par conséquent, LASER n’a pas été utilisé dans ce mémoire, et de fait, un modèle de calcul
d’IFC avec des tables prospectives de turnover a été réalisé sous VBA. Ce modèle permet de calculer
la VAP et la PBO à partir des données à la date souhaitée. Les calculs ont été présentés précédemment
dans la partie 2.1 et sont effectués tête par tête.
2.5 Premiers résultats

Un premier calcul a été réalisé avec les hypothèses précédemment décrites. Les résultats de ces
évaluation sont présentés dans le tableau ci-dessous :
Figure 2.6 – Résultats avec la table de turnover de référence
Nous constatons que l’engagement s’élève à 1 273 324 euros. Cette valeur servira de valeur de référence
pour comparer les engagements obtenus avec les tables prospectives. Dans la partie suivante, des tables
de turnover prospectives seront réalisées à l’aide d’interpolation et de lissages sur les données brutes
par des fonctions simples, puis l’engagement sera réévalué grâce à ces tables.
30
3 Interpolation et lissage du turnover
3.1 Détermination des taux bruts de sortie

Nous disposons des données sur dix années consécutives pour une entreprise. Afin de déterminer
les taux bruts de sortie par âge, nous avons recensé et compté d’une année sur l’autre le nombre de
personnes ayant quitté la société entre le 31/12/N et le 31/12/N+1 pour les motifs pris en compte dans
la détermination du turnover (démission, rupture conventionnelle, fin de période d’essai, licenciements).
Ce travail nous a permis de construire un tableau par âge et par année des taux bruts de sortie. Notre
première étude consiste à construire une table prospective par âge à l’aide de lissages. La table des
taux bruts est disponible en annexe (Annexe A).
3.2 Interpolation et lissage polynomial

Nous allons d’abord commencer par lisser les taux bruts par une fonction polynômiale.
3.2.1 Estimation des paramètres : la théorie

On souhaite ici lisser n points expérimentaux {(xi , yi )}i=1...n par une fonction polynomiale
F (x, α1 , ..., αj ) = α1 + α2 x + α3 x2 + ... + αj xj−1 avec j < n.
Dans le cas d’un lissage par une fonction polynomiale de degré j − 1, on se place dans la base
{1, x, ..., xj−1 } telle que :
∀x u1 (x) = 1 ... uj (x) = xj−1
Les estimations (αˆ1 , ..., αˆj ) des paramètres (α1 , ..., αj ) sont solutions du système à j lignes et j colonnes
suivant :
n n n n
   
X X X X
 1 xi ··· xij−1  yi 
 i=1 i=1 i=1
   i=1

 n
 X Xn Xn

 αˆ1 
 Xn


j 

 xi x2i ··· xi   αˆ2
 
  xi yi 

 i=1 i=1 i=1
 ..  =  i=1 
.. .. .. ..
    
 ..  .   
.
 n . . .  n .
   
X n
X n
X

 αˆj  X


 xj−1 i xji ··· x 2j−2 
i
 xj−1
i yi 
i=1 i=1 i=1 i=1
Par la suite, et par souci de simplification, nous noterons en écriture matricielle :
(t U × U )Â = t U × Y
31
avec :    
u1 (x1 ) ··· uj (x1 ) 1 ··· xj−1
1
 . .. ..  . . .. 
U = . . .  =  .. ..
 . . 
  
u1 (xn ) · · · uj (xn ) 1 ··· xj−1

n
n
 
X
 yi 
   i=1

αˆ1 
 Xn



 αˆ2



 xi yi 

Â =  ..  et Y =  i=1

..
   
 .   
 n .
 
αˆj  X


 xij−1 yi 
i=1
t
U est une matrice de taille n × j donc U × U est une matrice de taille j × j.
La solution de cette équation est :
Â = (t U × U )−1 × t U × Y
La démonstration de ce résultat est présenté en annexe (Annexe F).
3.2.2 Le coefficient d’ajustement

Dans le cas d’un lissage par une fonction, le coefficient d’ajustement R se calcule de la façon
suivante : v
u Xn
(yî − ȳ)2
u
u
u
i=1
R=u n
u
uX Xn
t (yî − ȳ)2 + (yî − yi )2
i=1 i=1
avec yî représentant les valeurs estimées du modèle et ȳ représente la moyenne des yi observés.
La valeur de R2 est utilisée pour juger de la qualité du lissage.
3.2.3 Application pour un âge donné

Nous cherchons pour chaque âge à lisser le turnover observé sur les dix années d’historique que
nous possédons. Nous allons présenter ici les résultats pour l’âge 31 ans, mais gardons à l’esprit que ce
travail a été effectué pour chaque âge.
Notre choix s’est d’abord porté sur un polynôme de degré 2. Cependant, en lissant avec un polynôme
de degré 2, la convexité de la courbe lissée faisait exploser les taux de turnover après 2010. Ce phéno-
mène est également observé avec un polynôme de degré 3 mais dans une moindre mesure. Nous avons
donc choisi de réaliser le lissage avec une fonction polynomiale de degré 3. Par ailleurs, le coefficient
d’ajustement R2 pour le polynôme d’ordre 3 et pour l’âge 31 ans est de 77,91 %, ce qui est assez élevé
et nous garantit une certaine qualité de lissage. Il est toutefois à noter que le lissage polynomial d’ordre
3 impose d’estimer 4 coefficients avec seulement 10 points.
On souhaite lisser 10 points expérimentaux {(xi , yi )}i=1...10 par une fonction polynômiale d’ordre
3:
F (x, α1 , ..., α4 ) = α1 + α2 x + α3 x2 + α4 x3
32
On résout l’équation matricielle présentée ci-dessus avec j = 4 et on trouve, pour l’âge 31 ans :
Coefficients α1 α2 α3 α4
Estimations 0,4843 0,1264 -0,0133 0,0004
p value Student 0,0052 0,0017 0,0097 0,01
Les p-value du test de Student (présenté en Annexe D) nous indiquent que les coefficients sont
significatifs.
Nous avons donc tracé les données expérimentales, ainsi que la courbe d’ajustement obtenue avec
le lissage polynômial d’ordre 3.
Figure 3.1 – Lissage du turnover observé par un polynôme de degré 3 pour l’âge 31 ans
Afin de valider notre lissage, il faut effectuer un test d’adéquation du χ2 .
3.2.4 Test d’adéquation du χ2

Il est important d’étudier si le modèle de lissage du turnover par une fonction polynômiale (ou
par toute autre fonction) est compatible avec le turnover observé expérimentalement. Pour cela, nous
allons effectuer un test d’adéquation du χ2 . Ce test consiste à comparer la distribution empirique à
la distribution théorique. Après avoir découpé l’intervalle d’observation en m classes, on construit la
statistique du test, notée Q2 mesurant l’écart constaté entre les valeurs réelles de turnover et les valeurs
théoriques selon la formule suivante :
m
X (ni − npi )2
Q2 =
i=1
npi
avec :
– ni le nombre de départ observé dans la classe i ;
– npi le nombre de départ théorique avec la table lissée dans la classe i ;
33
– m le nombre de classes.
Q2 peut donc se réécrire comme suit :
m
X (ti − tliss
i )2
Q2 = Ni
i=1
tliss
i
avec :
– Ni le nombre d’individus dans la classe i ;
– ti le taux de départ observé dans la classe i ;
– tliss
i le taux de départ théorique obtenu par la table lissée dans la classe i ;
– m le nombre de classes.
Ce test permet de choisir entre les deux hypothèses :

– H0 : « la distribution observée et la distribution théorique sont compatibles » ;
– H1 : « la distribution observée et la distribution théorique ne sont pas compatibles » .
Sous l’hypothèse H0, Q2 est asymptotiquement distribuée comme une variable de loi χ2m−j−1 où
j est le nombre de paramètres estimés dans le modèle théorique. Avec un niveau de confiance égal à
1 − α , l’hypothèse H0 est rejetée si χ2m−j−1;α−1 < Q2 .
Le niveau de risque α représente le risque de première espèce, c’est-à-dire le risque de rejeter l’hypothèse
H0 alors qu’elle est vraie. Dans notre étude, nous allons comparer pour chaque classe, la valeur observée
de turnover et la valeur théorique obtenue à partir du modèle de lissage par une fonction polynômiale.
Les classes utilisées pour le test correspondent aux années d’observation (c’est à dire de 2001 à 2011).
Il faut donc faire ce test pour chaque âge.
Nous avons donc 10 classes, comportant chacune un effectif supérieur à 5 individus pour l’âge 31 ans.
La statistique du test vaut :
Q2 = 0, 36
Nous devons donc comparer cette valeur au quantile χ2m−j−1;α−1 , donnée par la table du χ2 (disponible
en annexe (Annexe B)).
Avec m = 10 (m représente le nombre de classes), j = 4 (nombre de paramètres à estimer) et un seuil de
confiance α égal à 5%, ce qui est couramment utilisé dans le test du χ2 , nous trouvons χ25;0,95 = 11, 07
pour un niveau de confiance de 5%. Ainsi, Q2 < χ25;0,95 , donc l’hypothèse H0 est acceptée, ce qui
signifie que la distribution observée et la distribution théorique sont compatibles avec un niveau de
confiance de 95%.
Il est à noter que les taux ont été choisis nuls après 60 ans car nous ne possédions pas assez d’effectif
pour les âges élevés et il est prudent de considérer que les départs après 60 ans sont généralement des
départs à la retraite et ne font pas partie du turnover. Le graphique ci-dessous présente les valeurs des
statistiques du test pour tous les âges entre 20 et 60 ans :
34
Figure 3.2 – Statistiques du Chi 2 - lissage polynomial
Ainsi, pour tous les âges, Q2 < χ25;0,95 , donc l’hypothèse H0 est acceptée, ce qui signifie que la
distribution observée et la distribution théorique sont compatibles avec un niveau de confiance de 95%.
3.2.5 Analyse des résultats

Les résultats obtenus avec la table de turnover prospective lissée par une fonction polynomiale
d’ordre 3 (cette table sera nommée Table 1 dans la suite de ce mémoire) sont présentés dans le tableau
ci-dessous :
Figure 3.3 – Résultat avec la table de turnover obtenue par lissage
Nous constatons que l’engagement baisse fortement, ce qui était prévisible car si l’on observe les
statistiques sur les 10 années, nous constatons que le nombre de départs est très élevé dans cette
entreprise, ce qui est relativement logique étant donnée son activité. En effet, dans la restauration, le
turnover est très élevé et il est très lié avec la conjoncture économique et le marché de l’emploi. La
table utilisée dans le modèle de référence ne prend en compte que trois années d’historique et est donc
plus prudente, voire trop prudente.
35
3.3 Lissage logarithmique
3.3.1 Estimation des paramètres

Nous souhaitons à présent lisser le nuage de points {(xi ; yi )} par une fonction logarithmique d’équa-
tion :
F (x) = α1 + α2 ln(x)
Il faut donc déterminer la droite de régression linéaire du nuage de points (ln(xi ); yi ). Rappelons les
valeurs des estimations de α1 et α2 dans le cas d’une régression linéaire simple.
αˆ1 et αˆ2 sont solutions du système suivant :
 n
! n
 X X
nαˆ1 + xi αˆ2 = yi



(S1 ) n
!i=1 n
! i=1
n
X X X
x2i

xi αˆ1 + αˆ2 = xi yi




i=1 i=1 i=1
Après résolution de ce système de deux équations à deux inconnues, on trouve :
n n n
!
X X X
n xi yi − xi yi
i=1 i=1 i=1
αˆ1 = !2
n
X n
X
n x2i − xi
i=1 i=1
n n n n
!
X X X X
x2i yi − xi yi
i=1 i=1 i=1 i=1
αˆ2 = !2
n
X n
X
n x2i − xi
i=1 i=1
3.3.2 Application pour un âge donné

L’application qui suit a été réalisée pour l’âge 31 ans, comme dans le paragraphe précédent. Pour
rappel, le lissage a été effectué sur chaque âge afin de construire la table prospective. Le coefficient
d’ajustement R2 a été calculé comme dans le cas du lissage logarithmique et pour l’âge 31 ans on
trouve : R2 = 74% ce qui est relativement élevé et assure une bonne qualité de lissage. Ce coefficient
a été calculé pour tous les âges, et les valeurs observées sont satisfaisantes au regard de la qualité du
lissage, hormis pour les âges extrêmes (moins de 20 ans et plus de 60 ans), ce qui est logique étant
donné que ces classes d’âge ne bénéficient pas d’un nombre important de données.
Coefficients α1 α2
Estimations 0,355 -0,123
p value Student 0,0018 0,0106
significatifs.
36
le lissage logarithmique.
Figure 3.4 – Lissage du turnover observé par une fonction logarithmique pour l’âge 31 ans

Les résultats obtenus avec la table de turnover prospective lissée avec une fonction logarithmique
(cette table sera nommée Table 2 dans la suite de ce mémoire) sont présentés dans le tableau ci-
dessous :
Figure 3.5 – Résultat avec la table de turnover obtenue par lissage logarithmique
Il apparait ici que les engagements sont inférieurs au modèle de référence, mais dans une moindre
mesure que le modèle polynomial. Ce résultat était prévisible en raison de la monotonie de la fonction
logarithme. En effet, c’est la convexité de la courbe qui donne la direction asymptotique. Pour le mo-
dèle polynomial, la direction de la branche asymptotique ne dépend que des quelques dernières valeurs.
Si ces valeurs sont croissantes, le polynôme tend rapidement vers de très grandes valeurs que le modèle
majore automatiquement par 1. Cette condition n’est plus valable avec le modèle logarithmique car le
signe de la tendance donne la convexité de la fonction. Or, cette tendance est négative (les employés
ont tendance à partir souvent pour de petites anciennetés, et beaucoup moins ensuite) et donc le lissage
est convexe et tend vers de petites valeurs rapidement.
37
Ce modèle prend donc mieux en compte la tendance générale du turnover, en dépit parfois de l’adé-
quation à un maximum de points.

Comme dans la partie précédente, il faut valider le lissage par un test d’adéquation du χ2 . La
statistique du test pour l’âge 31 ans vaut :
Q2 = 0, 29
Avec m = 10 (m représente le nombre de classes), j = 2 (nombre de paramètres à estimer) et un

seuil de confiance α égal à 5%, nous trouvons χ27;0,95 = 14, 06.
Comme précédemment, il est à noter que les taux ont été choisis nuls après 60 ans. Ce test à été
effectué pour tous les âges. Nous observons que pour tous les âges Q2 < χ27;0,95 , donc l’hypothèse H0
est acceptée, ce qui signifie que la distribution observée et la distribution théorique sont compatibles
avec un niveau de confiance de 95%.
A titre de comparaison, la partie suivante traite du cas où uniquement la tendance est modélisée.
3.4 Lissage linéaire
3.4.1 Estimation des paramètres

Nous souhaitons à présent lisser le nuage de points {(xi ; yi )} par une fonction linéaire d’équation :
F (x) = α1 + α2 x
Il faut donc déterminer la droite de régression linéaire du nuage de points (xi ; yi ). Les solutions ont
été données dans la partie précédente.
L’application qui suit a été réalisée pour l’âge 31 ans, comme dans les paragraphes précédents. Pour
rappel, le lissage a été effectué sur chaque âge afin de construire la table prospective. Le coefficient
d’ajustement R2 a été calculé comme dans le cas du lissage logarithmique et pour l’âge 31 ans on
trouve : R2 = 58% ce qui n’est pas très élevé et nous informe que la qualité de lissage n’est pas
optimale. Ce coefficient a été calculé pour tous les âges, et les valeurs observées sont satisfaisantes au
regard de la qualité du lissage.
Coefficients α1 α2
Estimations 0,3136 -0,0264
p value Student 0,00005 0,001
significatifs.
le lissage linéaire.
38
Figure 3.6 – Lissage du turnover observé par une fonction linéaire pour l’âge 31 ans

Les résultats obtenus avec la table de turnover prospective lissée avec une fonction linéaire (cette
table sera nommée Table 3 dans la suite de ce mémoire) sont présentés dans le tableau ci-dessous :
Figure 3.7 – Résultat avec la table de turnover obtenue par lissage linéaire
Le modèle logarithmique se place entre la régression linéaire et le modèle polynomial. En effet,

la régression linéaire prend seulement en compte la tendance alors que le lissage polynomial tente de
passer par le maximum de points. Le modèle linéaire est bien sûr un peu simpliste et ne reflète pas
vraiment la réalité, mais il permet de distinguer rapidement la tendance générale du turnover qui,
comme cela a été dit précédemment, est décroissante avec l’âge.

La statistique du test pour l’âge 31 ans vaut Q2 = 0, 37. Avec m = 10 (m représente le nombre de
classes), j = 2 (nombre de paramètres à estimer) et un seuil de confiance α égal à 5%, nous trouvons
χ27;0,95 = 14, 06. Comme précédemment, il est à noter que les taux ont été choisis nuls après 60 ans. Nous
observons que pour tous les âges Q2 < χ27;0,95 , donc l’hypothèse H0 est acceptée, ce qui signifie que la
distribution observée et la distribution théorique sont compatibles avec un niveau de confiance de 95%.
39
4 Construction d’une table de turnover pros-
pective à l’aide d’un modèle de mortalité
Dans cette partie, des tables de turnover prospectives sont construites à partir de modèles et tech-
niques de construction de tables de mortalité prospectives. Les données utilisées proviennent d’une
entreprise de moins de 10 000 salariés, ce qui est généralement peu pour réaliser ce type d’étude. Tou-
tefois, la plupart des entreprises pour lesquelles Optimind Winter réalise les évaluations d’Indemnités
de Fin de Carrière sont des entreprises de moins de 10 000 salariés et l’hypothèse de turnover est
souvent très sensible sur l’engagement.
4.1 Lissage des taux bruts
4.1.1 Généralités et graphe des taux bruts

Comme pour la mortalité, les estimations âge par âge des taux annuels de turnover forment une
courbe de turnover qui se révèle, en général, assez irrégulière. Ces aspérités sont dues aux fluctuations
d’échantillonnage et ne sont pas représentatives de la réalité : en effet, à l’inverse de la mortalité, les
taux de turnover évoluent généralement de façon décroissante avec l’âge. Pour améliorer les estima-
tions brutes et se rapprocher encore plus des véritables taux de turnover, il est intéressant d’utiliser
les connaissances que nous avons a priori sur la forme des courbes de mortalité (et donc de l’inverse
pour le turnover). De nombreuses méthodes permettent de répondre à cet objectif. Pour la mortalité,
les estimations corrigées qu’elles produisent progressent régulièrement avec l’âge et, pour cette raison,
sont appelées estimations « lissées » des taux de décès.
Il existe quatre catégories de méthodes permettant d’obtenir des estimations lissées des taux de
décès et, ainsi, de construire une table de mortalité :
– les modèles paramétriques,
– les lissages paramétriques,
– les lissages non-paramétriques,
– les modèles relationnels.
Avec un modèle paramétrique, une hypothèse est posée a priori sur la forme de la courbe de mor-
talité. Pour cette raison, la fonction mathématique qui exprime le taux de mortalité en fonction de
l’âge doit être une fonction dont la capacité à retracer la courbe de mortalité a déjà été éprouvée sur
d’autres populations. Elle doit permettre de capturer des caractéristiques fondamentales et persistantes
des courbes de mortalité, ce qui conduit à privilégier les fonctions contenant peu de paramètres. Cette
particularité conduit à un certain manque de souplesse dans la fidélité aux données, en contrepartie
40
elle permet théoriquement d’étendre l’estimation des taux de mortalité à des âges où il n’y a pas encore
d’observations.
Les méthodes de lissage (paramétriques ou non-paramétriques) permettent un ajustement assez

fidèle aux données d’expérience. Contrairement aux modèles paramétriques, elles ne reposent pas sur
l’hypothèse que la courbe de mortalité a une forme connue a priori et, à ce titre, ne sont pas prévues
pour obtenir une estimation des taux de mortalité en dehors de la plage de lissage. On peut même
noter qu’une extrapolation est par nature impossible pour les méthodes de lissages non-paramétriques
étant donné que les taux de mortalité ne sont pas représentés à l’aide d’une fonction mathématique.
Dans cette partie, nous présenterons une méthode de lissages non paramétrique.
Le graphe des taux bruts est présenté ci -dessous :
Figure 4.1 – Graphe des taux bruts par âge et par année
Comme attendu, de nombreuses irrégularités sont observées sur les données brutes. Le paragraphe
suivant présente une méthode de lissage des données, qui ne sera cependant pas utilisée dans la suite
du mémoire car il ne s’agit pas d’une méthode permettant d’obtenir des tables prospectives.
4.1.2 Méthode de Whittaker-Henderson

Cette méthode de lissage doit son nom E.T. Whittaker (Whittaker E.T. [1923]) qui l’a introduite
théoriquement et à R. Henderson (Henderson R. [1924]) qui a proposé des méthodes pratiques de mise
en oeuvre. C’est une méthode de lissage non paramétrique dont le principe est de combiner un critère
de fidélité et un critère de régularité et de rechercher les valeurs ajustées qui minimisent la somme des
deux critères. Cette méthode consiste donc à rechercher le meilleur compromis entre l’adéquation aux
données brutes et la régularité de la courbe de mortalité (ici de turnover).
On se place ici dans le cas de la dimension 1. On pose pour le critère de fidélité 1 :
p
X
F = wi (qi − q̂i )2
i=1
avec q = (qi )1≤i≤p représentant le vecteur des taux bruts et p représente le nombre de taux bruts
disponibles (en dimension 1).
S’agissant des poids wi , il est fréquent d’utiliser une pondération par l’effectif à l’âge i rapporté à
1. Dans toute cette partie, les notations ont été reprises de Planchet F., Therond P. [2006].
41
l’effectif moyen pour tous les âges :
p
ni 1X
wi = où n̄ = ni
n̄ p i=1
Ce choix permet de limiter le poids donné aux valeurs aberrantes. Il permet aussi d’obtenir deux
propriétés interessantes : le nombre total de sorties et l’âge moyen de sortie sont les mêmes avec les
taux bruts et les taux lissés.
On pose pour le critère de régularité :
p−z
X
S= (∆z qi )2
i=1
z est un paramètre du modèle. Pour information, ∆z qi = ∆z−1 qi+1 − ∆z−1 qi pour z > 0 et ∆0 qi = qi
Le critère à minimiser est une combinaison linéaire de la fidélité et de la régularité, le poids de chacun
des deux termes étant contrôlé par un second paramètre h :
M =F +h×S
∂M
La solution de ce problème d’optimisation satisfait aux conditions = 0, 1 ≤ i ≤ p ; la résolution
∂qi
de ce système d’équations est réalisable au moyen de quelques manipulations matricielles. Posons
q = (qi )1≤i≤p , q̂ = (q̂i )1≤i≤p et w = diag(wi )1≤i≤p . Avec ces notations, on peut alors écrire le critère
de fidélité de la manière suivante :
F = (q − q̂)0 w(q − q̂)
De même, pour le critère de régularité, en notant ∆z q = (∆z qi )1≤i≤p , on obtient :
S = (∆z q)0 ∆z q
Afin de détailler cette écriture plus simplement, la matrice Kz de taille (p − z, z) est introduite. Ses
termes sont les coefficients binomiaux d’ordre z dont le signe alterne et commence positivement pour
z pair. On vérifie facilement que ∆z q = Kz q, ce qui permet d’écrire :
M = (q − q̂)0 w(q − q̂) + hq 0 Kz0 Kz q
Par développement :
M = q 0 wq − 2q 0 wq̂ + q̂ 0 wq̂ + hq 0 Kz0 Kz q
Ainsi la résolution de l’équation :
∂M
= 2wq − 2wq̂ + 2hKz0 Kz q = 0
∂q
conduit à l’expression des taux ajustés suivants :
q∗ = (w + hKz0 Kz )−1 wq̂
Dans cette étude, l’extension de la méthode de Whittaker-Henderson en dimension 2 a été utilisée

car les taux bruts sont fonction de l’âge et du temps. Ils sont notés : q̂ = (q̂ij )1≤i≤p,1≤j≤q . Le critère
42
de fidélité s’écrit alors :
p X
X q
F = wij (qji − q̂ij )2
i=1 j=1
Le critère de régularité se décompose en deux indices : la régularité verticale via l’opérateur ∆zv (cet
opérateur agit sur qij à j fixé vu comme une série indicée par i) qui se calcule de la manière suivante :
q p−z
X X
Sv = (∆zv qij )2
j=1 i=1
L’indice de régularité horizontale est calculée de manière similaire et est notée Sh . L’expression suivante
doit alors être minimisée :
M = F + α × Sv + β × Sh
La méthode de résolution de cette équation est présentée dans Planchet F., Therond P. [2006]. Les
valeurs lissées s’obtiennent par :
q ∗ = (w∗ + αKzv 0 Kzv + βKyh 0 Kyh )−1 w∗ u
Cette méthode a été implémentée sous le logiciel R et appliquée aux taux bruts de l’étude. Après
application de la méthode de Whittaker-Henderson en dimension 2, les taux bruts lissés sont présentés
ci-dessous :
Figure 4.2 – Graphe des taux lissés par Whittaker-Henderson par âge et par année
Ce graphe des taux lissés par Whittaker-Henderson présente une décroissante nette des taux du
turnover par rapport à l’âge ainsi qu’une décroissance légère par rapport au temps. Cette méthode de
lissage est très puissante, cependant elle ne sera pas utilisée dans la suite de ce mémoire car elle ne
permet pas de construire des tables de turnover prospectives. Il existe beaucoup d’autres méthodes de
lissages de données, comme par exemple la méthode par moyenne mobile. La partie suivante présente
la méthode de Lee-Carter qui sert à élaborer des tables prospectives de mortalité.
4.2 Le modèle de Lee-Carter

Le modèle de Lee-Carter (Lee R.D., Carter L. S. [1992]) permet la conception de tables prospectives
de mortalité. Dans cette partie, une table de turnover prospective sera réalisée grâce au modèle de Lee-
Carter. Comme dans le cas de la mortalité, l’hypothèse de constance du taux instantané de turnover
43
entre deux âges entiers est supposée. Cette hypothèse signifie que pour tout t ∈ [0, 1], on a :
t qx = 1 − (1 − qx )t
avec qx représentant la probabilité de turnover à l’âge x. Dans le cadre de cette hypothèse, on obtient
l’estimateur du taux instantané de turnover :
µ∗xt = −ln(1 − q̂xt )
Le modèle de Lee-Carter décompose le logarithme du taux instantané de turnover en deux compo-

santes, l’une propre à l’âge et l’autre tendancielle. Le modèle s’écrit de la façon suivante :
ln(µxt ) = αx + βx kt + xt
avec :
– µxt le taux instantané de turnover à la date t pour l’âge x ;
– αx la composante spécifique à l’âge x, elle réflète le comportement moyen des ln(µxt ) au cours
du temps ;
– kt décrit l’évolution générale du turnover ;
– βx indique la sensibilité du turnover instantané par rapport à l’évolution générale du turnover,
soit l’écart des ln(µxt ) par rapport à kt ;
– xt est un terme d’erreur reflétant les particularités propres à un âge x ou à une année t non
capturées par le modèle. Ce terme d’erreur est par hypothèse de moyenne nulle.
4.2.1 Théorie
Les paramètres du modèle à estimer sont αx , βx et kt . Ces paramètres vérifient les contraintes
d’identifiabilité suivantes :
X
βx = 1
x
X
kt = 0
t
Par analogie avec les taux instantanés de mortalité, les taux instantanés de turnover ont été estimés
ainsi :
Dxt
µ̂xt =
Lxt
avec Dxt et Lxt désignant respectivement le nombre de sortie pour des individus d’âge x lors de l’année
t et l’effectif de "survivants" (les personnes présentes dans l’entreprise) à l’âge x et au début de l’année
t.
Ensuite, les estimations des paramètres se font par la méthode des moindres carrés ordinaires selon
la formule suivante :
(α̂x , β̂x , k̂t ) = argminαx ,βx ,kt (ln(µ̂xt ) − αx − βx kt )2
En tenant compte des contraintes d’identifiabilité, αx s’obtient en écrivant :
tM
X tM
X tM
X tM
X
ln(µ̂xt ) = αx + βx kt + xt
t=tm t=tm t=tm t=tm
44
Ainsi ces contraintes :
tM
X
kt = 0
t=tm
tM
X
t = 0
t=tm
induisent alors :
tM
1 X
α̂x = ln(µ̂xt )
tM − tm + 1 t=t
m
avec tm désignant la première année d’observation des taux de turnover (ici 2001) et tM la dernière
année de l’étude (ici 2011). Les estimations de βx et kt sont plus délicates à démontrer et ne seront pas
developpées ici (le lecteur pourra se reporter à Planchet F., Therond P. [2006] pour plus de précisions).
Pour faire simple, il faut construire la matrice Z définie par :
zxt = ln(µ̂xt ) − αˆx
Puis, il faut décomposer cette matrice en valeurs singulières. En nommant u1 (respectivement v1 ) les
vecteurs propres de Z 0 Z et ZZ 0 associé à la plus grande valeur propre λ1 , on obtient :
v1
β̂ = P
j v1j
p X
k̂ = λ1 ( v1j )u1
j
4.2.2 Mise en oeuvre de Lee-Carter

La modélisation a été effectuée sur R à l’aide de la fonction lca disponible dans le package
demography. Cette fonction permet d’obtenir les estimations des différents paramètres (α̂x , β̂x , k̂t ).
Généralement, les taux de turnover ont tendance à décroître avec l’âge. Les taux de turnover se
comportent ainsi de façon inverse par rapport aux taux de mortalité : en effet, les taux de mortalité
augmentent en fonction de l’âge. Les âges ont donc été inversés afin de pouvoir utiliser le modèle de
Lee-Carter. Par conséquent, il est à noter que sur les deux graphiques suivants, l’axe des abscisses
ne représente pas l’âge mais la durée résiduelle d’activité, i.e. la différence entre l’âge de départ à la
retraite et l’âge actuel.
45
La figure ci-dessous montre l’estimation des αx en fonction de la durée résiduelle d’activité :
Figure 4.3 – Valeurs de αx en fonction de la durée résiduelle d’activité
Pour rappel, αx est la composante spécifique à la durée résiduelle d’activité x, elle décrit le com-
portement moyen des ln(µxt ) au cours du temps. Comme une certaine irrégularité est observée, une
approximation polynomiale a été effectuée. Les résultats du lissage avec et sans cette approximation
seront comparés.
La figure suivante présente l’estimation des βx en fonction de la durée résiduelle d’activité :
Figure 4.4 – Valeurs de βx en fonction de la durée résiduelle d’activité
Pour rappel, βx indique la sensibilité du turnover instantané par rapport à l’évolution générale du
turnover, soit l’écart des ln(µxt ) par rapport à kt . Comme pour les αx , une approximation polynomiale
a été effectuée et les résultats du lissage avec et sans approximation seront comparés.
Enfin, la figure suivante présente les valeurs du paramètre k en fonction des années :
46
Figure 4.5 – Valeurs de k en fonction du temps
La courbe des kt évolue de façon assez irrégulière mais une tendance décroissante se dégage sur la
période considérée. Une régression linéaire a été réalisée afin de capter cette tendance et obtenir des
résultats plus réguliers. Cette tendance décroissante du paramètre k couplée à la positivité du para-
mètre β implique d’après la formule de Lee-Carter une diminution des taux instantanés de turnover
sur la période.
La surface lissée obtenue par la méthode de Lee-Carter sans faire d’approximation sur les coefficients
est présentée ci-dessous :
Figure 4.6 – Taux instantanés de turnover par année par la méthode de Lee-Carter, sans ajustement
des coefficients
La méthode de Lee-Carter, appliquée directement sur les données est peu satisfaisante et ne lisse que
partiellement le turnover de la population observée. En effet, de nombreuses irrégularités subsistent
après ce lissage. Les paramètres ont été approximés par des fonctions afin de rendre le lissage plus
propre. La surface lissée suivante est obtenue par la méthode de Lee-Carter avec un lissage polynomial
pour les αx et les βx et un lissage linéaire pour les kt :
47
Figure 4.7 – Taux instantanés de turnover par année, par le modèle de Lee-Carter avec ajustements
des coefficients
Les kt ont ensuite été projetés jusqu’en 2047, afin d’obtenir la table prospective de turnover obtenue
avec le modèle de Lee-Carter. La table prospective a l’allure suivante :
Figure 4.8 – Taux instantanés de turnover par année jusqu’en 2047, par le modèle de Lee-Carter avec
ajustements des coefficients
4.2.3 Résultats obtenus avec la méthode de Lee-Carter
Figure 4.9 – PBO obtenue avec la table prospective issue de la méthode Lee-Carter
La PBO obtenue avec la table lissée avec la méthode de Lee-Carter (cette table sera nommée Table
4 dans la suite de ce mémoire) est plus faible d’environ 28 % par rapport à la PBO obtenue avec la
table initiale, ce qui n’est pas négligeable. Il est nécessaire d’effectuer un test d’ajustement du χ2 afin
de vérifier si la nouvelle table n’est pas trop éloignée des taux bruts.
4.2.4 Test d’ajustement du χ2

Comme pour les tables obtenues précédemment, il est important de comparer la distribution em-
pirique à la distribution théorique. Pour cela, il faut calculer la déviation entre les sorties observées
48
(par les données brutes) et les sorties théoriques (par le modèle de Lee-Carter) pour chaque année
d’historique (de 2001 à 2010) et chaque classe d’âge (de 20 à 60 ans). Le calcul de la déviation pour
un âge x et une année t s’effectue par la formule suivante :
(Nx,t − N ∗x,t )2
χ2x,t =
N ∗x,t
avec Nx,t le nombre de sortie observées à l’âge x et à l’année t et N ∗x,t le nombre de sortie théoriques
à l’âge x et à l’année t par le modèle de Lee-Carter.
La valeur globale de la déviation entre les sorties observées et théoriques vaut alors la somme de
tous les χ2 locaux :
X X (Nx,t − N ∗x,t )2
χ2t = χ2x,t =
x x
N ∗x,t
Pour chaque année, les valeurs de la statistique du χ2 sont tracées.
Figure 4.10 – Statistique du χ2 sur l’ajustement par la méthode de Lee-Carter
Le nombre de degré de liberté est égal à 41 + 10 = 51. Pour plus de détails sur le test du χ2 en
bidimensionnel, le lecteur pourra se reporter à PLANCHET F., WINTER P. [2007]. Il faut donc com-
parer les valeurs obtenues avec le quantile χ251;0,95 = 68, 67. Toutes les valeurs des χ2 sont inférieures
à cette valeur, l’hypothèse H0 est acceptée, ce qui signifie que la distribution observée et la distribu-
tion théorique sont compatibles avec un niveau de confiance égal à 95%. Il est toutefois à noter une
baisse de la qualité de l’ajustement pour l’année 2003, qui présente une valeur très proche du quantile
χ251;0,95 = 68, 67.
Ainsi, la méthode de Lee-Carter permet de construire une table prospective de turnover, qui pré-
sente visiblement une tendance décroissante dans le temps. Or, même si cette tendance décroissante
est liée à l’ancienneté des salariés, le turnover ne peut décroître indéfiniment. En effet, le turnover est
cyclique et dépend de variables macroéconomiques. Dans la partie suivante, une modélisation introdui-
sant des valeurs macroéconomiques est présentée afin de ne plus représenter le turnover uniquement
mathématiquement.
49
5 Turnover dynamique et vision macroécono-
mique du turnover
Dans cette partie, deux modèles de turnover dynamique sont implémentés. Le premier modèle est
inspiré des lois de rachat dynamique utilisées pour les rachats conjoncturels en assurance Vie. Dans le
second modèle, le turnover dépendra de variables macroéconomiques, telles que l’inflation et le chômage
et la loi dynamique dépendra de ces variables.
5.1 Motivations et démarche

Dans les parties précédentes, les différentes tables de turnover construites ne dépendaient pas du
contexte économique. En effet, les tables prospectives ont été élaborées à partir des taux bruts histo-
riques disponibles et projetées à partir de fonctions/modèles ne dépendant que de l’âge et du temps.
Ces approches sont donc constestables d’un point de vue économique, car il est évident que le turnover
ne se résume pas à une loi ne dépendant que de l’âge et du temps, mais dépend également de variables
macroéconomiques.
En effet, le marché du travail est régi par un ensemble de mécanismes liant prodution, emploi,
salaires, prix. Que se passe t-il lorsque les entreprises répondent à une hausse de la demande en ac-
croissant leur production ? La hausse de la production entraîne une augmentation de l’emploi et une
baisse du chômage. Cette baisse engendre une pression à la hausse des salaires. Cette dernière accroît
les prix de production, ce qui pousse les entreprises à augmenter les prix. La hausse des prix incite les
travailleurs à demander des salaires plus élevés, ce qui conduit à de nouvelles hausse des prix...
5.1.1 Motivations
Le premier modèle mis en oeuvre dans cette partie s’inspire de la loi de rachat dynamique utilisée
dans les modèles de calcul en assurance Vie pour modéliser les rachats conjoncturels, c’est à dire
ceux qui interviennent notamment dans un contexte fortement concurrentiel lorsque l’assuré arbitre
son contrat d’assurance au profit d’autres supports financiers. Ce modèle permet de prendre en compte
la satisfaction du salarié notamment d’un point de vue rémunération.
Le parallèle entre le turnover et une loi de rachat dynamique est motivée par l’observation de
corrélation entre le turnover et la différence entre le salaire versé par l’entreprise et le salaire de
marché (différencié pour les cadres et les non cadres).
50
Le salaire de marché a été défini de la manière suivante :
– pour les non cadres, le SMIC (Salaire Minimum Interprofessionnel de Croissance) a été retenu. Il
s’agit du salaire minimum horaire en dessous duquel aucun salarié ne peut être payé en France.
Il est réévalué au minimum tous les ans le 1er janvier. Pour mémoire, l’entreprise considérée est
une entreprise de restauration. Les postes de non cadres sont généralement payé au SMIC, il
semble donc judicieux de retenir cet indice pour le salaire de marché des non cadres ;
– pour les cadres, il a été plus difficile de définir un salaire de marché car il n’existe pas vraiment
de statistiques fiables et communiquées à ce sujet. Par souci de simplification, le salaire moyen
observé étant proche de 45 000 euros en 2011, ce salaire a été retenu et la variation du SMIC lui
a été appliqué afin d’obtenir l’historique depuis 2001. Il est donc à noter que cette hypothèse de
salaire de marché est constestable pour les cadres, faute d’informations.
Les graphiques suivants illustrent la corrélation entre le salaire versé par l’entreprise et le salaire
de marché :
Figure 5.1 – Turnover observé chez les non cadres et différence entre salaire de l’entreprise et salaire
du marché
Figure 5.2 – Turnover observé chez les cadres et différence entre salaire de l’entreprise et salaire du
marché
51
Il est à noter que l’échelle secondaire a été inversée pour une meilleure lecture. Ces courbes indiquent
donc une corrélation négative évidente, notamment chez les non cadres. Deux coefficients ont été
calculés afin d’évaluer l’importance de celle-ci, ils sont rassemblés dans le tableau suivant :
Figure 5.3 – Coefficients de corrélation entre le turnover et la différence entre les salaires de l’entreprise
et du marché
Pour rappel, les formules de calcul de ces deux coefficients sont décrites ci-dessous.
Le coefficient de corrélation linéaire capte l’intensité de la liaison affine qui peut exister entre les deux
variables. Il s’exprime ainsi :
σxy
R=
σx σy
où σxy désigne la covariance entre les variables x et y, et σx et σy leur écart type.
Le Tau de Kendall permet de capter la corrélation par paire. Il se calcule ainsi :
Nombre de paires concordantes - Nombre de paires discordantes

τ=
Nombre de paires total
Le Tau de Kendall représente la différence entre la probabilité que les données observées soient dans
le même ordre pour les deux variables versus la probabilité que les données observées soient dans des
ordres différents pour les deux variables.
Ces deux coefficients dénotent une corrélation entre le turnover observé et la différence entre le
salaire moyen versé par l’entreprise et le salaire du marché plus forte chez les non cadres que chez les
cadres. Toutefois, il est nécéssaire de rappeler que l’hypothèse de salaire de marché chez les cadres est
contestable et que les résultats observés ne reflètent pas vraiment la réalité.
Cette corrélation permet d’établir un parallèle entre le turnover et le salaire. En effet, plus le salaire
moyen versé par l’entreprise se situe au-dessus du salaire du marché, plus le turnover observé est faible.
A l’inverse, lorque le salaire moyen versé par l’entreprise est proche ou inférieur au salaire de marché,
un turnover plus fort est observé. Le conclusion est donc la suivante : lorsque les salariés sont payés
au-dessus du marché, ils quittent moins leur emploi mais dès que leur salaire se rapproche de celui
du marché ou devient inférieur à celui-ci, ils estiment qu’ils peuvent trouver mieux ailleurs (ou au
moins équivalent) et le turnover est beaucoup plus fort. Ce concept sera utilisé pour construire la loi
dynamique.
5.1.2 Démarche
Il existe un lien indéniable entre les taux de turnover et l’inflation. En effet, l’inflation est une
variable macroéconomique réflétant le mieux la sitution économique d’un pays. C’est le phénomène de
la hausse généralisée des prix.
Le premier modèle mis en oeuvre dans cette partie s’inspire de la loi de rachat dynamique utilisée
52
dans les modèles de calcul en assurance Vie pour modéliser les rachats conjoncturels. Ce modèle per-
met de prendre en compte la satisfaction du salarié notamment d’un point de vue rémunération. Une
première approche quelque peu simpliste utilisée pour ce premier modèle consiste à comparer l’inflation
et le profil de carrière convenu dans les hypothèses actuarielles. L’inflation représente ici la variation
du SMIC, qui, comme décrit dans le paragraphe précédent, est la rémunération du marché. Cette va-
riable est simulée stochastiquement via le modèle de Wilkie présenté dans le paragraphe suivant. Les
paramètres de la loi de rachat seront donc ajustés de sorte que le turnover dynamique (résultant de la
différence entre l’inflation et le profil de carrière) s’annule sur une longue période (dans le cas contraire
une partie du turnover considéré comme conjoncturel pourrait sinon être considéré comme structurel).
Le second modèle est plus complexe et prend en compte d’autres variables macroéconomiques
comme le chômage et les conséquences de celui-ci sur les salaires.
Il existe plusieurs modèles macroéconomiques permettant de lier ces différentes variables macroéco-
nomiques. Les trois variables utilisées dans le second modèle de turnover dynamique présenté ici sont
l’inflation, le chômage et les salaires.
La démarche suivie dans l’élaboration du modèle du turnover dynamique est la suivante :

– l’inflation a été simulée et projetée grâce à un modèle stochastique : le modèle de Wilkie,
– les taux de chômage ont ensuite été déduits de l’inflation par la courbe de Phillips,
– les salaires ont été liés au chômage par le concept du modèle WS-PS,
– enfin, un turnover dynamique a été mis en place à partir d’un salaire appelé "salaire d’efficience"
et d’un parallèle entre le turnover dynamique et une loi de rachat dynamique de contrats d’as-
surance Vie utilisée dans le modèle précédent.
Tous les concepts cités ci-dessus sont expliqués dans l’ordre d’utilisation pour l’élaboration du
modèle dans la suite de cette partie.
5.2 Modèle d’inflation stochastique : modèle de Wilkie

L’inflation est un facteur déterminant dans le choix de plusieurs hypothèses utilisées dans les éva-
luations de passifs sociaux. En effet, la plupart du temps la revalorisation des salaires ou encore la
revalorisation des rentes dans le cadre des évaluations de régimes de retraite sont indexées sur l’inflation.
Dans ce mémoire, l’approche de Wilkie (Wilkie A.D. [1986]) est présentée car ce modèle suppose
que l’incertitude est contenue dans l’inflation, contrairement à l’approche de Kaufmann, Gadmer et
Klett (KAUFMANN R. et al. [2001]) qui propose d’exprimer, de manière linéaire, le taux d’inflation
en fonction du taux d’intérêt court terme.
Le modèle de Wilkie est principalement un modèle empirique, établit sur des données économiques
du Royaume Uni de 1919 à 1982. L’une des premières modélisations du taux d’inflation fut celle de la
« marche aléatoire » (développée par Bachelier en 1900). Même si ce modèle apparaît cohérent dans
le cadre de l’étude du cours d’une action, ces limites se font ressentir lorsqu’il s’agit de rendre compte
de l’évolution du taux d’inflation.
53
Wilkie a décidé d’opter pour un modèle autorégressif. L’évolution de ce processus est régie par
l’équation suivante :
i(t) = in + a(i(t − 1) − in ) + σt
avec les notations suivantes :

– i(t) : taux d’augmentation de l’indice des prix,
– in :taux d’inflation long terme,
– a : coefficient de retour à la moyenne,
– σ : écart type du bruit,
– t : variable aléatoire distribuée selon une loi normale centrée réduite représentant le bruit.
Cependant, il est à noter que Wilkie n’utilise pas ce modèle tel quel ; il préfère travailler sur le
log rendement des prix. En effet, il observe que seules les variations relatives de l’indice des prix sont
importantes et non les variations absolues. En se référant à des données empiriques de plusieurs pays
de l’OCDE, il remarque que la variable δ(t) = lnQ(t) − lnQ(t − 1) où Q(t) désigne l’indice des prix,
suit une distribution qui peut être approchée par une loi normale centrée.

Q(t)
Ainsi, en notant X(t) = ln l’équation du modèle devient :
Q(t − 1)
X(t) = in + a(X(t − 1) − in ) + σt
L’équation peut être réécrite comme suit :
X(t) = m + rX(t − 1) + U (t)
où U (t) est une loi normale centrée.

Avec cette écriture, on obtient les identités suivantes :
a=r
m
in =
1−r
U (t) = σt
En supposant les erreurs indépendantes entre elles, les coefficients sont déterminés par la méthode des
Moindres Carrés Ordinaires (MCO). Des tests permettent d’ailleurs de vérifier l’hypothèse d’indépen-
dance faite.
Dans la méthode MCO, les équations de régression se présentent comme suit :

     
X(t) 1 X(t − 1) U (t)
!
X(t − 1)  1 X(t − 2)  U (t − 1)
     

 = . b1 
 ..  . ..  + .. 

 .  . .

 b2 
 .


X(1) 1 X(0) U (1)
54
On pose :
     
X(t) 1 X(t − 1) U (t)
!
X(t − 1)  1 X(t − 2)  U (t − 1)
     
 b1 
P = ..  Q = .
. .. B = U = .. 

 .

 . .

 b2 
 .


X(1) 1 X(0) U (1)
Les estimations b̂1 et b̂2 des coefficients b1 et b2 sont données par :

!
b̂1
= B̂ = (Q0 Q)−1 Q0 P
b̂2
Les paramètres de Wilkie ont été recalculés à partir de la série des indices des prix à la consommation
annuels sur une période de 1983 à 2013.
La série des indices des prix à la consommation annuels est représentée ci-dessous sur la période allant
de 1960 à 2013 :
Figure 5.4 – Série des indices des prix à la consommation annuels sur une période de 1983 à 2013
En observant ce graphique, de fortes variations sont observés notamment entre 1979 et 1982, où
l’inflation a fortement chutée. C’est la raison pour laquelle la période étudiée est de 1983 à 2013 afin
d’obtenir des paramètres en adéquation avec les taux d’inflation observés depuis 30 ans.
Pour rappel, les paramètres estimés par Wilkie en 1995 sont les suivants sur la période 1919 à 1982 :
a in σ
0,6 0,05 0,05
Les paramètres estimés à partir de la série des indices des prix à la consommation annuels sur une
période de 1983 à 2013 sont :
a in σ
0,69 0,018 0,019
55
Il est à noter que a représente l’inertie temporelle, in représente l’inflation moyenne et σ représente
la volatilité, qui ici est très faible.
Coefficient de détermination :
R2 , défini dans la partie 3, est égal à 0,84, ce qui signifie que la régression est de bonne qualité.
Test de Student pour la significativité d’un coefficient :
Ce test est décrit en Annexe D.
Le tableau ci-dessous présente la statistique T du test pour les deux coefficients estimés par le
modèle :
Coefficients r m
T 12,6 2,6
Dans le modèle de Wilkie, il y a deux variables explicatives donc d = 31 − 2 − 1 = 28. Par ailleurs,
on a : t28,0,975 = 2, 05 donc on rejette H0 et les coefficients sont significativement non nuls.
Test de Fisher pour la significativité de plusieurs coefficients :
Le test F de Fisher est décrit en Annexe E.
Dans le cas du modèle de Wilkie, la valeur de la statistique f est égale à 159. Dans la table de
Fisher, on lit f ∗ (1, 28) = 4, 2 pour un niveau de confiance à 5%. Ainsi, f est plus grand que la valeur
théorique f ∗ (1, 28), l’hypothèse H0 est donc rejetée et donc le modèle est significatif dans sa globalité.
Simulation de l’inflation par le modèle de Wilkie :
Les paramètres estimés ont permis de simuler l’inflation sur plusieurs années par le modèle de
Wilkie. Le graphique suivant a permis de visualiser les quantiles annuels des trajectoires générées par
le modèle de Wilkie.
Figure 5.5 – Quantiles annuels des trajectoires générées par le modèle de Wilkie
56
Ce graphique permet de vérifier que le modèle génère des lignes de niveau stables dans le temps,
qui sont centrées autour de la moyenne égale à 1,8% constamment car la valeur initiale est égale à la
valeur ultime. Les quantiles à 95% ne sont pas très éloignés des intervalles de confiance.
Ainsi, ce modèle stochastique d’inflation va permettre de construire les modèles explicités dans les
parties suivantes.
5.3 Loi de turnover dynamique : lien avec la modélisation des

rachats de contrats d’assurance Vie
Une corrélation existe entre les taux de turnover et la différence entre le salaire du marché et
le salaire versé par l’entreprise. Dans le modèle présenté ici, la variation du salaire du marché sera
représentée par l’inflation. Cette variable macroéconomique, simulée stochastiquement dans la partie
précédente peut donc servir à affiner l’hypothèse de turnover dans le calcul des engagements sociaux.
Une première approche quelque peu simpliste développée dans cette partie consiste à comparer l’infla-
tion et le profil de carrière, qui représente ici la variation des salaires versés par l’entreprise.
5.3.1 Généralités sur la loi de rachat

Pour mémoire, dans les calculs précédents, le profil de carrière est fixé à 3% pour les cadres et à
2% pour les non cadres. Il a été observé que si l’inflation est supérieure au taux de profil de carrière,
le salarié aura une perte de pouvoir d’achat et sera tenté de quitter son travail pour avoir un meilleur
salaire. A l’inverse si le profil de carrière est supérieur à l’inflation, les taux de turnover devraient être
plus faible. Le premier turnover dynamique est donc modulé en fonction de l’écart entre l’inflation et
le profil de carrière.
Le choix de la modélisation est inspirée de la modélisation des rachats conjoncturels pour les contrats
d’assurance vie. Pour information, dans les modèles ALM, la démarche proposée pour la modélisation
des rachats est décrite par l’ACP dans les ONC 1 du QIS 5. Ci-dessous un extrait du texte publié par
l’ACP :
En plus des rachats structurels que l’assureur peut observer dans un contexte économique «normal»
sur les contrats d’assurance-vie épargne euro, l’assureur doit tenir compte de rachats conjoncturels ;
ceux-ci interviennent notamment dans un contexte fortement concurrentiel lorsque l’assuré arbitre son
contrat d’assurance au profit d’autres supports financiers (produits assuranciels, bancaires ou immobi-
liers)
Pour les rachats structurels, le texte impose aux compagnies d’assurance d’utiliser des lois d’ex-
périence si celles-ci sont conformes aux observations passées, ou à défaut des données de marché. Par
ailleurs, ces lois de rachat peuvent dépendrent de plusieurs paramètres comme l’âge ou l’ancienneté
des assurés par exemple. Les 4 tables prospectives précédemment construites et basés sur les données
historiques serviront de turnover structurel. Ainsi, le turnover structurel sera basé sur les données
historiques.
S’agissant des rachats conjoncturels, ils sont généralement modélisés par une fonction dépendant
uniquement de l’écart entre le taux servi et un taux dépendant de l’environnement économique appelé
taux de rendement espéré par l’assuré. Dans le cadre de cette étude, le "taux servi" esr représenté par
le taux de profil de carrière et le taux de rendement espéré par le taux d’inflation, qui s’assimile au
pouvoir d’achat du salarié.
1. Orientations Nationales Complémentaires
57
Le parallèle établi entre le turnover et les rachats est le suivant : le nombre de rachats représente le
nombre de sorties dans la société. Ainsi, les rachats structurels, observés dans un contexte économique
«normal» correspondent aux taux de turnover calculés grâce à la table lissée avec le lissage polynomial,
qui est calibrée sur l’historique disponible.
5.3.2 Définition de la loi de rachat dynamique

Le schéma ci-dessous décrit la loi de rachat dynamique des contrats épargne d’assurance Vie qui
est utilisée dans les calculs en assurance Vie :
Figure 5.6 – Taux de rachat conjoncturel dynamique
La formule du taux de rachat conjoncturel est la suivante :
Min(20%; Max(0; 5 × (Taux de rendement espéré (n-1) - Taux servi (n-1) − 0, 5%)))
Cette formule signifie qu’à partir d’un certain seuil (ici 0,5 %) entre le taux de rendement espéré
et le taux servi, la dynamique de taux de rachat augmente selon une pente de 5 jusqu’à atteindre la
valeur maximale de 20 %.
5.3.3 Lien entre PVFP et VAP

Un parallèle peut être établi entre le calcul de la VAP pour les engagements sociaux et le calcul de
la Present Value of Futur Profits (PVFP) en assurance Vie qui représente la valeur actuelle probable
des profits futurs de l’assureur et est couramment calculée et utilisée lors de la mise en place d’un
budget par exemple. En effet, les rachats vont ici représenter la prestation des sortants (prestations
qui ne seront donc pas versées). Lorsqu’un assuré rachète son contrat d’assurance Vie, il y a un manque
à gagner pour l’assureur. La vision "engagements sociaux", un peu différente est la suivante : lorsqu’un
salarié quitte son entreprise, il y a un "manque à gagner" dans la provision (qui en fait est un gain
pour l’entreprise).
L’exemple suivant permet de comprendre ce parallèle entre le PVFP et la VAP d’un salarié :
58
Figure 5.7 – Calcul d’une PVFP
Figure 5.8 – Calcul d’une VAP
Les hypothèses ont été choisies de façon simpliste pour comprendre le fonctionnement. Pour calculer
la PVFP, l’assureur somme les marges financières qui seront réalisées chaque année. Ces marges sont
égales aux Provisions Mathématiques multipliées par le taux de marge financière (ici 2%). Le taux de
rachat de 6% (structurel dans cet exemple) correspond exactement au taux de turnover appliqué dans
le cas de la VAP. La prestation probable pour un individu de 55 ans en 2012 partant à la retraite à
60 ans en 2017 est égale à la marge financière en 2017 calculée pour le calcul de la PVFP pour un
assureur.
5.3.4 Rachat conjoncturel et coût pour l’assureur

Dans l’exemple présenté précédemment, le taux de rachat structurel est égal à 6% fixe. Or comme
vu précédemment, l’ACP préconise une loi de rachat dynamique prenant en compte les rachats conjonc-
turels.
Par ailleurs, il est à noter que la loi présentée ci-dessus, qui correspond en fait à une combinaison de
deux options, est assymétrique (non centrée en zéro). Cet aspect va engendrer un coût pour l’assureur.
Afin d’illustrer ce coût, l’exemple ci-dessous présente le calcul de la PVFP dans deux scénarii : le
premier est appelé "scénario équivalent certain", et le second "scénario stochastique".
Le scénario "équivalent certain" correspond au scénario présenté ci-dessus pour calculer la PVFP :
59
Figure 5.9 – Scénario "équivalent certain"
Le scénario "stochastique" correspond au scénario présenté ci-dessus dans lequel la loi de rachat
dynamique a été ajoutée. Par la méthode de Monte Carlo, 2 500 simulations ont été réalisées et le
tableau ci-dessous correspond à l’une d’entre elle.
Figure 5.10 – Scénario "stochastique"
Sur les 5 ans disponibles dans cet exemple, les taux de rachat sont tous supérieurs à 6,0 %, ce qui
est notamment dû à l’assymétrie de la loi. En effet, en observant la loi de rachat, il apparaît que les
taux de rachat se situeront plus souvent au-dessus de 6,0 % qu’au-dessous.
La moyenne emprique des 2 500 simulations est égale à 1 622 euros, et donc le coût pour l’assureur
de la mise en place de la loi de rachat conjoncturelle dynamique est de 55 euros dans le cas de cet
exemple simple :
Figure 5.11 – Coût des options
Ce coût pour l’assureur peut être vu comme une diminution de la provision pour l’entreprise. En
effet, le fait de racheter son contrat d’assurance engendre un manque à gagner pour l’assureur au
60
niveau de la PVFP, et donc la fait diminuer. Le lien entre la VAP et la PVFP mis en évidence dans le
paragraphe précédent implique que l’introduction d’un turnover dynamique fera diminuer la VAP.
5.3.5 Détermination des paramètres de la loi dynamique de turnover

Le lien établi entre la PVFP et la VAP permet d’imaginer un modèle de turnover dynamique, dans
lequel la loi dynamique de turnover sera implémentée suivant le modèle de loi de rachat conjoncturel.
En premier lieu, le taux servi dans le modèle de calcul de la PVFP correspondra au profil de car-
rière. Le taux de rendement espéré de l’assuré sera similaire au taux de profil de carrière espéré du
salarié, et il sera indexé sur l’inflation.
Le turnover "structurel" correspond aux tables lissées précédemment (lissage polynomial, logarith-
mique et linéaire et le modèle de Lee-Carter). Ce turnover sera noté par la suite pour l’année n :
T ostructurel (n). Le turnover "conjoncturel" est défini par la formule de la loi de rachat conjoncturel
définie précedemment et dont les paramètres vont être ajustés de sorte que le turnover conjoncturel soit
nul sur une longue période afin d’éviter qu’une part de ce turnover conjoncturel puisse être considéré
comme structurel.
L’inflation est simulée stochastiquement avec le modèle de Wilkie explicité dans le premier para-
graphe de cette partie. Cette inflation est comparée au taux de profil de carrière, de la même manière
que le taux de rendement attendu est comparé au taux servi. La formule adaptée au turnover est la
suivante :
A = Min(a; Max(d; b × (Inflation - Taux de profil de carrière) − c)))
Les coefficients a, b, c et d sont déterminés par un algorithme de recherche exhaustive (encore

appelé Brute Force) permettant d’obtenir un turnover conjoncturel moyen nul sur une longue période.
Les valeurs initiales de a, b, c et d sont égales aux valeurs de la loi de rachat conjoncturel présentée
précédemment car ces valeurs permettaient déjà d’obtenir un turnover conjoncturel proche de 0 en
moyenne. Chaque valeur est ensuite testée sur un intervalle allant de 0 à une valeur économiquement
acceptable.
Les valeurs trouvées pour ces quatre paramètres sont présentées dans le tableau ci-dessous :
Coefficients a b c d
Non cadres 12 % 3 0,30 % -2,80 %
Cadres 12 % 3 0,45 % -3,80 %
Ainsi, la probabilité de présence est défini par :
P(n) = Min(1; 1 − A − Tostructurel (n))
Ces formules signifient que lorsque l’écart entre l’inflation et le taux de profil de carrière dépasse
0,30 % pour les non cadres et 0,45 % pour les cadres, le salarié n’est pas satisfait de sa revalorisation
de salaire et a une perte de pouvoir d’achat. Cela entraîne une hausse du taux de turnover avec une
pente de coefficient directeur 3, dans la limite de 12 %. Par ailleurs, si le seuil de 0,30 % pour les non
cadres et 0,45 % pour les cadres ne sont pas atteints, il est considéré que les salariés ont tendance à
être satisfaits de leur rémunération et le turnover est ainsi diminué.
61
5.3.6 Résultats
Le calcul de la PBO a été effectué sous Excel via un programme VBA permettant de réaliser
plusieurs itérations pour chaque salarié pour les différents taux de turnover obtenus par la formule
dynamique. Ce calcul a été effectué sur les 4 tables prospectives précédemment réalisées, qui constitue
ainsi le turnover structurel. Les résultats avant et après application du turnover dynamique (nommé
turnover dynamique 1 dans la suite de ce mémoire) sont présentés dans le tableau ci-dessous :
Figure 5.12 – Résultats avec l’application du turnover dynamique 1
Le graphique suivant permet d’illustrer ces résultats :
Figure 5.13 – Graphique des résultats avec l’application du turnover dynamique 1
D’une part, l’écart relatif observé sur toutes les tables est du même ordre de grandeur (aux alentours
de -10 %), ce qui est rassurant sur le comportement de la loi dynamique ainsi que sur la simulation
de l’inflation par le modèle de Wilkie. En effet, les paramètres de la loi de turnover dynamique étant
les mêmes pour chaque modèle, il est normal d’observer une baisse/hausse équivalente de tous les
engagements. D’autre part, l’engagement diminue par l’application du turnover conjoncturel, ce qui
implique que les salariés sont plutôt revalorisés en dessous de l’inflation, notamment les non cadres, et
par conséquent, le turnover est plus fort (il peut atteindre 12 % de plus que le turnover structurel, ce
qui engendre une baisse de l’engagement conséquente).
62
Il est intéressant à présent d’inclure d’autres variables macroéconomiques dans la détermination du
turnover dynamique. Dans la partie suivante, un turnover dynamique dépendant de l’inflation, du
chômage et des salaires est implémenté.
5.4 Théorie macroéconomique et construction de la table pre-

nant en compte le chômage et l’inflation
5.4.1 Le marché du travail

En moyenne en 2012, d’après l’enquête Emploi 2012, 25,8 millions ont un emploi et 2,8 millions
sont au chômage au sens du BIT 2 (Bureau international du travail). Par ailleurs, 21,8 personnes sont
inactives, c’est à dire ne travaillent pas et ne recherchent pas activement un emploi ou ne sont pas
disponibles pour en occuper un.
Le tableau ci-dessous présente cette répartition de la population de plus de 15 ans :
Figure 5.14 – Répartition de la population de plus de 15 ans
Le taux de chômage est défini comme la part de chômeurs dans la population active. En 2011,
ce taux atteignait les 9,2 % et en 2012, les 10,6 %. Ce taux de chômage peut refléter deux réalités
complètement différentes. D’une part, il peut représenter un marché du travail actif, avec de nombreuses
séparations (travailleurs quittant ou perdant leur emploi), de nombreuses embauches et un grand
nombre de travailleurs entrant ou sortant du chômage. A l’inverse, il peut refléter un marché du travail
fracturé, avec peu de séparations, peu d’embauches, et dans lequel une fraction de la population reste
au chômage en permanence.
La figure ci-dessous représente les mouvements mensuels moyens existant en 2008 entre emploi,
chômage et inactivité en France :
2. Un chômeur au sens du BIT est une personne en âge de travailler (conventionnellement 15 ans ou plus)qui : 1/
n’a pas travaillé au cours de la semaine de référence ; 2/ est disponible pour travailler dans les deux semaines et 3/ a
entrepris des démarches effectives de recherche d’emploi ou a trouvé un emploi qui commence dans les trois mois.
63
Figure 5.15 – Flux mensuels moyens entre emploi, chômage et inactivité en France en 2008
Cette figure indique que les flux de travailleurs sortant et entrant de l’emploi sont importants.
D’autre part, les flux d’entrée et de sortie du chômage sont conséquents par rapport au nombre de
chômeurs. Enfin, les flux d’entrée et de sortie de l’activité sont également importants et la plupart
d’entre eux sont issus ou vont vers l’emploi.
Ces mouvements d’entrées et de sorties sont nombreux car chaque jour, certaines entreprises
connaissent un ralentissement de leur activité et diminuent leurs effectifs pendant que d’autres, dont
l’activité se porte bien, créent des emplois.
Il est important de souligner que ces flux entre emploi, chômage et inactivité ne concernent pas de
la même façon toutes les catégories de travailleurs. Cette hétérogénéité des expériences sur le marché
du travail s’explique en partie par le cycle de vie, les jeunes allant d’un emploi à l’autre jusqu’à ce
qu’ils trouvent celui qui leur convient et qu’ils vont garder.
De plus, les différences de qualification et de formation jouent aussi leur rôle. En effet, les tra-
vailleurs non qualifiés, quel que soit leur âge, ont un taux de chômage plus fort que les travailleurs
qualifiés. Les macroéconomistes considère ainsi le marché du travail comme dual : parrallèlement au
marché du travail primaire, où les emplois sont bons, les salaires élevés et la rotation faible, existe un
marché du travail secondaire dans lequel les emplois sont médiocres, les salaires bas et la rotation élevée.
Il est intéressant à présent d’observer l’évolution du chômage. Le graphique suivant présente le taux
de chômage français depuis 1975 :
64
Figure 5.16 – Taux de chômage français entre 1975 et 2012
Sur ce graphique, on observe que le taux de chômage a une tendance croissante depuis 1975, avec
deux périodes de recul, la première dans la seconde moitié des années 90 et la seconde en 2007. Depuis,
avec la crise financière et économique, on observe une hausse du taux de chômage qui atteint les 10,4 %
début 2013.
Il est intéressant de se demander comment les fluctuations du taux de chômage affectent les tra-
vailleurs notamment sur leur bien-être et leur salaire et donc sur le turnover qui en découle.
Pour réduire ses effectifs, une entreprise peut soit diminuer l’embauche des nouveaux travailleurs
ou encore licencier une partie de sa main d’oeuvre. Généralement, les entreprises préfèrent ralentir,
voire stopper les nouvelles embauches et encourager les départs volontaires (démissions, retraites, pré-
retraites) pour réduire l’emploi. Lors de crises importantes, elles sont alors obligées de licencier une
partie de leur effectif.
Les conséquences des réductions d’effectif sur les travailleurs sont les suivantes : lors des baisses
d’embauche, les chômeurs auront plus de mal à trouver un emploi, il y aura donc moins d’emplois
vacants. D’autre part, un taux de chômage plus fort signifie plus de candidats pour chaque emploi
vacants. Ces deux résultats rendent la sortie du chômage plus difficile. Si l’entreprise choisit de licencier,
le risque de perdre son emploi augmente pour les travailleurs. Ainsi, lorsqu’une entreprise est en
difficulté et choisit de geler les embauches et de licencier, un individu aura une probabilité plus forte de
tomber au chômage et une probabilité plus faible d’en sortir. Plusieurs études ont montré la corrélation
entre taux de chômage et taux de sortie du chômage. De même, les forts taux de chômage supposent
de forts taux de séparation (perdre son emploi).
5.4.2 La détermination des salaires, lien avec le chômage

Il existe un lien entre le niveau des salaires et le taux de chômage. Les salaires peuvent être déter-
minés de plusieurs façons : ils peuvent être fixés par des négocitations collectives (entre les entreprises
et les syndicats), ils peuvent être imposés par l’employeur ou encore négociés entre l’employeur et
l’employé. Ces modes de détermination dépendent souvent des qualifications. Deux faits majeurs ap-
65
paraissent dans la détermination des salaires :
1. les travailleurs reçoivent généralement un salaire supérieur à leur salaire de réservation, qui est
défini comme le salaire pour lequel il leur serait indifférent de continuer de chercher un emploi
mieux payé ou d’accepter l’emploi qui leur est proposé. Autrement dit, la plupart des travailleurs
sont rémunérés à un salaire suffisamment élevé pour qu’ils préfèrent exercer un emploi plutôt que
de rester au chômage pour en trouver un autre ;
2. les salaires dépendent en général des conditions de marché du travail. Plus le taux de chômage
est bas, plus les salaires sont élevés.
Ces deux faits s’expliquent par deux types d’arguments.
Le premier consiste à dire que les travailleurs ont un certain pouvoir de négociation qu’ils utilisent
pour obtenir un salaire au-dessus de leur salaire de réservation. Ce pouvoir de négociation dépend de
deux facteurs. D’une part, il dépend de la difficulté qu’aurait l’entreprise à remplacer le travailleur s’il
démissionnait. D’autre part, il dépend aussi de la facilité que le travailleur aurait à retrouver un autre
emploi.
Ainsi, le pouvoir de négociation d’un travailleur dépend de la nature de son emploi. Dans le cas
de notre étude, qui analyse le comportement du turnover des salariés d’une entreprise de restauration,
remplacer un serveur de base ne sera pas onéreux pour l’entreprise car ce métier s’apprend vite et les
candidats ne manquent pas à l’appel. Ce type de salarié n’a donc quasiment aucun pouvoir de négo-
ciation. A l’inverse, un cadre commercial travaillant dans l’entreprise étudiée, ayant fait ses preuves
auprès de l’employeur, peut s’avérer plus difficile à remplacer. Il a alors un fort pouvoir de négociation
et s’il demande une augmentation de salaire, l’entreprise décidera certainement de l’accepter.
Le pouvoir de négociation dépend aussi de la nature du marché du travail. Lorsque le taux de chô-
mage est bas, les entreprises ont plus de mal à trouver de bons remplaçants et le travailleurs ont plus
de facilités à trouver un autre emploi. Dans de telles conditions, les travailleurs ont un fort pouvoir de
négociation et peuvent obtenir de bons salaires. En revanche, lorsque le taux de chômage est élevé, les
entreprises trouvent facilement des remplaçants et les travailleurs ont plus de mal à trouver un autre
emploi, ce qui affecte négativement leur pouvoir de négociation.
Le second consiste à penser que les entreprises peuvent avoir un intérêt à verser de bons salaires afin
de rendre leur employés plus productifs. La période de formation d’un salarié est parfois longue et il
est préférable pour l’entreprise que le salarié conserve son emploi à l’issue de celle-ci. Comme expliqué
ci-dessus, si le salarié est payé à son salaire de réservation, il lui est indifférent de rester ou de partir de
l’entreprise. L’entreprise a donc intérêt à payer les salariés au-dessus de leur salaire de réservation afin
de diminuer son taux de rotation et augmenter sa productivité. Les économistes appelent "théories
du salaire d’efficience" les théories reliant la productivité ou efficience des travailleurs à leur salaire.
Dans la suite, le salaire de réservation sera appelé salaire d’efficience (noté SE). Tout comme le pouvoir
de négociation, les théories du salaire d’efficience supposent que le salaire dépend aussi de la nature
de l’emploi et des conditions du marché du travail. En effet, les entreprise qui considèrent le moral
et l’enthousiasme de leurs salariés comme essentiels à la qualité de leur travail paieront de meilleurs
salaires que les entreprise où le travail est plus routinier.
66
De même, le taux de chômage joue aussi un rôle sur le niveau de salaires. Un taux de chômage
faible encourage les travailleurs à démissionner car ils retrouvent facilement un travail. L’entreprise
a alors intérêt à payer leurs salariés au-dessus de leur salaire de réservation. Ainsi, un faible taux de
chômage entraîne de forts salaires.
Toutes ces observations sur les salaires peuvent se résumer dans l’équation suivante, qui servira à
la construction de la table prenant en compte l’inflation et le chômage :
W = P e F [u(−), z(+)]
où W représentant le salaire nominal dépend de trois facteurs :

– le niveau de prix anticipé P e ;
– le taux de chômage u (le signe moins à côté de u signifie qu’une hausse du taux de chômage
entraîne une baisse des salaires) ;
– une variable composite z représensant tous les autres facteurs affectant positivement la détermi-
nation des salaires.
Cette relation est appelée relation WS (wage-setting relation) en macroéconomie.
Le niveau des prix anticipé P e qui ne sera ici pas distingué du niveau courant de prix par souci de
simplicité (mais le lecteur pourra se reporter à l’ouvrage de O. BLANCHARD ET D. COHEN [2011]
pour plus de précisions) influence les salaires car les salariés et les entreprises ne se soucient pas du
salaire nominal mais du salaire réel.
En effet, les salariés ne se soucient pas du nombre d’euros qu’ils reçoivent mais de la quantité de biens
que leur salaire peut leur apporter. C’est donc le salaire en termes de biens que leur importe W/P où
P désigne le niveau courant des prix. De même, les entreprises s’intéressent aux salaires qu’elles paient
en termes de biens vendus.
Ainsi, le salaire et le niveau des prix anticipé sont proportionnels car si et les entreprises et les
salariés anticipaient que le niveau de prix allaient doubler, ils se mettraient d’accord pour doubler le
salaire nominal.
Le taux de chômage détermine aussi le niveau du salaire. En effet, comme présenté au-dessus, une
hausse du taux de chômage entraîne une baisse du niveau des salaires.
La variable composite z englobe tous les autres facteurs affectant la détermination des salaires pour
un niveau des prix anticipé donné et un taux de chômage donné. Par exemple, l’assurance chômage
est un facteur affectant positivement le niveau des salaires. En effet, s’ils n’étaient pas prévues d’al-
locations chômages, les travailleurs travailleraient pour des salaires très bas. Le taux de changement
structurel de l’économie, un changement dans la législation du salaire minimum, une modification des
règles de licenciement, etc. font aussi partie des facteurs affectant positivement le niveau des salaires
et sont englobés dans z.
Ces résultats macroéconomiques sont à relier avec la relation entre les prix et les salaires, nommée
relation PS (price-setting relation), qui ne sera pas développée en détail ici (le lecteur pourra se
reporter à l’ouvrage O. BLANCHARD ET D. COHEN [2011]). Cette relation s’exprime comme suit :
P = (1 + µ)W
67
où µ désigne la marge de l’entreprise.
Sur la figure ci-dessous est représentée la relation WS et la relation PS :
Figure 5.17 – Les relations WS et PS, et le taux de chômage structurel
Le salaire réel choisi lors de la détermination des salaires est une fonction décroissante du taux de
chômage (représentée par une droite décroissante sur le schéma précédent pour simplifer). Le salaire
réel induit par la détermination des prix est constant et ne dépend pas du chômage. Ainsi, le taux de
chômage structurel est celui pour lequel le salaire réel choisi lors de la détermination des salaires est
égal au salaire réel induit par la détermination des prix.
Dans le modèle choisi, la relation PS n’intervient pas et le seul résultat pris en compte est le fait que
les salaires évoluent en sens contraire du taux de chômage. Par ailleurs, pour mémoire, les travailleurs
s’intéressent à leur salaire réel et non pas leur salaire nominal. Ceci implique que l’inflation va jouer un
rôle dans la détermination des salaires. Dans la partie suivante, une relation entre inflation et chômage
est décrite, qui permettra de lier les trois variable macroéconomiques : salaire, chômage et inflation.
5.4.3 La courbe de Phillips

C’est en 1958 que A. W. Phillips a représenté sur un diagramme le taux d’inflation en ordonnée et
le taux de chômage en abscisse au Royaume-Uni pour les années allant de 1861 à 1957. Il remarqua
une corrélation négative très forte entre inflation et chômage. En effet, lorsque le chômage était élevé,
l’inflation était faible et inversement. La même étude a été réalisée deux ans plus tard aux Etats-Unis
sur des données allant de 1900 à 1960 et cette relation entre inflation et chômage fut baptisée courbe
de Phillips. Cette relation devint très importante dans la pensée et la politique macroéconomiques
et semblait indiquer que les pays pouvaient choisir entre différentes combinaisons de chômage et d’in-
flation comme s’ils pouvaient atteindre un faible taux de chômage à la condition de tolérer une forte
inflation et inversement.
Toutefois, en 1970, la relation devint caduc. En effet, aux Etats-Unis et dans la plupart des pays
de l’OCDE, il y avait à la fois une forte inflation et un fort chômage ce qui contredisait la courbe
de Phillips. Une nouvelle relation vu le jour, entre le taux de chômage et le taux de croissance de
68
l’inflation. De nos jours, un fort taux de chômage ne semble pas indiquer une faible inflation mais
plutôt une baisse de l’inflation.
Il est nécessaire d’établir une relation entre le taux d’inflation, le taux d’inflation anticipé et le taux
de chômage pour bien comprendre les résultats de la courbe de Phillips.
Pour rappel, voici les deux relations (WS et PS) mises en évidence dans le paragraphe précédent :
W = P e F (u, z)
P = (1 + µ)W
En combinant les deux équations, on obtient :
P = P e (1 + µ)F (u, z) (5.1)
Supposons que F soit de la forme suivante :
F (ut , z) = 1 − αut + z
Cette formule indique que plus le chômage est élevé, plus le salaire est faible et plus z est élevé,
plus le salaire est élevé (et le niveau des prix aussi car les entreprises augmentent leurs prix en réponse
à la hausse des salaires). Le paramètre α mesure l’intensité de l’impact du chômage sur les salaires.
Ainsi, plus α est élevé, plus le chômage fait baisser les salaires.
En remplaçant F dans l’équation 5.1, nous obtenons :
P = P e (1 + µ)(1 − αut + z) (5.2)
En notant πt le taux d’inflation en t, c’est-à-dire le taux de croissance des prix entre l’année passée
et l’année présente (on notera de la même façon πte le taux d’inflation anticipé, c’est-à-dire le taux de
croissance des prix entre l’année passée et l’année présente qu’avaient anticipé le partenaires sociaux
l’année passée), on peut écrire :
Pt Pt − Pt−1
1 + πt = =1+
Pt−1 Pt−1
Une relation entre le taux d’inflation, le taux d’inflation anticipé et le taux de chômage peut alors
être déduite de l’équation 5.2 en la divisant par Pt−1 :
Pt Pe
= t (1 + µ)(1 − αut + z)
Pt−1 Pt−1
En utilisant la définition du taux d’inflation et en l’appliquant de la même façon sur le taux d’inflation
anticipé, on obtient :
1 + πt = (1 + πte )(1 + µ)(1 − αut + z)
Il faut ensuite diviser les deux membres par (1 + πte )(1 + µ) :
1 + πt
= (1 − αut + z)
(1 + πte )(1 + µ)
On suppose alors que l’inflation, l’inflation anticipée et le taux de chômage ne sont pas trop élevés
69
pour approximer de la façon suivante :
1 + πt − πte − µ = 1 − αut + z
Ce qui donne au final :

πt = πte + (µ + z) − αut
Par souci de simplification, il est supposé que l’inflation et l’inflation salariale sont égales dans cette
étude. Cette équation indique alors que le taux d’inflation est positivement corrélé à l’inflation anticipé
et négativement corrélé aux taux de chômage.
Il est important de souligner que dans les années 1960, aux Etats-Unis l’inflation moyenne était
proche de zéro. Lors de la fixation du salaire nominal pour l’année à venir, les partenaires sociaux
doivent anticiper l’inflation. Dans les années 1960, il était ainsi normal de fixer l’inflation anticipée à
zéro. L’équation mathématique obtenue est alors simplifiée :
πt = (µ + z) − αut (5.3)
Ainsi, Phillips a montré qu’un faible taux de chômage entraînait des prix plus hauts que ceux de
l’année passée i.e. une inflation plus forte. Ce mécanisme est appelé spirale prix-salaires : un faible
chômage entraîne une hausse des salaires nominaux, ce qui incite les entreprises à augmenter leurs
prix, ce qui incite les salariés à demander une augmentation de salaire, ce qui fait augmenter les prix
et ainsi de suite...
L’étude de la courbe de Phillips a été réalisée aux Etats-Unis mais le cas français est plus intéressant
dans le cadre de cette étude. La figure suivante présente les couples inflation-chômage en France entre
1953 et 1966 :
Figure 5.18 – Inflation et chômage en France, 1953-1966
Un pic d’inflation s’est produit en 1959, avec les débuts de la Vème république et la guerre d’Algé-
rie. Dans les années suivantes, la politique de rigueur mise en place fit baisser l’inflation.
70
Toutefois, en 1970, la relation se brise comme le montre la figure suivante :
Figure 5.19 – Inflation et chômage en France, 1970-2008
Une montée brutale de l’inflation est observée ainsi qu’un déplacement brutal de la courbe vers la
droite. La relation entre inflation et chômage n’apparait plus clairement.
La disparition de la courbe de Phillips s’explique par deux faits. L’Europe et les Etats-Unis ont
été frappés dans les années 1970 par des hausses du prix du pétrole, qui ont engendrés des hausses
de coûts de production et donc les entreprises ont augmenté leurs prix à salaires donnés. Elles ont
donc augmenté leur marge µ. D’après l’équation 5.3, une hausse de µ entraîne une hausse de l’inflation
quelque soit le niveau du chômage. Par ailleurs, à partir de 1968, le processus d’inflation a évolué.
En effet, il reste désormais constamment positif et on constate qu’une inflation forte une année a plus
de chance d’être suivie par une autre inflation forte l’année suivante. Ce phénomène a conduit les
salariés et entreprises à réviser leur mode de détermination de l’inflation anticipée. Lorsque l’inflation
est constamment positive, il est abbérant d’anticiper que les prix de demain seront égaux à ceux d’au-
jourd’hui. Ainsi, les anticipations commencent à prendre en compte l’inflation.
Les anticipations de l’inflation peuvent être exprimées ainsi :
πte = θπt−1
La valeur de θ mesure l’effet de l’inflation passée sur l’inflation anticipée. En fait, plus le paramètre θ
est élevé, plus l’inflation de l’année passée incite les salariés et les firmes à réviser leurs anticipations
d’inflation pour cette année, et donc l’inflation anticipée est plus élevée.
Ainsi, avec cette formule, θ était proche de 0 avant 1970, et l’équation de la courbe de Phillips
donnée ci-dessus était juste.
Cependant, dans les années 1970, la valeur de θ a brusquement augmenté au cours du temps. Ainsi,
les travailleurs et entreprises commencèrent à modifier leur comportement d’anticipation : si l’inflation
avait été forte cette année, elle le serait aussi l’an prochain. A partir de 1970, il semble que le taux
d’inflation était anticipé de sorte qu’il soit égal à celui de l’année précédente, c’est à dire θ est égal à
1.
71
L’équation suivante est alors obtenue :
πt = θπt−1 + (µ + z) − αut
Lorsque θ est égal à zéro, il s’agit de la courbe de Phillips initiale.

Lorsque θ est positif, cela signifie que le taux d’inflation ne dépend pas seulement du chômage mais
aussi de l’inflation de l’an passé. Ainsi, lorsque θ est égal à 1, l’équation suivante est obtenue :
πt − πt−1 = (µ + z) − αut
Le taux de chômage affecte la variation de l’inflation. Un chômage fort entraîne une baisse de
l’inflation et un chômage faible entrâine une hausse de l’inflation.
Généralement, cette courbe est appelée "courbe de Phillips augmentée des anticipations".
Sur la période de 1970 à 2008 en France, la droite s’ajustant le mieux au nuage de points est
l’équation suivante :
πt − πt−1 = 7, 9% − 0, 81ut
Cette droite est illustrée sur le graphique ci-dessous :
Figure 5.20 – Variation de l’inflation et chômage en France, 1970-2008
Une relation décroissante entre le taux de chômage et une mesure de la variation de l’inflation est
ainsi obtenue. Cette relation va permettre de lier l’inflation et le chômage dans le modèle présenté dans
la partie suivante.
5.4.4 Construction de la table et résultats

Plusieurs relations ont été mises en évidence précédemment entre les salaires, l’inflation et le chô-
mage.
Les observations résultant des analyses ci-dessous concernant le turnover sont les suivantes :
– Un chômage faible entraîne des salaires élevés (modèle WS) ;
72
– Il existe une relation décroissante entre inflation et chômage (courbe de Phillips).
L’idée d’un modèle de turnover liant l’inflation, le chômage et les salaires apparait alors possible
et la construction choisie est décrite ci-dessous.
1. La première étape consiste à simuler stochastiquement l’inflation via le modèle de Wilkie. Pour
mémoire, ce modèle est décrit dans le paragraphe 5.1 et les paramètres ont été estimés grâce à
la méthode des moindres carrés.
2. La seconde étape consiste à déduire le chômage de l’inflation en utilisant l’équation de la courbe

7,9%−πt +πt−1
de Phillips. Le chômage est donc déduit à l’aide de cette fonction : ut = 0,81 .
3. La troisième étude utilise les résultats du modèle WS décrits au paragraphe 5.4.2 qui indiquent
qu’un chômage faible entraîne des salaires élevés. La règle utilisée est alors la suivante : si la
variation du taux de chômage entre deux années consécutives est négative (i.e. le chômage di-
minue entre l’année n-1 et l’année n), le profil de carrière utilisé pour revaloriser le salaire sur
ces deux années correspond à 3,0 % pour les cadres ou à 2,0 % pour les non cadres. A l’inverse,
si la variation du taux de chômage entre deux années consécutives est positive (i.e. le chômage
augmente entre l’année n-1 et l’année n), le profil de carrière utilisé pour revaloriser le salaire sur
ces deux années correspond au taux d’inflation. Etant donné la relation de Phillips entre inflation
et chômage, il ne risque pas d’y avoir d’aberration en cas d’une forte augmentation de l’infla-
tion (qui ferait alors diminuer le chômage et le salaire serait revalorisé au profil de carrière initial).
4. Enfin, un salaire d’efficience est défini pour les deux catégories Cadres et Non cadres. Pour
mémoire, ce salaire est celui pour lequel il serait indifférent pour un travailleur de continuer de
chercher un emploi mieux payé ou d’accepter l’emploi qui lui est proposé. Ces salaires d’efficience
ont été définis par rapport à l’étude présentée dans le paragraphe 5.1.1. Le salaire d’efficience des
cadres est de 45 000 euros et celui des non cadres est de 17 163 euros. Le salaire construit dans la
troisième étape est alors comparé à ce salaire d’efficience (qui est revalorisé chaque année selon
l’inflation). Le turnover dynamique correspond à celui proposé dans le paragraphe 5.2 (formule
des rachats) pour lequel la formule et les paramètres ont été ajustés. La comparaison a lieu entre
la différence du salaire efficient et le salaire avec l’inflation.
Les nouveaux paramètres estimés pour la loi dynamique ont été trouvés de la même manière que
pour le modèle précédent, c’est-à-dire en cherchant à avoir un turnover dynamique nul sur une longue
période. Les paramètres utilisés sont donnés dans le tableau ci-dessous :
Coefficients a b c d
Non cadres 5,80% 3 0,30% -2,60%
Cadres 12,86% 6,8 0,32% -2,71%
Le maximum de turnover pour les non cadres est de 5,80 %, ce qui est plus faible que dans le
modèle précédent.
73
Un schéma résumant ces différentes étapes est présenté ci-dessous :
Figure 5.21 – Etapes de construction du modèle
En définitif, ce modèle fonctionne exactement comme le précédent modèle de turnover dynamique

mais l’intégration du chômage et de l’inflation le rende plus juste d’un point de vue macroéconomique.
Cependant, de nombreuses autres variables influent sur le turnover et ce modèle pourrait bien sûr être
encore amélioré.
Ce modèle de turnover dynamique a été appliqué sur les quatre tables prospectives précédentes qui
constituent donc le turnover structurel.
74
Les résultats sont présentés dans le tableau ci-dessous :
Figure 5.22 – Résultats avec l’application du turnover dynamique 2
Le graphique suivant permet d’illustrer ces résultats :
Figure 5.23 – Graphique des résultats avec l’application du turnover dynamique 2
Comme pour le modèle de turnover dynamique précédent, l’engagement est plus faible que sans
turnover conjoncturel, dans des proportions semblables pour chaque table. Toutefois, dans ce cas de
figure, l’engagement est doublement diminué. En effet, comme présenté dans ce graphique, l’écart relatif
atteint - 25,8 %, ce qui est considérable pour ce type de provisions. Cet écart significatif provient du
choix du salaire efficient. En effet, l’inflation et le chômage sont liés linéairement et affecte l’engagement
quasiment de la même manière que dans le modèle précédent alors que la notion de salaire efficient,
certes importante et très proche de la réalité, est très sensible sur le turnover dynamique. Par ailleurs,
un unique salaire efficient a été choisi pour les cadres (et un autre pour les non cadres), alors que les
salaires ne dépendent pas que de la catégorie socio-professionnelle. Cette hypothèse pourrait également
être ajustée par âge ou par ancienneté, mais il est difficile de trouver un salaire de "marché" en fonction
de ces paramètres. Le choix d’un salaire efficient par catégorie socioprofessionnelle a été fait, mais il
faut garder à l’esprit que ce salaire efficient ne peut pas être un salaire de marché pour chaque individu.
75
6 Comparaison et projections des résultats
6.1 Comparaison des résultats pour l’engagement en 2011

Le graphique suivant synthétise tous les résultats présentés dans ce mémoire :
Figure 6.1 – Graphique des résultats avec l’application du turnover dynamique 1 et 2
La première analyse est claire : l’introduction d’un turnover conjoncturel a pour conséquence de
diminuer l’engagement, et il est à noter une réduction très significative de celui-ci avec le turnover
dynamique dépendant du chômage, de l’inflation et des salaires efficients. Ceci est notamment dû à
l’introduction des salaires efficients car certains salaires, notamment chez les non cadres étaient très
faibles (et inférieurs à 17 163 euros), ce qui a pour conséquence d’augmenter fortement le turnover dès
la première année, et jusqu’à ce que les conditions du marché (i.e. inflation et chômage) soient relative-
ment défavorables et que le salaire d’efficience passe en-dessous du salaire réel (ce qui est difficilement
atteignable si le salaire réel est significativement inférieur au salaire d’efficience dès la première année).
Les résultats du modèle polynomial (Table 1) sont très faibles. Ce constat s’explique par la di-
rection de la branche asymptotique qui ne dépend que des quelques dernières valeurs. Si ces valeurs
sont croissantes, le polynôme tend rapidement vers de très grandes valeurs que le modèle majore au-
tomatiquement par 1. Les résultats sont un peu plus élevés pour le modèle logarithmique (Table 2) en
raison de la monotonie de la fonction logarithme. En effet, c’est la convexité de la courbe qui donne
la direction asymptotique. La tendance est ici négative (décroissance du turnover dans le temps) et
76
donc le lissage est convexe et tend vers de petites valeurs rapidement. Le modèle logarithmique prend
donc mieux en compte la tendance générale du turnover, en dépit parfois de l’adéquation à un maxi-
mum de points. Pour le modèle linéaire, les résultats sont les plus élevés. Ce modèle ne prend en
compte que la tendance générale du turnover alors que le lissage polynomial tente de passer par le
maximum de points. Enfin, les résultats du modèle de Lee-Carter sont assez proches du modèle linéaire.
La probabilité de présence annuelle (hors mortalité) sur 10 ans est présentée dans les graphiques
suivants pour un individu de 31 ans pour la Table 1 (lissée avec une fonction polynomiale) :
Figure 6.2 – Probabilité de présence pour un individu de 31 ans - Table 1 - Cadres
Figure 6.3 – Probabilité de présence pour un individu de 31 ans - Table 1 - Non Cadres
Pour information, les graphiques de probabilité de présence annuelle (hors mortalité) pour un indi-
vidu de 31 ans pour les 3 autres tables sont présentés en Annexe D (pour les cadres et les non cadres),
car l’analyse est la même pour toutes les tables.
Sur l’exemple présenté, les probabilités de présence obtenues avec le turnover dynamique 1 sont
plus proches de celles obtenues avec le turnover structurel que celles obtenues avec le turnover dy-
77
namique 2. Cette observation s’explique par la construction de la loi dynamique 1 : l’inflation (qui
correspond en vision "loi de rachat" au taux espéré) est comparée au profil de carrière (3 % pour les
cadres et 2 % pour les non cadres, ces taux représentent les taux servis). Les paramètres du modèle
de Wilkie indiquent que l’inflation moyenne à long terme est égale à 1,80 %, ce qui est en dessous des
taux de profil de carrière (mais les seuils de dépassement étant égaux à 0,30 % pour les non cadres et
0,45 % pour les cadres, il est tout à fait normal d’observer un turnover proche du turnover structurel).
Ainsi, l’impact de cette loi est moins significatif que pour le deuxième turnover dynamique, qui prend
en compte l’inflation, le chômage et le salaire efficient. Pour information, le profil présenté correspond à
un cadre de 31 ans avec un salaire égal à 44 746 euros (moyenne des salaires 2011 pour les cadres) ou à
un non cadre de 31 ans avec un salaire de 17 513 euros (moyenne des salaires 2011 pour les non cadres).
Pour mémoire le salaire efficient des cadres est fixé à 45 000 euros et celui des non cadres à 17 163 euros.
Par ailleurs, les paramètres de la loi dynamique ont été calibrés de manière à obtenir un turnover
conjoncturel nul sur une longue période. La calibration est de meilleure qualité pour les non cadres (car
le salaire de marché est égal au SMIC et n’a pas été définie arbitrairement comme pour les cadres), c’est
pourquoi les courbes sont très proches sur le graphique des non cadres. Cette constatation prouve que la
calibration est de bonne qualité pour cette catégorie et de qualité moyenne pour la catégorie des cadres.
Le modèle du turnover dynamique 2 présente de très fortes hausses du turnover. Prenons l’exemple
de la première année pour un cadre, la loi de turnover dynamique 2 est définie comme suit :
(S-SE)
A = Min(12, 86%; Max(−2, 71%; 6, 8 × (inflation − − 0, 32%)))
S
Ici la différence entre salaire et salaire efficient vaut -0,6 % et la moyenne de l’inflation sur 200 scé-
narios économiques vaut 2,0 %. Ainsi, le calcul de la loi dynamique indique que A = 12,86 % (maximum
de turnover dynamique). C’est pourquoi la probabilité de présence pour cet individu dans le modèle de
turnover dynamique 2 est inférieure de 13 % environ par rapport au turnover structurel. Par ailleurs,
lorsque la probabilité de présence obtenue dans le modèle de turnover 2 est supérieure au turnover
strucurel, cela signifie que l’inflation a diminué. En effet, si l’inflation atteint une valeur basse, le sa-
laire efficient est revalorisé à ce taux, ce qui implique que le salaire sera nettement supérieur au salaire
efficient et donc d’après la modélisation, l’individu aura tendance à "plus" rester, ainsi son turnover
structurel sera augmenté (dans la limite de 2,71 % d’après la formule ci-dessus).
Une évolution possible du turnover dynamique 2 consiste à remplacer le salaire efficient par catégorie
par la moyenne des salaires efficients par âge et par catégorie (sous réserve de disposer des données
adéquates).
6.2 Projections des résultats

Il est intéressant de projeter les engagements jusqu’à extinction de la population. Dans cette étude,
la population sera entièrement à la retraite en 2049.
Pour certains régimes, il est nécessaire de faire une projection de population pour réaliser les pro-
jections de l’engagement. Cependant, les évaluations d’Indemnités de Fin de Carrière dans le cadre de
la norme IAS 19 ne nécessitent pas ce genre de projections de population, le choix d’une projection de
l’engagement jusqu’à extinction de la population est donc justifié.
78
Les passifs sociaux calculés selon la norme IAS 19 se projetent selon la formule suivante :
PBO31/12/n+1 = PBO31/12/n +Droits de l’annéen+1 +Charge d’intérêtsn+1 −Prestations théoriquesn+1
Les droits de l’année, ou encore le coût des services de l’exercice suivant (Service Cost) correspond
à l’augmentation probable de l’engagement suite à l’année d’ancienneté supplémentaire des salariés.
La charge d’intérêts, ou encore le coût d’actualisation (Interest Cost) correspond à l’accroissement
de l’engagement du fait de la réduction d’une année de la durée d’actualisation de la prestation. Les
prestations théoriques sont les prestations "probablement" versées dans l’année et qui viennent donc
en déduction de l’engagement de fin d’année.
Pour chaque table 1, 2, 3 et 4, la projection jusqu’à extinction de la population est tracée pour les
3 cas suivants :
– Projection réalisée avec la table sans turnover dynamique (en bleu) ;
– Projection réalisée avec la table avec le turnover dynamique dépendant uniquement de l’inflation
(nommé TO dynamique 1, en rouge) ;
– Projection réalisée avec la table avec le turnover dynamique dépendant de l’inflation, du chômage
et des salaires efficients (nommé dynamique 2, en jaune).
La première figure présente les projections avec la table lissée avec une fonction polynomiale (Table
1) :
Figure 6.4 – Projections avec table 1
Dans un premier temps, l’allure des projections est rassurante étant donné que les projections sont
réalisées jusqu’à extinction de la population. Les "pics" d’engagement se situent entre les année 2037
et 2041, il s’agit des années où la part la plus importante de la population partira à la retraite. En
effet, la population est relativement jeune et la moyenne d’âge se situe aux alentours de 32 ans, ce qui
signifie que ces personnes partiront massivement à la retraite dans 30 ans, i.e. dans les années 2040.
Dans un second temps, il est à noter que la courbe jaune (turnover dynamique 2) est toujours inférieure
à la courbe rouge (turnover dynamique 1), ce qui signifie que l’effet du turnover dynamique dépendant
du chômage et des salaires efficients est toujours plus fort que le turnover dynamique dépendant de
l’inflation.
79
La figure suivante présente les projections réalisées avec la table lissée par une fonction logarith-
mique :
L’allure des projections ressemble grandement à celle présentée avec la table lissée par une fonction
polynomiale. Toutefois, une différence plus importante est observée entre les courbes rouge et jaune
(c’est-à-dire entre les deux tables dynamiques). Ceci est dû au turnover structurel, qui est en fait la
table construite par lissage logarithmique. Cette table contient des taux très faibles pour les âges elévés
(voire nuls car la fonction logarithmique décroit très rapidement, et donc les taux de turnover sont
rapidement proches de 0 %). Ainsi, à partir d’un certain âge, l’engagement d’un individu est unique-
ment impacté par le turnover conjoncturel, qui ne peux excéder 12 %. Enfin, la valeur de 8 Millions
d’euros est dépassée pour la courbe bleue, sans turnover dynamique, contrairement à l’engagement
avec la table précédente.
La prochaine figure présente les projections réalisées avec la table lissée par une fonction linéaire :
Ces projections sont semblables à celles faites avec la table lissée par une fonction logarithmique,
80
ce qui s’explique par la décroissance très rapide de ces deux fonctions.
Enfin, cette dernière figure présente les projections réalisées avec la table obtenue par la méthode
de Lee-Carter :
La première observation est que l’engagement n’atteint pas des valeurs aussi élevées en projection
que celles atteintes avec les trois autres tables. Ceci est dû à la qualité du lissage de Lee-Carter. En
effet, ce lissage est beaucoup moins brutal que les trois lissages précédents, et permet ainsi d’obtenir
une projection deux fois moins élevée aux alentours de 2040 que les projections précédemment réalisées.
En définitif, ces projections permettent de visualiser la provision jusqu’à extinction de la population.

Il est à noter que les écarts entre les histogrammes bleus, rouges et jaunes sont toujours du même
ordre de grandeur pour toutes les tables car la loi dynamique utilisée est une loi additive (le turnover
conjoncturel est ajouté au turnover structurel).
6.2.1 Calcul de l’effet du turnover entre 2010 et 2011

Lors du calcul d’un engagement au titre des Indemnités de Fin de Carrière, une projection pour
l’année suivante est réalisée. Cette projection sert de comparaison pour le calcul des écarts actuariels
l’année suivante. On distingue les écarts liés aux hypothèses et les écarts liés aux données.
Les écarts sur hypothèses résultent des changements opérés au niveau des hypothèses actuarielles
comme par exemple un changement de taux d’actualisation, un changement de table de mortalité, un
changement de table de turnover, un changement de profil de carrière etc. Les écarts sur les données
sont constitués des écarts sur les sortants de l’entreprise, des écarts sur les entrants dans l’entreprise,
les écarts liés aux salaires, les changements sur les données (notamment date d’ancienneté et CSP), les
départs prévus et non réalisés etc.
Dans les écarts sur les données, un écart lié à l’ajustement de la table de turnover sur les données
existe aussi. Lorsqu’une table de turnover est trop forte, i.e. il y a moins de départs réels par rapport à
ceux prévus dans la table de turnover, un écart à la hausse est constaté. Dans le cas inverse, si la table
de turnover est trop faible, i.e. il y a plus de départs réels par rapport à ceux prévus dans la table de
81
turnover, un écart à la baisse est constaté.
Le graphique suivant présente les différents effets sur l’engagement liés au turnover pour chacune
des tables :
Figure 6.8 – Effet du turnover sur l’engagement entre 2010 et 2011
L’effet du turnover se calcule en faisant la différence pour la population commune entre 2010 et
2011 entre la PBO projetée au 31/12/2011 (calculée au 31/12/2010) et la PBO réelle au 31/12/2011
à laquelle la probabilité de turnover entre 2010 et 2011 a été retirée. Pour toutes les tables présentées
ici, le turnover est trop fort et un effet à la hausse de l’engagement est constaté.
La table de référence (table 0) engendre un effet à la hausse de 58 Keuros. Ce montant n’est pas
très élevé et ne représente que 4,6 % de la PBO au 31/12/2011 calculée avec cette table. Les trois tables
construites avec des lissages simples et sans application de turnover dynamique présentent un effet du
turnover beaucoup plus élevé que la table de référence, notamment les tables lissées avec une fonction
logarithmique et une fonction linéaire. La table construite par la méthode de Lee-Carter présente un
effet de turnover moins élevé que la table de référence. Cette table semble ainsi mieux ajustée pour
l’hypothèse de turnover entre 2010 et 2011.
L’application des lois dynamiques permet de réduire l’effet du turnover entre 2010 et 2011 et no-
tamment la première loi dynamique de turnover. Pour chacune des tables, l’application de premier
turnover dynamique réduit l’effet d’environ 20 % et l’application du second turnover dynamique réduit
l’effet d’environ 10 %.
Ainsi, au regard de cette étude de l’ajustement du turnover entre 2010 et 2011, la table obtenue
avec la méthode de Lee-Carter et avec application de la première loi dynamique de turnover pourrait
être proposée à cette entreprise.
82
Conclusion
Dans cette étude, l’importance de l’hypothèse de turnover a été mis en évidence dans le calcul d’en-
gagements sociaux, et plus particulèrement dans le calcul des Indemnités de Fin de Carrière. En effet,
la norme IAS 19 préconise des méthodes de calcul et des hypothèses actuarielles pour les Indemnités de
Fin de Carrière de plus en plus précises mais le turnover reste cependant une hypothèse peu encadrée
par la norme. Or, il s’agit d’une hypothèse cruciale et délicate à déterminer car elle diffère selon les
entreprises et dépend de plusieurs paramètres à la fois internes à l’entreprise mais aussi économiques
et juridiques.
Ce mémoire établit finalement un état des lieux des méthodes d’affinement du turnover, et propose
ainsi quelques pistes d’amélioration. Les premières tables prospectives de turnover ont été obtenues à
l’aide de lissages sur les données historiques par âge, et la dernière a été obtenue en utilisant le modèle
de Lee-Carter. Les résultats obtenus sont inférieurs à ceux obtenus avec le turnover usuellement utilisé,
ce qui peut souligner un sur-provionnement des engagements de la part de l’entreprise.
Ensuite, un turnover conjoncturel dynamique a été appliqué sur ces tables, permettant encore
de diminuer l’engagement. Ce turnover conjoncturel est inspiré des lois de rachat conjoncturels en
assurance Vie et sert à prendre en compte des évenements économiques extrêmes, qui pourraient in-
fluer sur le turnover. Dans le second modèle de turnover dynamique, la notion de salaire efficient est
très intéressante et semble significativement liée au turnover. Cependant, dans cette étude, les sa-
laires efficients ont été seulement distingués selon deux catégories : les cadres et les non cadres, alors
que ce salaire est aussi lié à l’âge et à l’ancienneté, ce qui compromet la justesse du modèle. Une piste
d’amélioration serait de définir un salaire efficient par âge, mais cela semble difficile à mettre en oeuvre.
Plusieurs autres méthodes pourraient être mises en oeuvre pour affiner le turnover, telles que :
– l’utilisation d’un modèle de taux tel que le modèle de Orstein-Ulhenbeck-Vasicek, qui permet-
trait de simuler stochastiquement le taux de turnover, ou le modèle de Cox-Ingersoll-Ross qui
permettrait en plus d’éviter les valeurs de turnover négatives (qui n’existent pas) ;
– l’utilisation d’autres modèles de mortalité tels que le modèle log-poissonien, ou encore le modèle
de Bongaarts qui est adapté aux petits échantillons et permettrait de réaliser des estimations
plus justes que le modèle de Lee-Carter ;
– l’utilisation de modèles de séries temporelles, car le turnover est relié à certaines valeurs macroé-
conomiques qui sont représentables par des séries temporelles telles que le PIB.
Par ailleurs, l’effectif de l’entreprise étudiée est relativement faible pour les modèles utilisés, no-
tamment le modèle de Lee-Carter. Il serait intéressant de faire ce travail sur une entreprise possédant
un effectif plus conséquent.
83
L’étude sur l’effet du turnover entre 2010 et 2011 indique que la table construite via le modèle de
Lee-Carter est la mieux ajustée pour réduire l’effet lié à l’hypothèse de turnover sur les données entre
2010 et 2011. Cette table pourrait être ainsi proposée au client pour l’évaluation en 2012, mais il n’est
pas possible de savoir à l’avance si cette table sera la mieux ajustée en 2012.
Enfin, il est important de souligner la forte sensibilité du turnover sur les résultats (une diminution
de 45 % est observée avec la table lissée par une fonction polynomiale), qui démontre que dans l’absence
d’un cadre précis de calcul, les engagements peuvent avoir des valeurs très disparates, d’où l’intérêt
d’étudier précisément chaque hypothèse influant sur l’engagement.
84
Bibliographie
[1] Blanchard O., Cohen D. [2011], "Macroéconomie", 5ème édition, Pearson, p 151-229.
[2] Bourbonnais R. [2000], "Econométrie", DUNOD.
[3] Chartoire R., Loiseau S. [2007], "L’économie", Repères pratiques, Nathan, p 74-101.
[4] Henderson R. [1924], "A new method of graduation", Transactions.
[5] Kaufmann R., Gadmer A., Klett R., [2001], "Introduction to Dynamic Financial Analysis",
Astin Bulletin.
[6] Le Mer S. [2010], "Capital économique en assurance Vie - Méthodes et optimisation du calcul",
Dauphine, Mémoire d’actuariat, p 114-115.
[7] Lee R.D., Carter L. S. [1992], "Modelling and forecasting mortality, with various extensions
and applications", Journal of the American Statistical Association 87, p 659-671.
[8] Lelieur V. [2005], "Construction de tables de mortalité prospectives : le cas des petites popula-
tions", ISFA, Mémoire d’actuariat.
[9] Marquetty S., Collet E. [2010], "La modélisation des avantages au personnel : complexité et
limites du modèle actuariel, le rôle majeur des comportements humains", CEA, Mémoire d’actua-
riat.
[10] Merle P. [2008], "Etude du turnover dans le cadre de l’évaluation des engagements sociaux en
norme IAS 19", EURIA, Mémoire d’actuariat.
[11] Etude Milliman [2011], "Analyse des résultats du QIS V sur France Vie et France Non Vie
Situation Aout 2011"
[12] Planchet F., Therond P. [2006], "Modèles de durée, Applications actuarielles", Economica.
[13] Planchet F., Winter P. [2007], "L’utilisation des splines bidimensionnels pour l’estimation
de lois de maintien en arrêt de travail", p 13-14.
[14] Quitard-Pinon Francois , "Marchés des capitaux et théorie financière", Economica, 3ed, 2003.
[15] Whittaker, E. T. [1923], "On a new method of graduation", Proceedings of the Edinburgh
Mathematical Society 41.
[16] Wilkie, A.D. [1986], "A stochastic investment model for Actuarial Use", Transactions of the
Faculty of Actuaries 39.
[17] Vidalenc J., Wolff L. [2011], "INSEE Enquête emploi 2011 - Une photographie du marché
du travail en 2011", INSEE, 2011.
[18] Site Focus IFRS, page dédiée a l’IAS 19
85
Table des figures
1.1 Projected Unit Credit Method . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

1.2 Projected Unit Credit Method with Service Prorate . . . . . . . . . . . . . . . . . . . . 17
1.3 Projected Unit Credit Method with Acquisition Prorate . . . . . . . . . . . . . . . . . . 17
1.4 Provision en cas d’application de la méthode du Corridor . . . . . . . . . . . . . . . . . 20
1.5 Provision en cas d’application de la méthode SoRIE . . . . . . . . . . . . . . . . . . . . 20
1.6 Comptabilisation révisée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1 Taille de la population et sorties observées . . . . . . . . . . . . . . . . . . . . . . . . . . 24

2.2 Taux à maturité 10 ans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3 Taux à maturité 20 ans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4 Accélération de la réforme des retraites . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.5 Turnover utilisé dans le modèle de référence . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.6 Résultats avec la table de turnover de référence . . . . . . . . . . . . . . . . . . . . . . . 30
3.1 Lissage du turnover observé par un polynôme de degré 3 pour l’âge 31 ans . . . . . . . . 33
3.2 Statistiques du Chi 2 - lissage polynomial . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.3 Résultat avec la table de turnover obtenue par lissage . . . . . . . . . . . . . . . . . . . 35
3.4 Lissage du turnover observé par une fonction logarithmique pour l’âge 31 ans . . . . . . 37
3.5 Résultat avec la table de turnover obtenue par lissage logarithmique . . . . . . . . . . . 37
3.6 Lissage du turnover observé par une fonction linéaire pour l’âge 31 ans . . . . . . . . . . 39
3.7 Résultat avec la table de turnover obtenue par lissage linéaire . . . . . . . . . . . . . . . 39
4.1 Graphe des taux bruts par âge et par année . . . . . . . . . . . . . . . . . . . . . . . . . 41

4.2 Graphe des taux lissés par Whittaker-Henderson par âge et par année . . . . . . . . . . 43
4.3 Valeurs de αx en fonction de la durée résiduelle d’activité . . . . . . . . . . . . . . . . . 46
4.4 Valeurs de βx en fonction de la durée résiduelle d’activité . . . . . . . . . . . . . . . . . 46
4.5 Valeurs de k en fonction du temps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.6 Taux instantanés de turnover par année par la méthode de Lee-Carter, sans ajustement
des coefficients . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.7 Taux instantanés de turnover par année, par le modèle de Lee-Carter avec ajustements
des coefficients . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.8 Taux instantanés de turnover par année jusqu’en 2047, par le modèle de Lee-Carter avec
ajustements des coefficients . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.9 PBO obtenue avec la table prospective issue de la méthode Lee-Carter . . . . . . . . . . 48
4.10 Statistique du χ2 sur l’ajustement par la méthode de Lee-Carter . . . . . . . . . . . . . 49
86
5.1 Turnover observé chez les non cadres et différence entre salaire de l’entreprise et salaire
du marché . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.2 Turnover observé chez les cadres et différence entre salaire de l’entreprise et salaire du
marché . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.3 Coefficients de corrélation entre le turnover et la différence entre les salaires de l’entre-
prise et du marché . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5.4 Série des indices des prix à la consommation annuels sur une période de 1983 à 2013 . . 55
5.5 Quantiles annuels des trajectoires générées par le modèle de Wilkie . . . . . . . . . . . . 56
5.6 Taux de rachat conjoncturel dynamique . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.7 Calcul d’une PVFP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.8 Calcul d’une VAP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.9 Scénario "équivalent certain" . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.10 Scénario "stochastique" . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.11 Coût des options . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.12 Résultats avec l’application du turnover dynamique 1 . . . . . . . . . . . . . . . . . . . . 62
5.13 Graphique des résultats avec l’application du turnover dynamique 1 . . . . . . . . . . . 62
5.14 Répartition de la population de plus de 15 ans . . . . . . . . . . . . . . . . . . . . . . . 63
5.15 Flux mensuels moyens entre emploi, chômage et inactivité en France en 2008 . . . . . . 64
5.16 Taux de chômage français entre 1975 et 2012 . . . . . . . . . . . . . . . . . . . . . . . . 65
5.17 Les relations WS et PS, et le taux de chômage structurel . . . . . . . . . . . . . . . . . . 68
5.18 Inflation et chômage en France, 1953-1966 . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.19 Inflation et chômage en France, 1970-2008 . . . . . . . . . . . . . . . . . . . . . . . . . . 71
5.20 Variation de l’inflation et chômage en France, 1970-2008 . . . . . . . . . . . . . . . . . . 72
5.21 Etapes de construction du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
5.22 Résultats avec l’application du turnover dynamique 2 . . . . . . . . . . . . . . . . . . . . 75
5.23 Graphique des résultats avec l’application du turnover dynamique 2 . . . . . . . . . . . 75
6.1 Graphique des résultats avec l’application du turnover dynamique 1 et 2 . . . . . . . . . 76

6.2 Probabilité de présence pour un individu de 31 ans - Table 1 - Cadres . . . . . . . . . . 77
6.3 Probabilité de présence pour un individu de 31 ans - Table 1 - Non Cadres . . . . . . . 77
6.4 Projections avec table 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
6.8 Effet du turnover sur l’engagement entre 2010 et 2011 . . . . . . . . . . . . . . . . . . . 82
A.1 Taux bruts de turnover . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
B.1 Table du χ2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
C.1 Table des droits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
G.1 Probabilité de présence pour un individu de 31 ans Cadre - Table 2 . . . . . . . . . . . . 95

G.4 Probabilité de présence pour un individu de 31 ans Non Cadre - Table 2 . . . . . . . . . 96
87
88
A Table des taux bruts de turnover
Figure A.1 – Taux bruts de turnover
89
B Table du χ2
Figure B.1 – Table du χ2
90
C Table des droits
Figure C.1 – Table des droits
91
D Test de Student
Le test de Student est un test fréquent en économétrie et sert à tester la significativité d’un coeffi-
cient.
β̂k − βk
Un bref rappel de la théorie est évoqué ci-dessous. Sous Itô, la statistique du test q suit une
V âr(β̂k )
loi de Student avec d degrés de liberté avec d = n − p − 1 et p le nombre de variables explicatives dans
le modèle. On définit H0 : βk = 0 contre H1 : βk 6= 0.
La région d’acceptation au niveau α = 5% de H0 est T ∈ [−td,0,975 ; td,0,975 ] avec td,0,975 le quantile

d’ordre 0,975 d’une loi de Student avec d degrés de liberté. La p-value du test doit être très petite pour
que H0 soit rejetée. Le nombre de degrés de liberté est fonction du nombre de variables explicatives
du modèle.
92
E Test de Fisher pour la significativité glo-
bale
Le test de Fisher permet de tester la significativité de l’ensemble des coefficients d’un modèle.
Soit le modèle général :
yt = a0 + a1 x1t + a2 x2t + ... + ak−1 x(k−)1t + t
pour t = 1, 2, ..., T .
Les hypothèses du test de Fisher sont les suivantes : H0 : a1 = a2 = ... = ak−1 = 0 (la constante
a0 est non nulle) ce qui implique que l’ensemble de coefficients du modèle est non significatif
H1 : il existe au moins un coefficient non nul
La statisique du test sous H0 vraie est :
(SCRc − SCRnc )/(dlc − dlnc )

f=
SCR − nc/dlnc
et suit une loi F (dlc − dlnc , dlnc ) = F (p, q) avec :

– SCRc désigne le SCR (somme des carrés des résidus) du modèle contraint (H0 vérifié) ;
– SCRnc désigne le SCR du modèle non contraint (H1 vérifié) ;
– dlc désigne les degrés de liberté du modèle contraint = T − 1 car il n’y a qu’une seule variable
explicative non nulle : a0 ;
– dlnc désigne les degrés de liberté du modèle non contraint = T − k car il y a k variables explica-
tives au maximum dans le modèle.
La règle de décision est la suivante : Si f > f ∗ (p, q) où f ∗ (p, q) est la valeur donnée par la table de
Fisher pour p et q donnés et pour un risque fixé alors on accepte H1 : il existe au moins un coefficient
non nul.
93
F Estimateur par MCO
Nous chercons à résoudre le système suivant :
(t U × U )Â = t U × Y
Les solutions du système ci-dessous sont obtenues par la méthode des moindes carrés ordinaires, qui
consiste à minimiser la somme des carrés des écarts entre les données estimées et les données observées.
On cherche ainsi le minimum de la fonction suivante :
∆(A) = t (Y − U A)(Y − U A)
= (t Y − t At U )(Y − U A)
= t Y Y − t At U Y − t Y U A + t At U U A
= t Y Y − 2t At U Y + t At U U A
Le minimum s’obtient en annulant la dérivée première de ∆(A) par rapport à A :
∂∆(A)
= −2t U Y + 2t U U A = 0
∂A
La solution de ce système est :
Â = (t U × U )−1 × t U × Y
94
G Probabilité de présence pour un individu
de 31 ans
Figure G.1 – Probabilité de présence pour un individu de 31 ans Cadre - Table 2
95
Figure G.4 – Probabilité de présence pour un individu de 31 ans Non Cadre - Table 2
96
97

Memoire Marion Lainé

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Memoire Marion Lainé

Transféré par

Droits d'auteur :

Formats disponibles

Table des matières

2 Contexte de l’étude et modèle de référence 23

4 Construction d’une table de turnover prospective à l’aide d’un modèle de mortalité 40

5 Turnover dynamique et vision macroéconomique du turnover 50

6 Comparaison et projections des résultats 76

A Table des taux bruts de turnover 89

C Table des droits 91

E Test de Fisher pour la significativité globale 93

F Estimateur par MCO 94

G Probabilité de présence pour un individu de 31 ans 95

Ce mémoire traite de la problématique de l’hypothèse de turnover (ou taux de rotation du person-

Ainsi, un turnover dynamique conjoncturel, c’est-à-dire un turnover sensible au contexte écono-

1.1 Présentation de la norme

1.2 Les avantages au personnel

1.3 Les méthodes d’évaluation

– Méthode rétrospective, qui définit la valeur de l’engagement au moment de l’évaluation en se

1.3.1 Détermination de la Valeur Actuelle Probable

– SN désigne le salaire projeté à l’année N . Il se calcule par la formule suivante :

avec pcj désigne le profil de carrière à l’âge j.

– T o désigne le taux de turnover et permet de calculer la probabilité de présence du salarié au

1.3.2 Les méthodes actuarielles de détermination de la Projected Benefit

Figure 1.1 – Projected Unit Credit Method

2. Projected Unit Credit Method with Service Prorate :

3. Projected Unit Credit Method with Acquisition Prorate :

Figure 1.3 – Projected Unit Credit Method with Acquisition Prorate

1.4 Méthodes de comptabilisation en norme IAS 19

1.4.1 Comptabilisation des avantages postérieurs à l’emploi

1. l’enregistrement au passif du bilan de l’entreprise d’un montant égal à :

1.4.2 Reconnaissance des coûts de services passés

La méthode du Corridor : Le corridor correspond à 10% de la valeur la plus élevée entre la

1.4.4 Evolution de la provision

Le schéma ci-dessous présente la provision en cas d’application de la méthode du Corridor :

Figure 1.5 – Provision en cas d’application de la méthode SoRIE

1.5 Révision de la norme

1.5.1 La variation de l’engagement

1. Le coût des services :

1.5.2 Disparition des méthodes de reconnaissance différée

Disparition de l’étalement du coût de services passés :

Produit des actifs du régime :

1.5.3 La comptabilisation révisée

Figure 1.6 – Comptabilisation révisée

La provision est alors égale à l’engagement moins les actifs de couverture.

1.5.4 Information à fournir en annexe

2.1 Contexte de l’étude

2.1.1 Présentation et choix des données

2.1.2 Définition et méthode de calcul de l’IFC

2.2 Statistiques démographiques

Figure 2.1 – Taille de la population et sorties observées

2.3 Les hypothèses actuarielles

2.3.1 Les hypothèses de calcul

2.3.2 Les hypothèses économiques

Figure 2.3 – Taux à maturité 20 ans

Le taux utilisé pour l’évaluation au 31/12/2011 est de 4,00 %.

2. Le taux de profil de carrière

3. Le taux de charges sociales

2.3.3 Les hypothèses de comportements sociaux

Figure 2.4 – Accélération de la réforme des retraites

2.4 Les calculs

2.5 Premiers résultats

Figure 2.6 – Résultats avec la table de turnover de référence

3.1 Détermination des taux bruts de sortie

3.2 Interpolation et lissage polynomial

3.2.1 Estimation des paramètres : la théorie

F (x, α1 , ..., αj ) = α1 + α2 x + α3 x2 + ... + αj xj−1 avec j < n.

X(t) = in + a(X(t − 1) − in ) + σt