Croissance Et Inclusion Financiièrre

L’INCIDENCE DE L’INCLUSION FINANCIÈRE SUR LA CROISSANCE
ÉCONOMIQUE AU CONGO
F. Jean Désiré Kabikissa
Éditions ICES | « Revue Congolaise de Gestion »
2020/1 Numéro 29 | pages 14 à 60

ISSN 1729-0228
DOI 10.3917/rcg.029.0014
Article disponible en ligne à l'adresse :
--------------------------------------------------------------------------------------------------------------------
https://www.cairn.info/revue-congolaise-de-gestion-2020-1-page-14.htm
--------------------------------------------------------------------------------------------------------------------
Distribution électronique Cairn.info pour Éditions ICES.

© Éditions ICES. Tous droits réservés pour tous pays.
La reproduction ou représentation de cet article, notamment par photocopie, n'est autorisée que dans les
limites des conditions générales d'utilisation du site ou, le cas échéant, des conditions générales de la
© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

licence souscrite par votre établissement. Toute autre reproduction ou représentation, en tout ou partie,
sous quelque forme et de quelque manière que ce soit, est interdite sauf accord préalable et écrit de
l'éditeur, en dehors des cas prévus par la législation en vigueur en France. Il est précisé que son stockage
dans une base de données est également interdit.
Powered by TCPDF (www.tcpdf.org)

L’incidence de l’inclusion financière
sur la croissance économique au
Congo.
Résumé F. Jean Désiré

Les récentes crises financières ont KABIKISSA*
relancé le débat sur les
interactions entre la sphère
financière et la sphère réelle.
Aussi bien dans les pays
développés qu’en développement,
l’inclusion financière devient un
enjeu majeur. Elle est perçue
comme un véritable outil de
développement économique et de

lutte contre la pauvreté. L’analyse
des interactions entre la sphère
financière et la sphère réelle se
trouve dès lors renouvelée.
L’objet de cette étude est
d’analyser l’incidence de
l’inclusion financière sur la *
FSE
croissance économique au Congo, Université Marien
en s’appuyant sur le modèle Ngouabi
AutoRegressive Distributed Lag Brazzaville, Congo
(ARDL) et l’analyse descriptive. desirekabis6@yahoo.fr
Revue congolaise de gestion, N° 29, Janv. – Juin 2020 14

L’incidence de l’inclusion financière sur la croissance économique au Congo
Il ressort de cette étude que l’inclusion financière a une

influence significative et positive sur la croissance
économique au Congo, notamment sur la croissance du
Produit Intérieur Brut (PIB) hors pétrole.
Mot-clés : Inclusion financière, PIB hors pétrole, Congo,

ARDL.
The Impact Financial Inclusion on

Economic Growth in Congo.
Abstract
The recent financial crises have reignited the debate
on the interactions between the financial sphere and the
real sphere. In both developed and developing countries,
financial inclusion is becoming a major issue. It is
perceived as a real tool for economic development and the
fight against poverty. The analysis of the interactions
between the financial sphere and the real sphere is
therefore renewed. The purpose of this study is to analyze

the impact of financial inclusion on economic growth in
Congo, using the Auto Regressive Distributed Lag (ARDL)
model and the descriptive analysis. This study shows that
financial inclusion has a significant and positive influence
on economic growth in Congo, particularly on the growth
of non-oil Gross Domestic Product (GDP).
Key-words : Financial Inclusion, GDP out oil, Congo, ARDL.

--------------

14-60 Florent Jean Désiré Kabikissa
1. Introduction
L es récentes crises financières ont relancé le débat de

l’impact de la sphère financière sur la croissance
économique. Pourtant, depuis le début des années 1960,
plusieurs auteurs s’intéressent au rôle du secteur financier
et plus spécifiquement, des banques, dans les pays en
développement.
C’est dans ce contexte que Gurley et Shaw (1960)
ont mis en avant les avantages de la diversification
financière, qui accompagne le développement de la sphère
financière, sur le développement économique tandis que
McKinnon et Shaw (1973), au travers de la théorie de la
libéralisation financière, préconisaient l’affranchissement
financier comme une thérapie contre le sous-
développement économique. McKinnon et Shaw (1973)
militent contre toutes les formes de répression financière1
qui entravent le développement financier et ralentissent la
croissance économique. Ils ont mis l’accent sur le rôle du
canal du crédit, et plus précisément, sur le rôle des
institutions financières dans l’offre de fonds pour financer

l’activité réelle et ont montré que le développement
financier implique une plus grande diversification des
institutions et des outils financiers de nature à favoriser la
concurrence et l’allocation optimale des ressources.
Par ailleurs, dès la fin des années 1980, de nombreux
pays en voie de développement ont mis en œuvre des
1
La répression financière se matérialise par un ensemble de contraintes
imposées par le gouvernement sur les taux d’intérêts, les réserves
obligatoires, les crédits et les flux de capitaux.
programmes de diversification et de réformes des

politiques financières.
En Afrique et au Congo notamment, les premières
réformes financières allant dans ce sens ont été engagées à
la fin des années 1980. Elles ont été poursuivies et
renforcées après la dévaluation du franc CFA du 12
janvier 1994. Ces réformes, qui ont permis d’assainir et de
stabiliser les systèmes financiers, n’ont pas eu d’impact
significatif sur l’amélioration du taux de bancarisation. De
nombreuses personnes restent encore, en effet, exclues du
système bancaire formel. En Afrique subsaharienne, la
part de la population de plus de quinze ans ayant ouvert un
compte bancaire dans une institution financière formelle
s’élève à 24 % en 2011. Elle est inférieure à 10 % en Zone
franc (Guérineau et Jacolin, 2014, p. 59). Bien que l’on
constate un rattrapage depuis les années 1990, le rôle
d’intermédiation financière joué par les banques en
Afrique subsaharienne, reste encore moins prononcé que
dans d’autres pays (Gelbard et al., 2015, p. 21).
L’inclusion financière, définie comme un meilleur
accès et une utilisation plus intensive des services

financiers (Guérineau et Jacolin, 2014, p. 58), reste encore
limitée. Le secteur bancaire offre un accès restreint au
financement et représente dès lors un frein à la croissance.
Or, un secteur bancaire et financier développé est la
composante essentielle d’une économie et, plusieurs
études ont démontré les liens entre le développement
financier et la croissance économique (Levine et al.,
2000 ; Beck et al., 2000 ; Demirgüç-Kunt et Levine,
2008). En Afrique Subsaharienne, la problématique du
financement reste récurrente. Dans la mesure où le
financement favorise l’épargne et l’accumulation du

capital et qu’il assure une allocation optimale des

capitaux, les développements financiers sont à même de
contribuer à une accélération de la croissance et une
réduction substantielle de la pauvreté (Abessolo et Timbi,
2019).
Depuis le début des années 2000, les politiques
relatives au secteur financier sont devenues la pierre
angulaire du débat sur la manière de stimuler la croissance
dans les pays à faible revenu, de réduire les niveaux de
grandes pauvretés et au final, de contribuer à la réalisation
des Objectifs du Millénaire pour le Développement (Beck
et al., 2011). L’avenir de l’Afrique réside désormais, en
partie, dans sa capacité à rendre son secteur économique et
financier plus inclusif (Attali, 2014). L’inclusion
financière est devenue l’un des piliers de l’agenda
international pour le développement.
Le Congo fait partie de l’une des communautés
économiques, la CEMAC2, où l’inclusion financière est la
plus faible. Même si le système bancaire s’est renforcé
avec l’accroissement significatif du nombre des banques
(6 à 10 banques en activité entre 2010 et 2014, 11 au 31

décembre 2015)3, le taux de bancarisation auprès des
banques, demeure faible (12,5 % en 2015). Ce taux atteint
cependant 26,4 % si l’on intègre les institutions de micro-
finance. Le système financier et bancaire reste donc
encore peu développé, d’où une faible inclusion
financière. Le champ d’exercice des banques congolaises,
reste limité aux grands investisseurs (Banque Mondiale,
2 CEMAC : Communauté Économique et Monétaire de l’Afrique

Centrale.
3
Rapport final du Conseil National du Crédit (CNC), 2015, p. 13.
2015). La non-accessibilité au secteur financier formel et

la rareté des produits bancaires, exposent les populations
les plus démunies à la pauvreté (Rapport Fonds Monétaire
International [FMI], 2012). D’après le même Rapport du
FMI (2012), le secteur bancaire congolais représente 21 %
du PIB et les prêts sont pour la plupart à court terme et très
concentrés sur quelques secteurs productifs. La profondeur
du secteur reste très faible (6,5 %).
Le présent article s’intéresse à l’incidence de
l’inclusion financière sur la croissance économique au
Congo. Le développement du secteur financier favorise-t-
il la croissance au Congo ? Plus spécifiquement, quel est
l’impact, à court et long terme, de l’inclusion financière
sur le taux de croissance, notamment le taux de croissance
du produit intérieur brut (PIB) hors pétrole ? En dépit du
fait que les enjeux de l’inclusion financière restent
primordiaux dans les pays de la zone Franc, tant les taux
de bancarisation figurent parmi les plus faibles au monde
(Benhamdane et al., 2016, p. 93), très peu d’études
empiriques ont été menées, à notre connaissance, sur
l’incidence de l’inclusion financière sur la croissance

économique au Congo. Cet article est structuré comme
suit : la première section présente la revue de la
littérature ; la deuxième section porte sur la méthodologie
adoptée ; la troisième section est consacrée à la
présentation et à l’interprétation des résultats avant de
conclure et de formuler quelques recommandations de
politique économique.
2. Enseignements de la littérature
L’inclusion financière, « c’est-à-dire un meilleur
accès et une utilisation plus intensive des services

financiers » (Guérineau et Jacolin, 2014, p. 58), est un

concept aux multiples facettes. La littérature économique
sur le lien développement du système financier et
croissance économique a fait l’objet de plusieurs travaux
de recherche. Mais, l’effet de l’inclusion financière sur la
croissance économique reste généralement très difficile à
évaluer en raison de plusieurs facteurs socioéconomiques.
2.1. Littérature théorique

Plusieurs auteurs se sont intéressés au rôle du
secteur financier et plus spécifiquement, les banques, dans
le processus de développement économique d’un pays. Il
en est par exemple de Schumpeter (1912) qui, en son
temps, soulignait déjà l’importance des banques dans le
fonctionnement du système économique et leur apport
bénéfique à la croissance à travers le financement de
l’innovation.
Dans les années 1960-1970, une vaste littérature a
commencé à se développer sur les liens entre finance et
croissance. McKinnon et Shaw (1973), au travers de la
théorie de la libéralisation financière, préconisaient

l’affranchissement financier comme une thérapie contre le
sous-développement économique. Depuis, selon certains
auteurs, le développement financier a un effet causal
positif sur la croissance économique, surtout au cours des
premières phases de développement (Levine et al., 2000 ;
Beck et al., 2000). D’autres auteurs, par contre,
soutiennent qu’un système financier ne peut impacter
positivement la croissance des économies que s’il atteint
un certain niveau de développement, et que c’est plutôt la
croissance économique qui mène au développement
financier et non l’inverse (Quinn, 1997 ; Mougani, 2010 et

Deidda et Fattouh, 2002). Toutefois, un fait semble établi,

les économies où les niveaux de développement du secteur
financier sont plus avancés connaissent une croissance
plus rapide et luttent plus efficacement contre la pauvreté
(Čihák et al., 2012). Mais, le fonctionnement décentralisé
et concurrentiel des marchés ne conduit pas toujours à des
résultats efficaces. Autrement dit, les marchés financiers
ne sont pas parfaits (Stiglitz et Weiss, 1981). Les
asymétries d’information (aléa moral et sélection adverse)
sur les capacités de remboursement des emprunteurs
jouent aussi un rôle important dans le développement du
secteur financier. La libéralisation et l’intégration
financière peuvent aussi, malheureusement, être à l’origine
des crises.
Pour les partisans de la théorie des services
financiers, le marché financier joue un rôle important, car
les intermédiaires et les marchés sont complémentaires
dans la provision des services financiers et la croissance.
À cet effet, les marchés et les intermédiaires sont des
alternatives. Ils assurent les mêmes fonctions avec
différents degrés de succès (Boyd et Smith, 1994). La

vision légale suppose que le développement financier,
défini par le système réglementaire et légal, prédit la
croissance économique (Levine et al., 2000).
Les facteurs institutionnels peuvent également avoir
des répercussions sur la relation entre finance et croissance
(théorie de la loi et de la finance ou Law and Finance
Theory). En effet, selon Demetriades et Hook Law (2006),
McDonald et Schumacher (2007), il existe une corrélation
entre les institutions juridiques et le développement du
secteur financier. L’inclusion financière peut aussi
stimuler la croissance économique, en améliorant

l’allocation des capitaux, à travers la diversification des

risques (Obstfeld, 1994), même si l’effet à long terme sur
la croissance ne paraît pas robuste (Grilli et Milesi-
Ferretti, 1995).
2.2. Littérature empirique

Les résultats des études empiriques, réalisées sur
l’effet de l’inclusion financière sur la croissance
économique dans les pays en développement, sont
contradictoires. Les premières expériences menées suite
aux travaux de McKinnon et Shaw (1973) en Corée du sud
et à Taiwan, dès les années soixante, ont été un succès.
Elles ont entraîné une forte augmentation des dépôts
bancaires, stimulé la croissance économique. En revanche,
les libéralisations financières en Amérique Latine
(Argentine, Chili, Uruguay), à la fin des années soixante-
dix et aux Philippines comme en Turquie, dans les années
quatre-vingt, peuvent être considérées comme des échecs.
En effet, elles se sont traduites par une hausse excessive
des taux d’intérêts réels et par des entrées massives des
capitaux étrangers.

Un certain nombre de résultats empiriques positivent
le lien entre l’inclusion financière et la croissance
économique. Les premiers travaux de Kapur (1976, 1983),
Vogel et Buser (1976), Galbis (1977) et Mathieson (1979,
1980), qui ont renforcé les fondements du concept de
libéralisation financière, puis ceux de Roubini et Sala-i-
Martin (1992, 1995), de King et Levine (1993), en
s’appuyant sur les techniques des moindres carrés
ordinaires, l’effet fixe et l’effet aléatoire, défendent la
thèse selon laquelle un système financier inclus joue un

rôle positif dans le financement de la croissance

économique.
Les résultats empiriques des analyses de
Khemakhem (2003) dans le cas des pays en
développement, en utilisant la méthode des moindres
carrés ordinaires, effets fixe et aléatoire, montrent que « le
développement du système financier a un impact positif et
significatif sur la croissance à long terme ; de même le
développement du système est très important pour les pays
en voie de développement à travers la mise en place d’un
cadre comptable légal et institutionnel ». Pour ce dernier,
le système financier adéquat est au centre de la relation
épargne et investissement de même que l’environnement
macroéconomique favorable, la mise en place d’un
système de surveillance et de règlementation des
institutions financières, ainsi que l’ordonnancement
adéquat des réformes sont au centre du développement
économique, donc de la croissance.
Rancière et al. (2006), en utilisant le modèle des
moindres carrés ordinaires, décomposent l’effet du
développement financier en deux effets : un effet positif et

direct et un effet négatif et indirect à travers les crises sur
la croissance économique. Mais ils aboutissent à la
conclusion selon laquelle l’effet positif l’emporte sur
l’effet négatif.
Il ressort de leur étude que la libéralisation
financière renforce, d’une part, le développement
financier, qui est nécessaire à la croissance à long terme et,
d’autre part, conduit à des crises de plus en plus
fréquentes, qui réduisent ou annulent l’effet positif de la
finance sur la croissance. Toujours à partir d’un modèle
des moindres carrés ordinaires, effet fixe et effet aléatoire,

Senouci (2012) aboutit à la conclusion que l’intégration

financière a des effets positifs sur le taux de croissance
économique, lorsque certaines conditions économiques,
financières et institutionnelles sont réunies ; de même les
entrées de capitaux favorisent la croissance économique
au-delà des effets qu’elles engendrent sur l’investissement,
mais seulement dans les économies qui ont atteint un
certain niveau de développement. Onaolapo (2015) quant
à lui, en utilisant le modèle des moindres carrés ordinaires
aboutit à un rapport positif de l’inclusion financière à
travers la réduction de la pauvreté sur la croissance
économique.
Dans les pays de l’Union du Maghreb Arabe,
Zenasni (2014), en utilisant le modèle des moindres carrés
ordinaires, effet fixe et effet aléatoire, confirme que
l’intégration financière a des effets positifs sur la
croissance économique, mais ces effets se différencient
d’un pays à l’autre. Il indique de même que la libération
financière affecte positivement le développement du
système bancaire et financier et améliore la croissance.
Dans le cadre de l’Union Économique et Monétaire

Ouest Africaine, en utilisant la méthode des triples
moindres carrés, Loaba (2015) a abouti au résultat selon
lequel il existe un effet positif du développement
financier, mesuré par le crédit bancaire, sur la croissance
économique. Enfin, le niveau de connaissances financières
influence positivement l’inclusion financière (Gardeva et
Rhyne, 2011).
D’autres travaux ont montré que l’intégration
financière n’a pas d’impact considérable sur la croissance
économique. En utilisant le modèle vectoriel auto-
régressif, Quinn (1997) et Mougani (2010), ont montré

que certaines variables financières agissent négativement

sur l’inclusion financière et, donc, sur la croissance
économique. Il en est par exemple du taux d’intérêt. Une
hausse du taux d’intérêt augmente l’opportunisme de
l’emprunteur et son risque de défaillance, mais une
politique de baisse de taux d’intérêt peut entraîner une
hausse de la rentabilité des projets d’investissements
financés par crédit bancaire (Boyd et De Nicolo, 2005).
Les restrictions sur les taux d’intérêt réels et leur
détermination à des niveaux faibles peuvent réduire
l’épargne brute des ménages et nuire à la croissance
économique (Stiglitz et al., 1993). Or, l’augmentation de
l’épargne dans les pays pauvres entraîne, à travers
l’accumulation du capital, la croissance économique. Le
risque de crédit résultant des asymétries de l’information
sur le marché du crédit exerce un effet direct et négatif et
un effet indirect et négatif sur la croissance économique
(Loaba, 2015).
Dans une étude menée sur le Sénégal, Mbaye
(2002), à l’aide d’un modèle des moments généralisés, a
montré que le développement financier n’a pas d’impact

positif sur la croissance, mais c’est plutôt la croissance
économique qui suit le développement financier et non
l’inverse. L’investissement privé a un effet positif et
significatif sur la croissance à court et long terme.
Les théories financières sur ce sujet fondent leur
analyse sur l’aspect monétaire et financier (crédit accordé,
investissement des entreprises, etc.) mais ne tiennent pas
compte de l’aspect social, voir microcosmique ou
mésoéconomique des couches vulnérables.
L’approche théorique retenue dans cet article est
celle prônée par McKinnon et Shaw (1973). Sur le plan

empirique, les études de Mbaye (2002), Gardeva et Rhyne

(2011), ainsi que celle de Stiglitz et al. (1993) orienteront
et soutiendront l’analyse.
3. Spécification du modèle et analyse

économétrique
3.1. Quelques faits stylisés de l’économie congolaise
Depuis le début des années 1970, la croissance
économique au Congo, est soutenue par le secteur
pétrolier. En 2017, le secteur pétrolier représentait encore
55 % du PIB, 85 % des exportations et 80 % des
ressources budgétaires. Après deux années successives de
contraction (-2,8 % en 2016 ; -3,1 % en 2017), la
croissance du PIB réel, impulsée par la remontée des prix
du pétrole et le relèvement de la production nationale
d’hydrocarbures, était estimée à 2,0 % en 2018 (Banque
africaine de développement, 2019, p. 161).
La dominance du secteur pétrolier se traduit par une
vulnérabilité de l’économie aux chocs extérieurs. Le
secteur hors pétrole ne contribuant que très faiblement à la
croissance du PIB global. Mais, cette croissance

économique n’a jamais été inclusive ; elle a eu peu
d’impact sur la réduction de la pauvreté et l’amélioration
des Objectifs du Millénaire pour le Développement.
Le taux de pauvreté au Congo demeure préoccupant,
les 40 % de la population congolaise vivent en dessous du
seuil de pauvreté (Banque africaine de développement,
2019, p. 161) et sont de fait exclus du système financier.
Face à un tel constat, la diversification économique
devient un enjeu majeur pour parvenir à une croissance
inclusive, soutenue et durable, à court, moyen et long
terme.

3.2. Spécification du modèle et définition des variables

3.2.1. Données
Le modèle Auto Regressive Distributed Lag
(ARDL) est utilisé dans cette étude afin de faire ressortir
les dynamiques de court et long terme. Les données
analysées portent sur la période 1986-20164 et proviennent
des rapports de la Banque Mondiale, du FMI, de la
Banque des États de l’Afrique Centrale (BEAC), de la
Commission Bancaire de l’Afrique Centrale (COBAC), du
Ministère des Finances et du Portefeuille Public (MFPP),
de la Direction Générale du Trésor (DGT) et de l’Institut
National de la Statistique (INS).
3.2.2. Modèle de base
Le modèle de base spécifié s’inscrit dans la lignée de
celui utilisé par Mbaye (2002) sur le Sénégal. Ce dernier a
utilisé la Méthode de Moments Généralisés (MMG) pour
tester les effets relatifs des politiques financières sur la
croissance économique en retenant comme variable
endogène le taux de croissance du PIB réel, et comme
variables exogènes l’investissement privé (INVST), le taux
de scolarisation (EDUCAT), le taux de change effectif réel

(TCER) et le crédit accordé au secteur privé et aux
ménages par le secteur bancaire sur le PIB (CRDT).
Dans notre spécification, nous incorporons d’autres
variables qui ont un impact sur le PIB hors pétrole. Ces
variables sont : le PIB réel hors pétrole, les dépenses
publiques globales (DEP), l’indicateur d’ouverture
commerciale (OPEN), l’épargne brute des ménages
(EBM), le taux d’intérêt réel (TXINTREEL) et
(CREAB/QUE), indicateur d’inclusion financière capté
4
Les données de 2016 sont des données estimées.
par le nombre de banques et d’institutions de microfinance

de première catégorie.
Ces variables impactent significativement, et de
manière inclusive, la croissance économique du Congo.
Pour capter les effets sur la croissance économique (PIB
hors pétrole) de l’inclusion financière, en tenant compte
des variables de contrôle suivantes dont l’influence
améliore les résultats : dépense publique (DEP), taux
d’intérêt réel (TXINTREEL), investissement (INVST),
crédit (CRDT), ouverture commerciale (OPEN) et épargne
brute des ménages (EBM), nous utilisons la forme
fonctionnelle suivante :
𝑷𝑰𝑩𝑯𝒐𝒓𝒔 =
𝑭(𝑪𝑹𝑬𝑨𝑩/𝑸𝑬, 𝑰𝑵𝑽𝑺𝑻, 𝑫𝑬𝑷, 𝑪𝑹𝑫𝑻, 𝑬𝑩𝑴, 𝑶𝑷𝑬𝑵, 𝑻𝑿𝑰𝑵𝑻𝑹𝑬𝑬𝑳)
La variable 𝑃𝐼𝐵_𝐻𝑜𝑟𝑠 illustre le produit intérieur

brut hors pétrole.
La variable CREAB/QE représente la variable
d’inclusion financière ; elle est captée par le nombre de
banques, le taux de bancarisation à travers le nombre de
comptes bancaires et des institutions de micro-finance de

1ère catégorie. Elle représente notre variable d’intérêt. Le
signe attendu est positif.
La variable INVST représente le taux
d’investissement privé (en % du PIB). L’investissement
dans la perspective keynésienne est le moteur de la
machine économique, il engendre la croissance
économique. Le signe attendu est positif.
La variable DEP représente les dépenses publiques
(en milliards de FCFA). Pour le courant keynésien le
processus de croissance économique est assuré à travers
les dépenses publiques. Landau (1983), Romer (1986),
Barro (1991) et Morley et Perdikis (2000) ont constaté une

influence des dépenses publiques sur la croissance
économique même si cette influence dépend avant tout de
la composition des dépenses publiques. Le signe attendu
est positif.
La variable CRDT représente le crédit à l’économie,
c’est-à-dire le crédit intérieur accordé au secteur privé et
aux ménages (en milliards de FCFA). Une hausse du
volume de crédit stimule la croissance économique. Le
signe attendu est positif.
La variable EBM représente l’épargne brute des
ménages (en milliards de FCFA). Lucas et al. (1986)
affirment qu’une augmentation du taux de l’épargne
augmente le taux de croissance de l’économie. Le signe
attendu est positif.
La variable OPEN représente le degré d’ouverture
économique (en % du PIB). C’est le rapport entre la
somme des exportations et des importations et le niveau
du PIB. Plus un pays s’ouvre vers l’extérieur, plus ce pays
crée de la richesse. Le signe attendu est positif. De
nombreuses études empiriques menées entre la fin des

années 1970 et la fin des années 1990 ont conclu à
l’existence d’un lien causal positif et significatif entre
ouverture commerciale, croissance et développement
économique (Michaely, 1977 ; Kormendi et al., 1985 ;
Frankel et al., 1999 ; Allen et al., 2000 ; Blancheton et al.,
2006). Mais, l’ouverture financière peut être, dans certains
cas, très dangereuse, surtout pour les pays en voie de
développement et pour les économies en transition.
La variable TXINTREEL représente le taux d’intérêt
réel (en % du PIB). Le taux d’intérêt joue un rôle
déterminant dans les décisions d’investissement et de

financement de l’économie. Une politique monétaire

expansionniste fait baisser le taux d’intérêt réel et accroît
l’investissement nécessaire à la croissance économique.
Le signe attendu est négatif.
4. Analyse et interprétation des résultats

L’analyse descriptive repose sur des graphiques et
quelques tests statistiques. Plus spécifiquement, il s’agit
d’analyser l’évolution de la variable PIB non pétrolier et
de la variable d’inclusion financière.
Le graphique ci-dessous montre l’évolution de
l’indicateur PIB hors pétrole au Congo. Le PIB hors
pétrole est en progression continue depuis 1986 (malgré
quelques creux en 1989, en 2009 et 2012). Cette évolution
s’explique par la volonté des autorités congolaises de
diversifier le tissu économique national et la croissance de
la production pétrolière, par la politique de la
municipalisation accélérée engagée à partir de 2004,
l’expansion du secteur des BTP, des télécommunications,
des transports, de l’hôtellerie, des manufactures et la
diminution du fardeau de la dette après l’atteinte par le

Congo du point d’achèvement de l’Initiative Pays Pauvres
Très Endettés.
Graphique 1. Évolution du PIB non pétrolier en

milliards de FCFA de 1986 à 2016
(Voir page suivante)

pibh
3500
3000
2500
en milliards de FCFA
2000
1500
1000
500
0
1992
2016
1986
1989
1995
1998
2001
2004
2007
2010
2013
Années
Source : Auteur à partir des données de BEAC, MFPP.
Entre 2010 et 2016, le secteur primaire hors pétrole


a cru de 5,2 %, le secteur secondaire de 10,4 % et le
secteur tertiaire de 21,3 % (Banque Mondiale, 2015).
La variable CREAB/QE est également en
progression continue de 1986 à 2016. On a observé entre
1986 et 2016, une augmentation du nombre des banques et
des institutions de micro-finance de première catégorie. Le
pic de 1991 peut être expliqué par l’éclosion ou l’arrivée
sur le marché de nouvelles banques ou de nouvelles
institutions de microfinance de première catégorie telles
que la MUCODEC et la CAPPED, entraînant une
augmentation de la taille du système financier congolais.
Graphique 2. Évolution de l’indicateur CREAB/QE au

Congo entre 1986 et 2016
CREAB/QE
20
18
16
14
EFFECTIFS
12
10
8
6
4
2
0
2004
1986
1988
1990
1992
1994
1996
1998
2000
2002
2006
2008
2010
2012
2014
2016
ANNÉES
Source : Auteur à partir des données de COBAC, BEAC et DGT.


De 1993 à 1997, on a noté une baisse de la taille du
système financier, due à l’instabilité de l’environnement
économique et social durant cette période, notamment, la
situation chaotique des banques, la dévaluation du FCFA
de janvier 1994 et la guerre civile de 1997. L’embellie
constatée, à partir des années 2000, fait suite à la
restructuration bancaire entamée dans la deuxième moitié
des années 1990. Une augmentation de CREAB/QE peut
stimuler la croissance économique.

Graphique 3. Évolution du PIB Hors pétrole par rapport

à CREAB/QE
3500 20
en milliards de FCFA
Nombres de banques et IMF

3000
2500 15
2000
10
1500
1000 5
500
0 0
1989
2013
1986
1992
1995
1998
2001
2004
2007
2010
2016
Année
PIB hors CREAB/QE
Source : Auteur à partir des données de BEAC, COBAC, MFPP.
Le produit intérieur brut hors pétrole et l’inclusion

financière, captée par le nombre des banques et
d’institutions financières, évoluent dans le même sens.
Cette situation peut s’expliquer par le fait que les banques

et les institutions financières, dans un contexte de
globalisation financière et d’économie d’endettement, sont
les véritables acteurs du financement de l’économie.
L’éclosion du système bancaire et financier congolais a
favorisé la disponibilité des services financiers et
bancaires de qualité et leur accessibilité au plus grand
nombre d’investisseurs et de ménages. Les banques et les
institutions financières participent à la croissance
inclusive, notamment dans le secteur hors pétrole.
Quant aux autres variables, elles ont évolué en dents
de scie entre 1986 et 2016. L’allure de la courbe CRDTB

entre 1986 et 2016, montre une évolution moins

proportionnelle. Malgré l’éclosion et l’expansion du
système financier, les ménages et les entreprises n’ont pas
beaucoup contracté de prêts. Les pics de crédits ont été
observés en 1990 et en 1992.
Graphique 4. Évolution du PIB hors pétrole par rapport

aux CRDT et TXINTREEL de 1986 à 2016
100,0
80,0
60,0
40,0
20,0
%
0,0
2004
1986
1988
1990
1992
1994
1996
1998
2000
2002
2006
2008
2010
2012
2014
2016
-20,0
-40,0
-60,0
-80,0
Années

Txintréel crdt % pib%
Source : Auteur à partir des données de BEAC, COBAC, MFPP.
Entre 2003 et 2011, le volume de crédit a fortement

baissé. Quant au taux d’intérêt réel appliqué, le taux le
plus faible a été relevé en 1994, soit - 14 %. La baisse
légère des taux d’intérêt, entre 2013 et 2016, a entraîné
une amélioration du crédit au cours de la même période.
L’analyse de la corrélation entre les variables de
l’étude et la série statistique de notre étude, a été effectuée.

Les résultats du tableau ci-dessus montrent que la

croissance, ici mesurée par le PIB hors pétrole, est
corrélée positivement avec la variable de mesure
d’inclusion financière CREAB/QE à 0,916543. Le CRDT
est négativement corrélé au PIB hors pétrole (0,134). Le
PIB hors pétrole est corrélé positivement avec l’épargne
brute des ménages (0,693154) et les dépenses publiques
(0,942220). Toute augmentation de la variable DEP, ou de
la variable EBM entraîne une augmentation de la
croissance hors pétrole. Les variables degré d’ouverture
économique (OPEN), taux d’intérêt (TXINTREEL) et
crédit à l’économie (CRDT) sont corrélées négativement à
la croissance hors pétrole (-0,598691, -0,208812 et -
0,134987 respectivement), c’est-à-dire une diminution de
l’une de ces variables entraîne une augmentation de la
croissance, inversement, toute augmentation de l’une
d’elle entraîne une détérioration de la croissance.
Ces résultats corroborent ceux de la Banque
Mondiale (Rapport 2015) pour qui, l’inclusion financière
est fortement corrélée à la croissance, et elle a des
retombées positives sur l’emploi formel, en particulier et

l’activité économique, en général.
4.1. Analyse de séries statistiques

Le tableau ci-dessous montre l’évolution comparée
des différentes statistiques de tendance centrale entre les
différentes variables d’analyse.
Tableau 1. Statistiques descriptives
Moyenne Médiane Maxi Mini Ecart-type
PIB hors 1248,83226 874,1 3253 541,7 758,146759

CREAB/QE 11,1935484 10 18 6 3,67572117
DEP 1633,15899 886,452876 4126,80298 541,567997 1248,07589
CRdtb 67,8933903 199,022138 1805,328 -1098,254 542,714752

Invst 26,7970968 23,4 54,49 14,13 9,25642451
Txintréel 14,9765934 14,65 57,43 -14,078558 12,2979268
EBM 1197,88757 672,341266 3946,83338 144,388962 1098,50615
OPEN 49,4993035 37,5035871 203,319985 14,2687136 42,6865621
Source : Auteur à partir des données du FMI, BM, INS et BEAC.
Au regard des résultats du tableau ci-dessus, nous

constatons sur la base de 31 observations que chaque
année, le Congo a en moyenne 1249 milliards de FCFA de
PIB hors pétrole, 11 banques et institutions de micro-
finance de première catégorie, 1633 milliards de FCFA de
DEP, 68 % de CRDT, 27 % d’INVST, 15 % de taux
d’intérêt, 1198 milliards de FCFA d’épargne brute et 49 %
d’ouverture commerciale.
4.2. Résultats économétriques5

L’étude de la stationnarité des séries, réalisée au

moyen des tests de Dickey-Fuller Augmenté (ADF), du
test de Phillips et Perron (PP), et du test de Kwiatkowski,
Phillips, Schmidt et Shin (KPSS), a mis en évidence les
résultats suivants :
Tableau 2. Résultats des tests de la racine unitaire sur les

séries d’étude
(Voir page suivante)
5
Les résultats ont été obtenus en utilisant Eviews 9.
Conclu-
En niveau sion
Types de tests
ADF PP KPSS
2,728631 3,096936 0,680712
Log(PIB_Hors)
(-2,644302***) (-2,644302***) ( 0,463000**)
2,333781 3,428143 0,716495

Log(CREAB_QE)
(-2,644302***) (-2.644302***) ( 0,463000**)
1,745214 1,581500 0,566944

Log(DEP)
(-2,644302***) (-2,644302***) ( 0,463000**)
-4,152810 -1,425639 0,146238

CRdtb
(-3,622033**) (-2,644302***) ( 0,739000***)
0,287461 0,287461 0,179051

Log(Invst_PIB)
(-2,644302***) (-2,644302***) ( 0,739000***)
-2,812319 -6,956967 0,192866

Txintréel
(-3,752946***) (-3,670170***) ( 0,739000***)
0,159570 0,176163 0,567904

Log(EBM)
(-2,644302***) (-2,644302***) ( 0,463000**)
-0,188514 -0,188514 0,433738

Log(Open)
(-2,644302***) (-2,644302***) ( 0,739000***)
Tableau 2. Résultats des tests de la racine unitaire sur les


séries d’étude (suite)
Conclu-
En différence première sion
Types de tests
ADF PP KPSS
-5,135775 -5,307258 0,439721
Log(PIB_Hors) I(1)
(-2,647120***) (-2,647120***) ( 0,739000***)
-2,695969 -4,193094 0,116085

Log(CREAB_QE) I(1)
(-2,650145***) (-2,647120***) ( 0,739000***)
-4,065658 -4,087501 0,285558

Log(DEP) I(1)
(-2,647120***) (-2,647120***) ( 0,739000***)

-2,543414
CRdtb - - I(0)
(-1,952910**)
-5,741938 -5,741938
Log(Invst_PIB) - I(1)
(-2,647120***) (-2,647120***)
-2,861006
Txintréel - - I(0)
(-2,674290***)
-5,617769 -5,617769 0,272354

Log(EBM) I(1)
(-3,679322***) (-3,679322***) ( 0,739000***)
-4,873848 -5,023409
Log(Open) - I(1)
(-2,647120***) (-2,647120***)
Source : Auteur à partir des données du FMI, BM, INS et BEAC.

Les valeurs entre parenthèses indiquent les seuils critiques pour les
niveaux de significativité de : 1 %*** et 5 %**.
Les résultats obtenus dans ce tableau, révèlent qu’en

dehors des séries CRDTB et TXINTREEL qui sont
intégrées en niveau, toutes les autres séries du modèle sont
toutes intégrées d’ordre 1.
Ainsi, il paraît nécessaire de tester d’abord une
éventuelle existence des relations de long terme et court
terme à travers le test de cointégration de Pesaran et al.

(2001). Au cas où il est valide, ce test nous permettra
d’estimer le modèle ARDL au lieu des modèles Moindres
Carrés Ordinaires (MCO) ou MMG.
Comme toutes les séries de l’étude ne sont pas
intégrées de même ordre, du fait que certaines sont
intégrées d’ordre zéro et d’autres d’ordre un, alors les tests
traditionnels de cointégration multiple, à savoir celui de
Johansen et Engel et Granger, ne sont plus applicables.
Cependant, cette limite peut être surpassée par l’utilisation
du test de cointégration aux bornes, proposé par Pesaran et
al. (2001), qui s’appuie sur le modèle ARDL
(AutoRegressive Distributed Lag model). Ce modèle
hérite les caractéristiques des modèles autorégressifs (AR)

et à retards échelonnés (DL).
Ainsi, il souffre de certains problèmes
économétriques qui compliquent son estimation par les
(MCO) : colinéarité entre variables explicatives (modèle
DL), autocorrélation des erreurs (modèle AR). Pour
remédier à cela, on recourt généralement à des techniques
d’estimation robustes tels les tests de normalité des
résidus, les tests d’autocorrélation des résidus, les tests
d’hétéroscédasticité des résidus, les tests de spécification
et les tests de stabilité.
Si l’on se propose de saisir les effets de court et long
terme des variables explicatives retenues sur la croissance
économique, la représentation ARDL obtenue à travers
notre forme fonctionnelle est la suivante :
𝒑
𝑷𝑰𝑩𝑯𝑷 = 𝒂𝟎 + ∑ 𝒂𝟏𝒊 𝑷𝑰𝑩𝑯𝑷𝒕−𝒊

𝒊=𝟏
𝒑 𝒑
𝑪𝑹𝑬𝑨𝑩
+ ∑ 𝒂𝟐𝒊 + ∑ 𝒂𝟑𝒊 𝑰𝑵𝑽𝑺𝑻𝒕−𝒊
𝑸𝑬 𝒕−𝒊
𝒊=𝟎 𝒊=𝟎
𝒑 𝒑 𝒑 𝒑

+ ∑ 𝒂𝟒𝒊 𝑫𝑬𝑷𝒕−𝒊 + ∑ 𝒂𝟓𝒊 𝑪𝑹𝑫𝑻𝒕−𝒊 + ∑ 𝒂𝟔𝒊 𝑬𝑩𝑴𝒕−𝒊 + ∑ 𝒂𝟕𝒊 𝑶𝑷𝑬𝑵𝒕−𝒊
𝒊=𝟎 𝒊=𝟎 𝒊=𝟎 𝒊=𝟎
𝒑
+ ∑ 𝒂𝟖𝒊 𝑻𝑿𝑰𝑵𝑻𝑬𝑹𝒕−𝒊 + 𝒃𝟏 𝑷𝑰𝑩𝑯𝑷𝒕−𝟏 + 𝒃𝟐 𝑪𝑹𝑬𝑨𝑩/𝑸𝑬∗ 𝑬𝒕−𝟏

𝒊=𝟎
+ 𝒃𝟑 𝑰𝑵𝑽𝑺𝑻𝒕−𝟏 + 𝒃𝟒 𝑫𝑬𝑷𝒕−𝟏 + 𝒃𝟓 𝑪𝑹𝑫𝑻𝒕−𝟏 + 𝒃𝟔 𝑬𝑩𝑴𝒕−𝟏 + 𝒃𝟕 𝑶𝑷𝑬𝑵𝒕−𝟏
+ 𝒃𝟖 𝑻𝑿𝑰𝑵𝑻𝑬𝑹𝒕−𝟏 + 𝜺𝒕
Avec 𝑎0 la constante ; 𝑎𝑖 et 𝑏𝑖 (𝑖 = 1, … , 8), les

paramètres des variables explicatives (coefficients) ; 𝜀𝑡 le
terme d’erreur, le bruit.
Comme pour tout modèle dynamique, nous nous
servons des critères d’information (Akaike-AIC, Shwarz-

SIC) pour déterminer les décalages optimaux (pi) du

modèle ARDL, par parcimonie (minimisation des critères
d’information). L’utilisation de ces deux critères nous a
permis de retenir la combinaison (1, 2, 2, 0, 2, 0, 2, 1)
comme vecteur des retards optimaux (voir graphique 5),
d’où le modèle ARDL (1, 2, 2, 0, 2, 0, 2, 1).
Les résultats du test de cointégration aux bornes de
Pesaran et al. (2001), décrits dans le tableau ci-après,
indiquent l’existence d’une cointégration entre ces
variables. En effet, la statistique de Fisher calculée
(10,42882) est largement supérieure à la valeur critique de
la borne supérieure au seuil de 1 %.
Graphique 5. Détermination des retards optimaux du

modèle estimé
Schwarz Criteria (top 20 models)
-2.20
-2.24
-2.28

-2.32
-2.36
-2.40
-2.44
ARDL(1, 2, 2, 0, 2, 0, 2, 1)
ARDL(1, 2, 2, 0, 2, 1, 2, 1)
ARDL(1, 2, 2, 0, 2, 1, 2, 0)
ARDL(1, 2, 2, 0, 2, 0, 2, 2)
ARDL(2, 2, 2, 0, 2, 0, 2, 1)
ARDL(1, 2, 2, 1, 2, 0, 2, 1)
ARDL(1, 2, 2, 0, 2, 2, 2, 1)
ARDL(1, 2, 2, 0, 2, 1, 2, 2)
ARDL(1, 2, 2, 1, 2, 1, 2, 1)
ARDL(2, 2, 2, 0, 2, 1, 2, 1)
ARDL(1, 0, 2, 0, 2, 1, 2, 1)
ARDL(1, 0, 2, 0, 2, 1, 2, 0)
ARDL(1, 2, 2, 0, 2, 2, 2, 0)
ARDL(2, 2, 2, 0, 2, 1, 2, 0)
ARDL(1, 0, 2, 1, 2, 1, 2, 1)
ARDL(2, 2, 2, 0, 2, 0, 2, 2)
ARDL(1, 2, 2, 1, 2, 0, 2, 2)
ARDL(1, 2, 2, 1, 2, 1, 2, 0)
ARDL(2, 0, 2, 0, 2, 1, 2, 0)
ARDL(2, 0, 2, 0, 2, 1, 2, 1)

-3.26
-3.24
-3.22
-3.20
-3.18
-3.16
-3.14
ARDL(1, 2, 2, 0, 2, 0, 2, 1)
1%
5%
10 %
2.5 %
ARDL(1, 2, 2, 0, 2, 1, 2, 1)
ARDL(1, 2, 2, 0, 2, 2, 2, 1)
F-statistic
ARDL(1, 2, 2, 0, 2, 1, 2, 2)
Significance
Test Statistic
ARDL(1, 2, 2, 0, 2, 0, 2, 2)
ARDL(2, 2, 2, 0, 2, 0, 2, 1)
Sample: 1988 2016

ARDL Bounds Test
ARDL(1, 2, 2, 1, 2, 1, 2, 1)
Critical Value Bounds

ARDL(2, 2, 2, 0, 2, 1, 2, 1)
Included observations: 29
ARDL(1, 2, 2, 1, 2, 0, 2, 1)
ARDL(1, 2, 2, 1, 2, 2, 2, 1)
ARDL(1, 2, 2, 2, 2, 2, 2, 1)
2.73
2.43
2.17
1.92
ARDL(1, 2, 2, 1, 2, 1, 2, 2)
Value
I0 Bound
10.42882
ARDL(1, 2, 2, 0, 2, 1, 2, 0)
ARDL(2, 2, 2, 0, 2, 1, 2, 2)
ARDL(2, 2, 2, 0, 2, 0, 2, 2)
ARDL(2, 2, 2, 0, 2, 2, 2, 1)
Akaike Information Criteria (top 20 models)
ARDL(1, 2, 2, 0, 2, 2, 2, 2)
7
K
Revue congolaise de gestion, N° 29, Janv. – Juin 2020

3.9
3.51
3.21
2.89
ARDL(1, 2, 2, 1, 2, 0, 2, 2)
I1 Bound
ARDL(1, 2, 2, 2, 2, 1, 2, 2)
ARDL(2, 2, 2, 1, 2, 1, 2, 1)
Tableau 3. Résultat du test de cointégration aux bornes
41
Tableau 4. Résultat du modèle ARDL (1, 2, 2, 0, 2, 0, 2, 1)

estimé
ARDL Cointegrating And Long Run Form

Dependent Variable: LPIB_HORS
Selected Model: ARDL(1, 2, 2, 0, 2, 0, 2, 1)
Sample: 1986 2016
Included observations: 29
Cointegrating Form
Variable Coefficient Std. Error t-Statistic Prob.
D(LCREAB_QE) 0.707701 0.088805 7.969205 0.0000

D(LCREAB_QE(-1)) -0.308633 0.084538 -3.650823 0.0038
D(LINVST_PIB) -0.190557 0.042775 -4.454874 0.0010
D(LINVST_PIB(-1)) -0.448195 0.056488 -7.934321 0.0000
D(LDEP) 0.193269 0.044981 4.296661 0.0013
D(CRDTB) 0.000072 0.000033 2.199257 0.0502
D(CRDTB(-1)) -0.000268 0.000030 -8.859106 0.0000
D(LEBM) -0.098378 0.022437 -4.384672 0.0011
D(LOPEN) -0.006370 0.024408 -0.260959 0.7989
D(LOPEN(-1)) 0.271214 0.029246 9.273519 0.0000
D(TXINTREEL) -0.007154 0.000692 -10.331061 0.0000
CointEq(-1) -0.950722 0.073631 -12.911931 0.0000

Cointeq = LPIB_HORS - (1.0294*LCREAB_QE
+0.5417*LINVST_PIB
+0.2223*LDEP + 0.0001*CRDTB-0.0926*LEBM
-0.3144*LOPEN
-0.0102*TXINTREEL + 3.1598)
Long Run Coefficients
Variable Coefficient Std. Error t-Statistic Prob.
LCREAB_QE 1.029390 0.173807 5.922618 0.0001

LINVST_PIB 0.541679 0.077996 6.944984 0.0000
LDEP 0.222288 0.045889 4.844012 0.0005

CRDTB 0.000088 0.000056 1.584184 0.1415

LEBM -0.092635 0.049424 -1.874284 0.0877
LOPEN -0.314440 0.062271 -5.049562 0.0004
TXINTREEL -0.010236 0.001812 -5.649143 0.0001
C 3.159785 0.550444 5.740427 0.0001
Les résultats de l’estimation du modèle ARDL (1, 2,

2, 0, 2, 0, 2, 1) ainsi retenu, sont présentés dans le tableau
ci-dessous. Ce modèle fait souvent face aux problèmes de
colinéarité entre les variables explicatives et
d’autocorrélation des erreurs. Il est donc nécessaire, avant
toute interprétation de ces résultats, de procéder aux tests
de robustesse afin de valider le modèle.
Le modèle estimé valide tous les tests de robustesse.
En effet, les tests de normalité (graphique 6 en annexe),
d’autocorrélation (tableau 5 en annexe) et
d’hétéroscédatiscité des résidus (tableau 6 en annexe), et
les tests de stabilité ponctuelle, ou Cusum et structurelle,
ou Cusum carré (voir graphique 7 en annexe) et de
spécification du modèle (voir tableau 7 en annexe) sont
tous significatifs. Tous les tests de robustesses réalisés

étant adéquats, par conséquent le modèle ARDL (1, 2, 2,
0, 2, 0, 2, 1) estimé est valide.
4.3. Interprétation économétrique des résultats

À court terme, toutes les variables ont un impact
significatif sur le produit intérieur brut hors pétrole (PIB
Hors) comparativement à long terme.
4.3.1. Résultats à court terme
À court terme, les sept variables sont significatives
(CREAB/QE, CRDTB, TXINTREEL, EBM, DEP, INVST
et OPEN). La variable CREAB/QE est significative au

seuil de 1 ag et impacte positivement le PIB hors pétrole.

Toute augmentation de 1 % de CREAB/QE entraîne une
augmentation de 0,71 % du PIB hors pétrole, toutes choses
égales par ailleurs. Mais, si CREAB/QE augmente de 1 %
une année avant, le PIB hors pétrole baissera de 0,31 % et
vice-versa.
La variable taux d’intérêt réel (TXINTREEL) est
significative au seuil de 1 %. Lorsque le taux d’intérêt réel
augmente de 1 %, le PIB hors pétrole diminue de
0,007154 %.
La variable investissement (INVST) est significative
au seuil de 1 % et impacte négativement le PIB hors
pétrole. Lorsque l’investissement (INVST) augmente de 1
%, le PIB hors pétrole baisse de 0,19 %, toutes choses
égales par ailleurs. Lorsque l’investissement augmente de
1 % une année avant, le PIB hors pétrole diminue de 0,41
% et vice-versa. Au seuil de significativité de 5 %, le
crédit (CRDT) impacte positivement le PIB hors pétrole.
Si le crédit accordé aux ménages augmente de 1 %, le PIB
hors pétrole s’améliore de 0,000072 %, donc la croissance
augmente timidement. Par contre, au seuil de

significativité de 1 %, toute augmentation une année avant
du crédit (CRDT) de 1 % entraîne une diminution de
0,000268 % du PIB hors pétrole et vice-versa.
La variable épargne brute des ménages (EBM) est
significative au seuil de 1 % et impacte positivement le
PIB hors pétrole. Si l’épargne brute des ménages (EBM)
augmente de 1 %, le PIB hors pétrole augmente de
0,000268 %, toutes choses égales par ailleurs.
La variable dépenses publiques (DEP) est

PIB hors pétrole. Lorsqu’elles augmentent de 1 %, le PIB

hors pétrole augmente de 0,19 % et vice-versa.
La variable ouverture commerciale (OPEN) est
PIB hors pétrole. Lorsque la variable ouverture
commerciale (OPEN) augmente de 1 % une année avant,
le PIB hors pétrole augmente de 0,27 %, toutes choses
égales par ailleurs. Par ailleurs tout effet d’un choc sur la
croissance économique, dû à l’inclusion financière, ne
perdure pas pendant deux ans. En effet, il ressort
qu’environ 95 %6 des effets de ces chocs sont résorbés dès
la première année pour revenir à la situation normale ou de
départ.
4.3.2. Résultats à long terme
À long terme, toutes les variables sont significatives
excepté la variable crédit intérieur brut des ménages
(CRDTB). Cela peut être expliqué par la réticence accrue
des banques à prêter à long terme et par le fait qu’au
Congo, comme dans la plupart des pays en voie de
développement, les dépôts et les prêts sont souvent à court
terme, et les crédits sollicités par les ménages sont souvent

destinés aux investissements de courte période.
La variable CREAB/QE impacte positivement le
PIB hors pétrole au seuil de 1 %. Toutes choses égales par
ailleurs, lorsqu’elle augmente de 1 %, le PIB hors pétrole
augmente de 1,02 %.
La variable dépenses publiques (DEP) est
PIB hors pétrole. Lorsque les dépenses publiques
6
Il s’agit de la force de rappel vers l’équilibre. C’est-à-dire, la vitesse
à laquelle tout déséquilibre est résorbé dans l’année qui suit.
augmentent de 1 %, le PIB hors pétrole augmente de 0,22

% et vice-versa.
La variable investissement (INVST) est significative
au seuil de 1 % et impacte positivement le PIB hors
pétrole. Lorsque l’investissement augmente de 1 %, le PIB
hors pétrole augmente de 0,54 % et vice-versa.
La variable épargne brute des ménages (EBM)
impacte négativement le PIB hors pétrole au seuil de
significativité de 10 %. Lorsque l’épargne brute des
ménages augmente de 1 %, le PIB hors pétrole diminue de
0,092 % et vice-versa. La variable ouverture commerciale
(OPEN) est significative au seuil de 1 % et impacte
négativement le PIB hors pétrole. Lorsque l’ouverture
commerciale (OPEN) augmente de 1 %, le PIB hors
pétrole diminue de 0,31 % et vice-versa. La variable taux
d’intérêt réel (TXINTREEL) est significative au seuil de 1
% et impacte négativement le PIB hors pétrole. Lorsque le
taux d’intérêt réel augmente de 1 %, le PIB hors pétrole
diminue de 0,01 % toutes choses égales par ailleurs.
4.4. Interprétation économique des résultats


Il s’agit de donner un sens économique aux variables
significatives de notre modèle. À court et long terme,
toutes les variables ont un impact significatif sur le PIB
hors pétrole. Cependant, la variable crédit (CRDT) n’a pas
d’impact significatif à long terme.
L’inclusion financière a un impact positif sur le taux
de croissance hors pétrole. Plus la taille du secteur
financier augmente (plus de banques et d’institutions
financières, plus de comptes bancaires et autres services
financiers offerts aux populations, etc.), plus le taux de
croissance augmente, toutes choses égales par ailleurs. Ce

résultat corrobore avec le signe attendu de notre étude.

Afin de stimuler la bancarisation et parvenir à une
croissance plus inclusive, les pouvoirs publics doivent
favoriser la création et l’implantation de nouveaux
établissements bancaires et financiers. Ce résultat est en
adéquation avec les travaux de McKinnon et Shaw (1973),
Zenasni (2014) et Onaolapo (2015).
Le crédit accordé au secteur privé et aux ménages,
est significatif et impacte positivement le PIB hors pétrole
à court terme. Le crédit bancaire est la principale variable
de financement de l’économie congolaise. Gurley et Shaw
(1960) ont mis l’accent sur le rôle du canal du crédit et
plus précisément sur le rôle des institutions financières
dans l’offre des fonds pour financer l’activité réelle.
Stiglitz et Weiss (1981) avancent l’hypothèse selon
laquelle le crédit bancaire est la seule source de
financement externe ; le crédit à l’économie agit
positivement sur la croissance économique. Une
augmentation de l’offre de crédit entraîne celle de
l’activité économique. L’école du « canal du crédit » va
dans le même sens en soulignant le lien entre variation de

l’offre de crédit et la croissance économique. À long
terme, cette variable n’est pas significative. Cela
s’explique par le fait que le système financier et bancaire
congolais est moins développé et est confronté aux risques
d’asymétries d’information et aux chocs
macroéconomiques.
Le taux d’intérêt réel accordé au secteur privé et aux
ménages, a un impact négatif sur le PIB hors pétrole. Plus
les banques et les institutions financières augmentent le
taux d’intérêt, plus le PIB hors pétrole baisse, toutes
choses égales par ailleurs. Ce résultat correspond bien à

notre signe attendu. Selon les néo-structuralistes (Taylor,

1983 ; Van Wijnbergen, 1983), un accroissement des taux
d’intérêt réel encourage les épargnants à détenir des actifs
du secteur bancaire officiel au détriment de ceux du
secteur financier informel. Ce déplacement entraîne une
baisse du volume des fonds canalisés vers l’investissement
et la croissance. Pour Stiglitz et al. (1993), l’utilisation des
restrictions des taux d’intérêt et sa détermination à des
niveaux faibles réduit l’épargne et est nuisible à la
croissance économique. De même, Boyd et De Nicolo
(2005) montrent qu’une hausse du taux d’intérêt augmente
l’opportunisme de l’emprunteur et son risque de
défaillance tandis qu’une baisse du taux d’intérêt peut
entraîner une hausse de la rentabilité des projets
d’investissement financés par le crédit bancaire.
Le signe de taux d’investissement négatif à court
terme dans notre étude est contraire à la théorie
économique. Donc, le degré de réaction de l’économie à
court terme suite aux investissements est faible. Cela peut
s’expliquer par la faible diversification et la faible
participation des secteurs hors pétrole dans l’économie

congolaise et par la prédominance du crédit à court terme.
Ce signe négatif peut aussi s’expliquer par une mauvaise
orientation des investissements vers les activités moins
productives. Pour Levine et al. (2000), une meilleure
répartition des ressources économiques stimule les
investissements productifs et la croissance économique. À
long terme le signe est positif.
L’épargne brute des ménages a un impact négatif sur
le taux de croissance du PIB hors pétrole. Une
augmentation de l’épargne privée entraîne une diminution
du taux de croissance du PIB hors pétrole et vice-versa. Ce

résultat obtenu dans notre étude semble exact aux

prédictions théoriques selon lesquelles l’épargne constitue
une fuite pour l’économie. Au Congo, cette situation peut
être expliquée par le faible taux de bancarisation, par
l’insuffisante éducation financière de la population, le goût
pour la thésaurisation. Cette situation peut aussi être
expliquée aussi par la faiblesse des revenus des agents. Ce
résultat n’est pas conforme à ceux de Lucas et al. (1986) et
Khemakhem (2003), pour qui, il existe une relation entre
épargne et investissement, une augmentation du taux de
l’épargne augmente le taux de croissance de l’économie.
L’ouverture commerciale impacte négativement le
PIB hors pétrole. Une augmentation de l’ouverture
commerciale entraîne une diminution du PIB hors pétrole
et vice- versa. Ce résultat est contraire au signe attendu et
à la théorie économique. Le signe négatif de notre résultat
peut s’expliquer par la faible diversification de l’économie
congolaise, essentiellement exportatrice des matières
premières, et l’absence d’industries manufacturières. Ce
signe négatif peut aussi s’expliquer par le fait que le
commerce peut être mauvais pour les petits pays éloignés

de la frontière technologique globale (Aghion et al.,
2005).
Les dépenses publiques impactent positivement le
PIB hors pétrole. Une augmentation des dépenses
publiques entraîne une augmentation du PIB hors pétrole
et vice-versa. Ce résultat, conforme au signe attendu,
s’explique pour le Congo, par la hausse des recettes
pétrolières notamment. Il conforte ainsi ceux de Landau
(1983), Romer (1986), Barro (1991) et Morley et Perdikis
(2000), pour qui, il existe une corrélation nettement
positive entre les dépenses publiques et la croissance

économique, même si cette influence dépend de la

composition des dépenses publiques.
5. Conclusion
Cet article a eu pour objet de mesurer, à partir des
données en séries chronologiques de la période 1986 à
2016, sur un modèle ARDL, l’impact de l’inclusion
financière sur la croissance économique au Congo.
Les résultats de l’analyse descriptive montrent que
les variables CREAB/QE et le PIB hors pétrole évoluent
dans le même sens (tendance haussière de 1986 à 2016) ;
le taux d’intérêt réel et le CRDTB évoluent également
dans le même sens, une augmentation du taux d’intérêt
entraîne une hausse du crédit accordé aux ménages et aux
entreprises. Le PIB hors pétrole est corrélé positivement
avec la variable CREAB/QE. La croissance hors pétrole
est positivement corrélée avec les différentes variables de
contrôle (Crédit, DEP, EBM). Autrement dit, une
augmentation des variables Crédit intérieur, dépenses
publiques et épargne brute des ménages entraîne
également une augmentation de la croissance hors pétrole.

Alors que le PIB hors pétrole est corrélé négativement
avec l’ouverture commerciale et le taux d’intérêt réel,
c’est-à-dire que toute diminution de l’une de ces variables
entraîne une augmentation de la croissance et vice-versa.
L’analyse économétrique nous a permis de montrer que
l’inclusion financière a une influence significative et positive
sur le PIB Hors pétrole. Autrement dit, il existe une relation non
inverse entre l’inclusion financière et le PIB Hors pétrole au
Congo à court ou à long terme. Mais l’impact de l’inclusion
financière à long terme est plus fort que celui de court. Le
niveau d’inclusion financière mérite donc d’être amélioré par la
mise en œuvre d’un certain nombre de mesures et d’initiatives

telles qu’une baisse des frais bancaires, une vulgarisation de la

culture financière, un renforcement du cadre règlementaire en
mettant sur la protection des déposants, la promotion et le
développement des nouvelles technologies.
Loin de prétendre épuiser tous les aspects de la
question, cet article apporte un éclairage quant à l’effet de
l’inclusion financière sur le PIB Hors pétrole au Congo. Il
ouvre également des perspectives pour d’autres travaux
sur la question aussi bien au Congo qu’en zone CEMAC.
Références bibliographiques
Abessolo, Y. A., Timbi S. (2019). Institutions et inclusion
financière dans la CEMAC. Finance et finance
internationale, 15 : 1-19.
Aghion, Ph., Howitt P., Mayer-Foulkes D. (2005). The Effect of
Financial Development on Convergence : Theory and
Evidence. The Quarterly Journal of Economics, 120(1):
173-222.
Allen, D. S., Ndikumana L. (2000). Financial Intermediation
and Economic Growth in Southern Africa. Journal of
African Economies, 9: 132-160.
Attali, J. (2014). Les nouveaux visages de la micro-finance en

Afrique. Revue d’économie financière, (116), 243-258.
Banque de France (2017). Rapport annuel de la zone Franc,
2017.
Banque des États de l’Afrique Centrale. Rapports annuels, 2001
à 2015.
Banque Mondiale. Perspectives économiques mondiales, 2015.
Barro, R. J. (1991). Economic Growth in a Cross-section of
Countries. Quarterly Journal of Economics, 106: 407-
444.
Beck, T., Maimbo S., Faye I., Triki T. (2011). Financing
Africa, Through the Crisis and Beyond. World Bank
Publications, 324 p.

Beck, T., Levine R., Loayza N. (2000). Finance and the Sources
of Growth. Journal of Financial Economics, 58(1): 261-
300.
Benhamdane, J., El Kourchi A., Hidane S. (2016). Évolution du
secteur bancaire en Afrique de l’Ouest et en Afrique
Centrale à l’heure de la numérisation financière. In Le
secteur bancaire en Afrique subsaharienne, évolutions
récentes et inclusion financière numérique, Rapport de la
Banque Européenne d’Investissement, novembre : 93-
125.
Blancheton, B., Maveyraud-Tricoire S. (2006). Les indicateurs
d’intégration financière internationale : un faisceau de
mesures convergent. Cahiers du GRES, 13 : 1-24.
Boyd, J. H., Smith B. D. (1994). How Good Are Standard Debt
Contracts? Stochastic Versus Nonstochastic Monitoring
in a Costly State Verification Environment. Journal of
Business, Vol. 67, No. 4: 539-561.
Boyd, J. H., De Nicolo G. (2005). The Theory of Bank Risk
Taking and Competition Revisited », The Journal of
Finance, 60 (3): 1329-1343.
Čihák, M., Demirgüç-Kunt, A., Feyen E., Levine R. (2012).
Benchmarking Financial Systems around the World.
Banque Mondiale, Policy Research Working Paper.

Conseil National du Crédit (CNC). Rapport annuel, 2015.
Deidda, L., Fattouh B. (2002). Non-linearity Between Finance
and Growth. Economics Letters, 74: 339-345.
Demetriades, P., Hook Law S. (2006). Finance, Institutions and
Economic Development. International Journal of
Finance and Economics, 11: 245-260.
Demirgüç-Kunt, A., Levine R. (2008). Finance, Financial
Sector policies and Long-Run Growth. Banque Mondiale,
Policy Research Working Paper 4469, January.
http://elibrary.worldbank.org/doi/abs/10.1596/1813-
9450-4469

Fonds Monétaire International (2012). Rapport No.12/283,

octobre 2012.
Frankel, J. A., Romer D. H. (1999). Does Trade Cause Growth?
American Economic Review, 89(3): 379-399.
Galbis, V. (1977). Financial Intermediation and Economic
Growth in Less Developped Countries : A theoretical
Approach. Journal of Development Studies, 13(2): 58-72.
Gardeva, A., Rhyne E. (2011). Opportunities and Obstacles to
Financial Inclusion. Survey Report, Center for Financial
Inclusion, India.
Gelbard, E., Gulde A.-M., Maino R. (2015). Développement
financier en Afrique Subsaharienne, les enjeux pour une
croissance soutenue. Revue d’économie financière, (116),
19-42.
Grilli, V., Milesi-Ferretti G. M. (1995). Economic Effects and
Structural Determinants of Capital Controls. IMF Staff
Papers, 42(3): 517-551.
Guérineau, S., Jacolin L. (2015). L’inclusion financière en
Afrique Subsaharienne : faits stylisés et déterminants.
Revue d’économie financière, (116), 57-80.
Gurley, J. G., Shaw E. S. (1960). Financial Aspects of
Economic Development. American Economic Review,
Sept. 1955, 45(4): 515-538.

Kapur, B. (1976). Alternative Stabilization Policies for Less
Developed Economies. Journal of Political Economy,
84(4): 777-795.
Kapur, B. (1983). Optimal Financial and Foreign-Exchange
Liberalization of Less Developed Economies. Quarterly
Journal of Economics, 98(1): 41-62.
Khemakhem, M. A. (2013). Développement des systèmes
financiers et croissance économique : cas des pays en
voie de développement. Revue européenne du droit
social, 01(18) : 218-239.

King, R. G., Levine R. (1993). Finance and Growth :

Schumpeter Might Be Right. Quarterly Journal of
Economics, 108(3): 717-738.
Kormendi, R. C., Meguire P. G. (1985). Macroeconomic
Determinants of Growth : Cross Country Evidence.
Journal of Monetary Economics, 16(2): 141-163.
Landau, D. (1983). Government Expenditure and Economic
Growth : A Cross-Country Study. Southern Economic
Journal, 49(3): 783-792.
Levine, R., Loayza N., Beck T. (2000). Financial
Intermediation and Growth : Causality and Causes.
Journal of Monetary Economics, 46(1): 31-77.
Loaba, S. (2015). Asymétries d’information, risque de crédit et
croissance économique dans l’Union Economique et
Monétaire Ouest Africaine. Université Ouaga 2, Burkina
Faso, 1-20.
Lucas, J. R. E. (1988). On the Mechanics of Economic
Development. Journal of Monetary Economics, 22(1): 3-
42.
Mathieson, D. J. (1979). Financial Reform and Capital Flows
in a Developing Economy. IMF Staff Papers, 26(23):
450-489.
Mathieson, D. J. (1980). Financial Reform and Stabilization

Policy in a Developing Economy ». Journal of
Development Economics, 7(3): 359-395.
McDonald, C., Schumacher L. (2007). Financial Deepening in
Sub-Saharan Africa : Empirical Evidence on the Role of
Creditor Rights Protection and Information Sharing.
International Monetary Fund, Working Paper, 07/203.
Mbaye, A. (2002). Développement financier et croissance
économique : cas du Sénégal. Mémoire de DEA,
Université Cheick Anta Diop de Dakar.
McKinnon, R. I., Shaw E. S. (1973). Money and Capital in
Economic Development. Washington, DC, Brookings
Institution Press.

Michaely, M. (1977). Exports and Growth : An Empiral

Investigation. Journal of Development Economics, 4(1):
49-53.
Morley, B., Perdikis N. (2000). Trade Liberalisation,
Government Expenditure and Economic Growth in
Egypt. Journal of Development Studies, 4(36): 38-43.
Mougani, G. (2012). An Analysis of the Impact of Financial
Integration on Economic Activity and Macroeconomic
Volatility in Africa within the Financial Globalization
Context. African Development Bank Group, Working
Paper 144, 34 p.
Obstfeld, M. (1994). Risk-taking, Global Diversification, and
Growth. American Economic Review, 84(5): 1310-1329.
Onaolapo, A. R. (2015). Effects of Financial Inclusion on the
Economic Growth of Nigeria (1982-2012). International
Journal of Business and Management Review, 3(8): 11-
28.
Pesaran, M. H, Shin Y., Smith R. J. (2001). Bounds Testing
Approaches to the Analysis of Level Relationships.
Journal of Applied Econometrics, 16(3): 289-326.
Quinn, D. (1997). The Correlates of Changes in International
Financial Regulation. American Political Science Review,
91: 531-551.

Rancière, R., Tornell, A., Westermann F. (2006). Decomposing
the Effects of Financial Liberalization: Crises vs. Growth.
Journal of Banking and Finance, 30: 3331-3348.
Romer, P. (1986). Increasing Returns and long Run Growth.
Journal of Political Economy, 94(5): 1002-1037.
Roubini, N., Sala-I-Martin X. (1995). A Growth Model of
Inflation, Tax Evasion, and Financial Repression. Journal
of Monetary Economics, 35: 275–301.
Roubini, N., Sala-I-Martin X. (1992). Financial Repression and
Economic Growth. Journal of Development Economics,
39: 5–30.

Schumpeter, J. (1912). Théorie de l’évolution économique.

Paris : Éditions Dalloz.
Senouci Bereksi, I. (2015). L’impact de l’intégration financière
sur la croissance économique : Le cas des pays du
Conseil de Coopération du Golfe. Thèse de Doctorat en
Sciences Economiques, Université Abou Bekr Belkaid de
Tlemcen.
Stiglitz, J. E., Weiss A. (1981). Credit Rationing in Markets
with Imperfect Information. American Economic Review,
71(3): 393-410.
Stiglitz, J. E., Jaramillo-Vallejo J., Park Y. C. (1993). The Role
of the State in Financial Markets. World Bank Research
Obsever, Annual Conference on Development
Economics Supplement.
Taylor, L. (1983). Structuralist Macroeconomics : Applicable
Models for the Third World. New York, Basic Books.
Toda, H. Y., Yamamoto T. (1995). Statistical Inference in
Vector Autoregressions with Possibly Integrated
Processes. Journal of Econometrics, 66: 225-250.
Van Wijnbergen, S. (1983). Interest Rate Management in
LCD’s. Journal of Monetary Eonomics, 12(3): 433-452.
Vogel, R. C., Buser S. A. (1976). Inflation, Financial Reform,
and Capital Formation in Latin America. In Money and

Finance in economic Growth and Development : Essays
in Honor of E. S. Shaw, Ed. By R. I. McKinnon, New
York, Marcel Dekker, 35-70.
Zenasni, S. (2014). Les Effets de L’intégration Financière sur la
Croissance des Economies du Maghreb dans un Contexte
de Globalisation et de Crises. Thèse de Doctorat en
Sciences Economiques, Université Abou Bekr Belkaid de
Tlemcen.

Annexes
Graphique 6. Test de normalité des résidus

8
Series: Residuals
7 Sample 1988 2016
Observations 29
6
Mean -1.66e-17
5
Median 0.001671
4 Maximum 0.050179
Minimum -0.052669
3 Std. Dev. 0.026053
Skewness 0.219879
2 Kurtosis 2.312549
1
Jarque-Bera 0.804720
Probability 0.668740
0
-0.06 -0.04 -0.02 0.00 0.02 0.04 0.06
Graphique 7. Test de stabilité du modèle
Ce modèle valide les conditions de stabilités

ponctuelles et structurelles.
10.0

7.5
5.0
2.5
0.0
-2.5
-5.0
-7.5
-10.0
06 07 08 09 10 11 12 13 14 15 16
CUSUM 5% Significance

1.6
1.2
0.8
0.4
0.0
-0.4
06 07 08 09 10 11 12 13 14 15 16
CUSUM of Squares 5% Significance
Graphique 8. Test de stabilité des variables du modèle
5000 250
4000 200
3000
150
2000
100
1000

50
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 0
-1000
-2000 -50
PIB hors DEP CRdtb

EBM CREAB/QE invst % PIB
Txintréel OPEN

Tableau 5. Test d’autocorrélation des résidus
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.442035 Prob. F(2,9) 0.6560

Obs*R-squared 2.593876 Prob. Chi-Square(2) 0.2734

Tableau 6. Test d’hétéroscedasticité des résidus
Heteroskedasticity Test: Breusch-Pagan-Godfrey

Scaled explained SS 0.940205 Prob. Chi-Square(17) 1.0000
Heteroskedasticity Test: ARCH


Tableau 7. Test de spécification

Ramsey RESET Test
Equation: MODELE_FINAL
Specification: LPIB_HORSLPIB_HORS(-1) LCREAB_QE
LCREAB_QE(
-1) LCREAB_QE(-2) LINVST_PIB LINVST_PIB(-1) LINVST_PIB(-2)
LDEP CRDTB CRDTB(-1) CRDTB(-2) LEBM LOPEN LOPEN(-1)
LOPEN(-2) TXINTREEL TXINTREEL(-1) C
Omitted Variables: Squares of fitted values
Value df Probability
t-statistic 0.715312 10 0.4908
F-statistic 0.511672 (1, 10) 0.4908
F-test summary:
Sum of Sq. df Mean Squares
Test SSR 0.000925 1 0.000925
Restricted SSR 0.019005 11 0.001728
Unrestricted SSR 0.018080 10 0.001808

Croissance Et Inclusion Financiièrre

Transféré par

Informations du document

Titre original

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

Croissance Et Inclusion Financiièrre

Transféré par

Droits d'auteur :

Formats disponibles

L’INCIDENCE DE L’INCLUSION FINANCIÈRE SUR LA CROISSANCE

F. Jean Désiré Kabikissa

Éditions ICES | « Revue Congolaise de Gestion »

2020/1 Numéro 29 | pages 14 à 60

Distribution électronique Cairn.info pour Éditions ICES.

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

Powered by TCPDF (www.tcpdf.org)

Résumé F. Jean Désiré

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

Revue congolaise de gestion, N° 29, Janv. – Juin 2020 14

Il ressort de cette étude que l’inclusion financière a une

Mot-clés : Inclusion financière, PIB hors pétrole, Congo,

The Impact Financial Inclusion on

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

Key-words : Financial Inclusion, GDP out oil, Congo, ARDL.

Revue congolaise de gestion, N° 29, Janv. – Juin 2020 15

L es récentes crises financières ont relancé le débat de

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

programmes de diversification et de réformes des

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

Revue congolaise de gestion, N° 29, Janv. – Juin 2020 17

capital et qu’il assure une allocation optimale des

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

2 CEMAC : Communauté Économique et Monétaire de l’Afrique

2015). La non-accessibilité au secteur financier formel et

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

Revue congolaise de gestion, N° 29, Janv. – Juin 2020 19

financiers » (Guérineau et Jacolin, 2014, p. 58), est un

2.1. Littérature théorique

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

Revue congolaise de gestion, N° 29, Janv. – Juin 2020 20

Deidda et Fattouh, 2002). Toutefois, un fait semble établi,

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

Revue congolaise de gestion, N° 29, Janv. – Juin 2020 21

l’allocation des capitaux, à travers la diversification des

2.2. Littérature empirique

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

Revue congolaise de gestion, N° 29, Janv. – Juin 2020 22

rôle positif dans le financement de la croissance

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

Revue congolaise de gestion, N° 29, Janv. – Juin 2020 23

Senouci (2012) aboutit à la conclusion que l’intégration

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

Revue congolaise de gestion, N° 29, Janv. – Juin 2020 24

que certaines variables financières agissent négativement

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

Revue congolaise de gestion, N° 29, Janv. – Juin 2020 25

empirique, les études de Mbaye (2002), Gardeva et Rhyne

3. Spécification du modèle et analyse

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

Revue congolaise de gestion, N° 29, Janv. – Juin 2020 26

3.2. Spécification du modèle et définition des variables

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

par le nombre de banques et d’institutions de microfinance

La variable 𝑃𝐼𝐵_𝐻𝑜𝑟𝑠 illustre le produit intérieur

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

Barro (1991) et Morley et Perdikis (2000) ont constaté une

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

Revue congolaise de gestion, N° 29, Janv. – Juin 2020 29

financement de l’économie. Une politique monétaire

4. Analyse et interprétation des résultats

© Éditions ICES | Téléchargé le 10/10/2022 sur www.cairn.info (IP: 196.235.195.39)

Graphique 1. Évolution du PIB non pétrolier en