UNIVERSITE NAZI BONI DIRECTION GENERALE DES IMPOTS

************** ***************
UNITE DE FORMATION ET DE RECHERCHE DIRECTION REGIONALE DES IMPOTS
EN SCIENCES ET TECHNIQUES DES HAUTS BASSINS
*************** ***************
LICENCE EN STATISTIQUES INFORMATIQUE SERVICE DES ETUDES

RAPPORT DE FIN DE CYCLE

sur le thème :

Analyse de l’évolution des montants à

recouvrer par la DRI-HBS aux titres
des budgets nationaux
LICENCE PROFESSIONNELLE EN STATISTIQUES INFORMATIQUE
Présenté par :

SOULAMA Missasso Achille

Sous la direction de :

Maitre de stage : M. Fatié DAO, Chef du service des études à la DRI-HBS

Directeur de mémoire : M. Yaya SOULAMA,Enseignant Chercheur à l’Université Nazi Boni

Période de stage : 23 Avril - 22 Juillet 2018

Année académique : 2019 - 2020
TABLE DES MATIÈRES

Dédicace ii

Remerciements iii

Résumé iv

Introduction générale 1

1 Présentation de la structure d’accueil 3

1.1 Historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Situation géographique et attributions de la DRI-HBS . . . . . . . . . . . . . . . 4
1.3 Couverture territoriale de la DRI-HBS . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Présentation et organisation des services de la DRI-HBS . . . . . . . . . . . . . 5
1.4.1 Présentation des services de la DRI-HBS . . . . . . . . . . . . . . . . . . 5
1.4.2 Organisation des services de la DRI-HBS . . . . . . . . . . . . . . . . . . 5

2 Approche théorique et méthodologique de l’étude 7

2.1 Revue de la littérature [4] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.1 Définitions des concepts de l’étude . . . . . . . . . . . . . . . . . . . . . 7
2.1.2 Établissement et recouvrement des impôts et taxes . . . . . . . . . . . . 7
2.2 Matériels de l’étude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.1 Source et nature des données . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.2 Dictionnaire des variables . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3 Méthodes d’analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.1 Analyse descriptive et bivariée . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3.2 Étude temporelle des montants à recouvrer de la DRI-HBS [2] . . . . . . 10

3 Résultats et discussions 16
3.1 Description générale des variables . . . . . . . . . . . . . . . . . . . . . . . . . . 16
 3.1.1 Cas des montants à recouvrer (MAR) . . . . . . . . . . . . . . . . . . . . 16
3.1.2 Cas des recouvrements (Rec) . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.2 Analyse bivariée entre les variables montants à recouvrer et recouvrements . . . 19
3.3 Analyse de la série Chronologique des montants à recouvrer par la DRI-HBS . . 22
3.3.1 Représentation graphique de la série brute . . . . . . . . . . . . . . . . . 22
3.3.2 Validation du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.3 Estimation de la tendance . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.3.4 Estimation des résidus . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3.5 Prévision des montants à recouvrer pour l’année 2018 . . . . . . . . . . . 32

Conclusion générale 35

Bibliographie ix

i
Dédicace

Je dédie le présent rapport:

• A DIEU tout puissant, celui-là qui m’a donné le souffle de vie;

• A mon père, Nanganibié Soulama, qui n’a jamais cessé de se battre pour nous offrir, à
mes sœurs et moi, les conditions nécessaires à notre développement humain et social;

• A mes deux mamans, Ida Pulchérie Kiénou et Christine Bicaba pour leur amour mater-
nel et leur soutien multiforme;

• Et à mes sœurs, Ruphine et Laureen Soulama.

Missasso Achille Soulama

ii
Remerciements

Il n’a pas été aisé d’élaborer le présent travail tout seul, ce qui a nécessité le concours de
plusieurs personnalités.
Mes profondes reconnaissances vont à l’endroit de :

• Toute ma famille, j’ai toujours pu compter sur elle lorsque besoin s’est fait sentir;

• Docteur Moussa Barro, coordonnateur de la filière Statistique et Informatique, pour ses

conseils et encouragements;

• Monsieur Yaya Soulama, mon directeur de mémoire pour sa disponibilité et l’encadrement

de qualité reçu de sa part;

• Monsieur Fatié Dao, Inspecteur des Impôts, pour m’avoir assisté en tant que maitre de
stage malgré son emploi du temps chargé;

• Monsieur Ida Sosso, Statisticien à la Direction Régionale des Impôts des Hauts-Bassins
pour son assistance, ses conseils et sa disponibilité;

• Mes tantes et mes oncles, pour m’avoir toujours soutenu et encouragé dans mes études;

• Mon ami et camarade de classe Christian Wendpayangdé Sakandé, pour sa disponibilité

et son soutien;

• A tous mes camarades de classes pour la fraternité et l’entraide vécues pendant ces trois
(03) années;

• Toutes les personnes qui de près ou de loin ont contribué à la réalisation du présent
rapport.

iii
Résumé

La présente étude qui vise à apprécier l’évolution des montants à recouvrer par la DRI-
HBS a consisté à analyser les montants fixés par l’Etat et dont la DRI est appelée à recouvrer.
Par les méthodes statistiques dont nous disposons, nous avons décrit non seulement les mon-
tants à recouvrer mais aussi les recouvrements, en déterminant entre autres le montant moyen
mensuel, le taux de croissance, l’écart-type, les taux de recouvrement annuel sur la période «
2011 à 2017 ».

Nous avons également fait une analyse bivariée qui nous a permis de déceler un lien exis-
tant entre nos deux variables : montants à recouvrer et recouvrements.

Aussi, par une analyse chronologique nous avons fait une modélisation de la série « mon-
tants à recouvrer ». De cette analyse il est ressorti qu’en général les montants à recouvrer ont
été à la hausse durant les six (06) années mais il y’a aussi eu chaque année des périodes où ils
étaient à la baisse notamment les mois de janvier à février, d’avril à juin, de juillet à septembre
et d’octobre à novembre. Cette analyse nous a permis de faire des prédictions sur l’an 2018.

iv
Liste des sigles et abréviations

CEFORE : Centre de Formalité des Entreprises

CME : Contribution des Micros Entreprises
DCI : Direction du Centre des Impôts
DGI : Direction Générale des Impôts
DRI-HBS : Direction Régionale des Impôts des Hauts Bassins
IFU : Identifiant Financier Unique
IUTS : Impôt Unique sur les Traitements et les Salaires
MAR : Montants à Recouvrer
RN : Réel Normal
RSI : Régime Simplifié d’Imposition
TVA : Taxe sur la Valeur Ajoutée
UNB : Université Nazi Boni

v
LISTE DES TABLEAUX

2.1 Dictionnaire des variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3.1 Statistiques descriptives des montants à recouvrer . . . . . . . . . . . . . . . . . 17

3.2 Statistiques descriptives des recouvrements . . . . . . . . . . . . . . . . . . . . . 19
3.3 Taux de recouvrement de la DRI-HBS . . . . . . . . . . . . . . . . . . . . . . . 21
3.4 Régression des montants à recouvrer . . . . . . . . . . . . . . . . . . . . . . . . 25
3.5 Croissance des montants à recouvrer . . . . . . . . . . . . . . . . . . . . . . . . 26
3.6 Résultat du test de Shapiro Wilk . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.7 Prévisions des montants à recouvrer au cours de l’année 2018 . . . . . . . . . . . 33

vi
LISTE DES FIGURES

3.1 Evolution des montants à recouvrer par la DRI-HBS . . . . . . . . . . . . . . . 16

3.2 Evolution des recouvrements par la DRI-HBS . . . . . . . . . . . . . . . . . . . 18
3.3 Nuage de points des montants à recouvrer et des recouvrements . . . . . . . . . 20
3.4 Evolution des deux séries (montants à recouvrer et recouvrements) . . . . . . . . 21
3.5 Représentation de la série brute (1) . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.6 Représentation de la série brute (2) . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.7 Représentation de la série brute (3) . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.8 Représentation des coefficients saisonniers . . . . . . . . . . . . . . . . . . . . . 25
3.9 Représentation du Morceau 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.10 Représentation du Morceau 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.11 Représentation du Morceau 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.12 Histogramme de epsilon 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.13 Histogramme de epsilon 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.14 Représentation du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.15 Prévisions des montants à recouvrer au cours de l’année 2018 . . . . . . . . . . . 33

vii
Avant propos

L’Université Nazi Boni (UNB) de Bobo-Dioulasso est une université publique du Burkina
Faso située dans le village de Nasso, à une quinzaine de kilomètres de Bobo-Dioulasso. Depuis
2011, l’Université Nazi Boni forme des étudiants dans les sciences des données par la filière
Licence Statistique Informatique (LSI) afin de répondre au besoin de personnel qualifié et en
statistiques et en informatique munit des connaissances de base en économie. Il s’agit d’une
formation résolument tournée vers les métiers de l’ingénierie des données. Elle aborde tous les
aspects de ces métiers : collecte, administration, exploitation et valorisation des données.

L’étudiant en LSI à la fin de sa formation sera capable :

• D’organiser la collecte de l’information (enquête) ;

• De construire et gérer un système d’information (base de données) ;

• De concevoir et gérer un site web ; De participer aux projets de développement d’application

;

• D’analyser, résumer, segmenter des vastes ensembles de données ;

• De décrire, traiter, synthétiser des résultats d’enquête ;

• D’analyser, décomposer, désaisonnaliser, modéliser des séries chronologiques ;

• D’estimer et de tester les effets d’un ensemble de facteurs.

Afin de mettre en application toutes les connaissances acquises au cours de sa formation et

de s’imprégner de la vie professionnelle, l’étudiant en fin de cycle doit effectuer un stage en
entreprise. C’est pour satisfaire à cette exigence que nous avons effectué un stage de trois
(03) mois allant du 23 Avril au 23 Juillet 2018 à la Direction Régionale des Impôts des Haut-
Bassins (DRI-HBS). Ce stage nous a permis la production de ce document dont le thème est
: « Analyse de l’évolution des montants à recouvrer par la DRI-HBS au titre des
budgets nationaux. »

viii
Introduction générale

I. Contexte et Justification
Chaque Etat, pour pouvoir faire face à ses dépenses, a besoin de ressources financières.
Ces ressources peuvent provenir d’emprunts et/ou de dotations. Mais l’État doit pouvoir
compter sur ses propres potentialités. Ainsi, il revient aux trois régies financières du pays,
de travailler à trouver un apport financier. En effet, au titre de l’année 2018, les prévisions
de l’Etat Burkinabè sont telles que, la Direction Générale des Impôts (DGI) doit recouvrer
la somme de 918 milliards de FCFA, les douanes 694 milliards de FCFA et le Trésor Public
146,936 milliards de FCFA. Nous pouvons constater que des trois régies, la DGI est celle qui
doit engranger le plus de ressources financières. En effet, il ressort clairement que la DGI a la
plus grande part de contribution dans la mobilisation des fonds pour la dépense publique au
Burkina Faso.
L’amélioration du recouvrement des recettes fiscales intérieures constitue la priorité dans un
contexte de mise en œuvre du Plan National de Développement Economique et Social (PNDES)
qui exige de la Direction générale des impôts une contribution à la mobilisation des ressources
propres à hauteur de 43,3% soit 55,1% des recettes fiscales. [3].
En 2018, les montants à recouvrer par unité régionale sont tels que la DRI-HBS doit recouvrer
la somme de 3 456 689 000 de FCFA.
Une chose est de vouloir recouvrer, une autre est de pouvoir recouvrer. Les montants à re-
couvrer ont-ils toujours pu être mobilisés par la direction ? Les montants à recouvrer ont-ils
un impact sur les recouvrements ? C’est dans cette optique que nous nous sommes proposé
d’analyser les montants à recouvrer de la DRI-HBS, de comparer ensuite ces montants avec les
recouvrements effectués pour finir par des projections dans un proche futur de ces montants.
La présente étude sera alors structurée en trois (03) chapitres :

+ Le premier sera consacré à la présentation de la structure d’accueil ;

1
 + Le deuxième exposera le cadre théorique et méthodologique de l’étude ;

+ Le troisième présentera les résultats de l’étude.

II. Objectifs de l’étude

Notre étude a pour objectif global, l’analyse des montants à recouvrer par la DRI-HBS
au titre des budgets nationaux de Janvier 2011 à Décembre 2017.
Pour atteindre cet objectif, nous nous sommes fixés des objectifs spécifiques qui sont entre
autres :

• Apprécier l’évolution des montants à recouvrer ;

• Apprécier l’évolution des recouvrements ;

• Étudier la corrélation entre montants à recouvrer et niveau de recouvrement ;

• Prédire les valeurs futures des montants à recouvrer.

III. Hypothèses de l’étude

Pour atteindre ces objectifs, nous avons formulé les hypothèses suivantes :
H1 : Les montants à recouvrer sont à la hausse aux fils des années.

H2 : Il y a corrélation entre les montants à recouvrer et le niveau de recou-

vrement.

H3 : Les recouvrements effectués atteignent toujours les montants à recouvrer.

2
 Chapitre 1
Présentation de la structure d’accueil

Dans ce chapitre, nous ferons une présentation de la direction régionale des impôts des
hauts Bassins (DRI-HBS).
Nous ferons d’abord l’historique de l’administration fiscale burkinabè, nous donnerons ensuite
ses attributions, puis les provinces qui lui sont rattachées et enfin nous présenterons ses différents
services.

1.1 Historique
L’administration fiscale au Burkina Faso a été restructurée progressivement depuis la
période coloniale jusqu’à nos jours. Ainsi, de cette période coloniale à 1966, il existait en
Haute Volta un seul Service des Contributions Diverses, deux (02) divisions d’inspection (Oua-
gadougou et Bobo-Dioulasso) et quatre (04) divisions de contrôles (Ouahigouya, Koudougou,
Fada N’Gourma et Banfora). La structure chargée de la fiscalité intérieure au Burkina Faso est
l’une des Directions du Ministère de l’Economie, des finances et du Développement à savoir la
Direction Générale des Impôts (DGI).
De 1966 à 1994, l’impôt a été régi par trois administrations différentes et autonomes :

• La direction générale des impôts (DGI) crée en 1978 ;

• La direction du domaine de l’enregistrement et du timbre (crée en 1975) ;

• La direction des domaines et du cadastre (crée en 1974).

En 1993 une fusion des trois directions citées ci-dessus a été traduite par l’adoption de la loi
n° 1993-115/MFP/SG/DGI du 15 décembre 1993 portant organisation et fonctionnement de la
nouvelle DGI.
En janvier 1994, la DGI procède à la mise en place des Directions Régionales des Impôts de
l’ouest, du centre, de l’est et du nord.

3
En 2011, les régions des cacades et du sud-ouest bénéficient chacune d’une DRI et l’ancienne
DRI de l’ouest est devenue la Direction Régionale des Impôts des Hauts-Bassins (DRI-HBS)
dont la compétence territoriale ne se limite qu’à la région des Hauts-Bassins.

1.2 Situation géographique et attributions de la DRI-

HBS
Le siège de la Direction Régionale des Impôts des Hauts-Bassins est situé dans la ville de
Bobo-Dioulasso dans la province du Houet.
Elle est chargée :

• D’assurer la représentation de la direction générale des impôts au niveau régional ;

• De veiller à l’exécution des programmes et des instructions ainsi que des décisions émanant
de l’administration centrale (DGI) ;

• De l’animation, de la coordination, du suivi et du contrôle des services en collaboration

avec la Direction Centrale ;

• D’établir périodiquement le bilan des activités des services de la région ;

• De faire toute proposition d’adaptation de la législation fiscale ;

• D’évaluer les besoins des services de base de la région en moyen humain, matériel, tech-
nique et financier et de faire un rapport périodique sur les conditions de fonctionnement
et d’utilisation de ses moyens ;

• D’apporter un appui au CEFORE (centre de formalité des entreprises) pour l’amélioration

de son rendement à travers l’immatriculation au numéro IFU (Identifiant Financier Unique)
des entreprises.

1.3 Couverture territoriale de la DRI-HBS

La DRI-HBS couvre au total 33 communes réparties dans les trois provinces :
• La province du Houet qui comprend 13 communes dont une (01) urbaine à statut parti-
culier et 12 communes rurales ;

4
 • La province du kénédougou qui comprend 13 communes dont une (01) commune urbaine
et 12 communes rurales ;

• La province du tuy qui comprend 7 communes dont une (01) urbaine et 06 communes
rurales.

1.4 Présentation et organisation des services de la DRI-

HBS

1.4.1 Présentation des services de la DRI-HBS

La DRI-HBS représente une des unités de recouvrement de la DGI. Elle est composée par
les services d’appui au sein de la DRI-HBS et les services d’assiettes et recouvrements qui lui
sont rattachées. Ces services jouent un rôle très important dans la mobilisation des recettes au
profit du budget national et du budget des collectivités territoriales. A la fin de chaque mois,
chaque service de base fournit un bilan des performances à la DRI-HBS qui sera acheminé à la
DGI. Ainsi la DRI-HBS se trouve dans l’obligation d’avoir en son sein, une bonne politique de
suivi des actions et un dispositif de collecte et de synthèse de données statistiques afin d’obtenir
des résultats significatifs.

1.4.2 Organisation des services de la DRI-HBS

La DRI-HBS assure le bon fonctionnement de tous les services d’impôts présents dans
sa zone de couverture. Sur le plan fonctionnel on peut procéder au regroupement suivant
représenté sur l’organigramme ci-dessous :

5
BER HBS : Brigade d’Enquête et de Recherche des Hauts-Bassins ;

BV : Brigade de Vérification ;

DCI : Direction du centre des Impôts ;

DPI : Direction Provinciale des impôts ;

DRI-HBS : Direction Régionale des Impôts des Hauts-Bassins;

RDPF : Recette des Domaines et de la Publicité Foncière;

RI : Recette des Impôts;

SA : Services d’Assiette;

SE : Service des Etude;

SGM-HBS : Service de Gestion et des Moyens des Hauts Bassins.

6
 Chapitre 2
Approche théorique et méthodologique de l’étude

Nous aborderons de façon spécifique dans ce chapitre, la résolution du sujet. Il s’agira

dans un premier temps du cadre théorique de l’étude et dans un second temps, de la présentation
de la méthodologie utilisée.

2.1 Revue de la littérature [4]

2.1.1 Définitions des concepts de l’étude

• Impôt

L’impôt constitue un prélèvement obligatoire effectué par voie d’autorité par l’État, les
régions, les provinces, les communes sur les ressources des personnes vivants sur son territoire
ou y possédant des intérêts pour être affecté aux services d’utilité générale.

• Taxe

La taxe est un prélèvement obligatoire perçu d’autorité, à l’occasion d’une opération,

mais qui ne constitue pas la contrepartie monétaire de ce service.

• Le contribuable

Le contribuable est l’individu ou le ménage qui paye une contribution ou impôt direct à
l’État.

2.1.2 Établissement et recouvrement des impôts et taxes

Le prélèvement fiscal comporte trois étapes essentielles à savoir : l’assiette, la liquidation

et le recouvrement.

7
 • L’assiette de l’impôt

Une assiette fiscale est un montant qui sert de base au calcul d’un impôt ou d’une taxe.
Le montant de l’impôt dû sera le plus souvent obtenu par multiplication de l’assiette par un
taux.
Au Burkina Faso, on distingue trois régimes fiscaux que sont : la Contribution des Micro
entreprises (CME), le Régime Simplifié d’Imposition (RSI) et le régime du Réel Normal (RN).

• La liquidation

C’est le mécanisme de calcul de l’impôt dû par les contribuables. Elle dépend de l’assiette
mais aussi de la situation du contribuable. En pratique, il s’agit le plus souvent d’appliquer un
taux ou un barème (impôt sur le revenu) ou un tarif (taxe de résidence). Elle est effectuée par
le contribuable lui-même (TVA, IUTS) ou par l’administration (Patente, Taxe de résidence).

2.2 Matériels de l’étude

2.2.1 Source et nature des données

Les données utilisées pour cette étude proviennent de la base de données de la DRI-
HBS. Ce sont des fréquences mensuelles allant de janvier 2011 à décembre 2017. Ces données,
faisant la situation des montants à recouvrer et des recouvrements effectués par la direction,
sont quantitatives. Le tableur EXCEL est le logiciel utilisé pour le traitement des données à la
Direction Régionale des Impôts des Hauts-Bassins.

2.2.2 Dictionnaire des variables

Nous avons assigné des notations à nos variables. Celles-ci sont consignées dans le tableau
ci-dessous :

Tableau 2.1: Dictionnaire des variables

Variables Nom de la Variable Unité

Mar Montants à recouvrer F CFA

Rec Récouvrements F CFA

Source: Données de la DRI-HBS

8
2.3 Méthodes d’analyse
L’analyse des données est une phase incontournable dans une étude statistique. En effet
elle permet à l’aide de techniques avancées de modélisation et d’analyse, de trouver l’information
que les données brutes ne donnent pas. L’information obtenue de l’analyse aide à la prise de
décisions.
Dans cette partie, nous aurons dans un premier temps l’analyse descriptive et bivariée de nos
données et dans un second temps, l’analyse temporelle.

2.3.1 Analyse descriptive et bivariée

Nous procédons dans cette partie, à une description de nos données. Nous avons utilisé
le logiciel MICROSOFT EXCEL 2016. Nous pourrons ainsi décrire l’évolution des montants à
recouvrer et des recouvrements de la DRI-HBS au titre des budgets nationaux de Janvier 2011
à Décembre 2017.
Nous allons également faire une analyse bivariée à ce niveau afin de déterminer l’existence de
lien entre nos deux variables. Pour trouver ce lien possible, nous avons calculé le coefficient de
corrélation linéaire.
Le coefficient de corrélation permet de déterminer l’existence de relation linéaire entre deux
variables quantitatives. Il prend ses valeurs entre -1 et 1 et se calcule comme suit :
Soit :

rX,Y = coefficient de corrélation entre la variable X et Y ;

cov(X, Y )= covariance de X et Y ;

σX = écart-type de X;

σY = écart-type de Y ;

X̄ = moyenne arithmétique de X;

Ȳ = moyenne arithmétique de Y ;

On a :
cov(X, Y )
r= (2.1)
σX σY

9
avec :

cov(X, Y ) = i (Xi − X̄)(Yi − Ȳ )

P

− X̄)2 (Yi − Ȳ )2
q
σX σY = i (Xi
P

Quand le coefficient de corrélation est proche de 0, il y a une relation linéaire très faible
entre les deux variables, quand il s’approche de 1 ou -1 il y a une relation linéaire plus ou moins
forte entre les deux variables. Son signe permet de déterminer le sens de la relation entre les
deux variables. S’il est négatif, l’augmentation de l’une entraine la diminution de l’autre tandis
que s’il est positif les deux variables évoluent dans le même sens. Une absence de corrélation
linéaire n’implique pas forcement l’indépendance des deux variables mais l’indépendance des
deux variables implique forcement l’absence de corrélation linéaire.
Par la suite, nous avons vérifié la significativité du lien existant entre les variables. Pour in-
firmer ou confirmer cette significativité, nous avons effectué le test de Student. C’est ce test
que nous avons utilisé pour accepter ou rejeter l’hypothèse H0 1 au seuil de probabilité de 5%.
Si pour chaque paramètre estimé, la probabilité critique calculée par le programme est in-
férieure au seuil critique, on rejette l’hypothèse nulle qui stipule que le paramètre estimé est
statistiquement nul. Sinon on accepte l’hypothèse nulle.

2.3.2 Étude temporelle des montants à recouvrer de la DRI-HBS

[2]

Dans cette partie de nos analyses nous avons utilisé le logiciel libre R dans sa version
3.5.0.
Une série temporelle (encore appelée série chronologique) est un ensemble d’observations dans
le temps. Ces observations peuvent être régulières ou non espacées dans le temps. L’étude d’une
série chronologique a pour but essentiel de décrire les valeurs existantes, de les analyser et de
faire la prédiction des valeurs futures. Le modèle chronologique comprend trois (03) parties
que sont : la tendance, la saisonnalité et les résidus ou bruits blancs.

• La tendance exprime un mouvement à moyen terme de la série. Elle est modélisée le

plus souvent par une fonction polynomiale du temps.

• La saisonnalité correspond aux fluctuations saisonnières qu’on peut observer sur la série
brute.
1
La variable x n’a aucune influence sur la variable y

10
 • Les résidus sont les fluctuations ou variations que ni la tendance, ni la saisonnalité ne
peuvent expliquer. Ce sont des variables aléatoires centrées.

L’analyse de notre série chronologique suivra les étapes suivantes :

▷◁ Choix du modèle

Il existe deux modèles de série chronologique : le modèle additif et le modèle multiplicatif.

Dans cette partie il sera question de déterminer le modèle de la série. Nous chercherons par la

méthode graphique, à savoir si le modèle est additif ou s’il est multiplicatif.

En effet, en observant la courbe représentative de la série, si les amplitudes sont constantes et

ne dépendent pas de la tendance, il s’agit d’un modèle additif.

Ce modèle se présente comme suit :

Yt = Zt + St + εt (2.2)

Si par contre, entre les amplitudes (la saison), il y a dépendance, il s’agit d’un modèle multi-

plicatif.

(Exemple de dépendance : lorsque la tendance est croissante, les amplitudes augmentent.)

Quant à ce modèle, il se présente comme suit :

Yt = Zt × St × εt (2.3)

Avec :

Yt : la série brute;

Zt : la tendance;

St : la composante saisonnière;

εt : les résidus;

11
 t : le temps.

Par ailleurs, il est possible de passer du modèle multiplicatif au modèle additif. L’intérêt de ce
changement est que ce dernier modèle est bien plus stable. Le passage du modèle multiplicatif
au modèle additif se fait grâce à la fonction logarithme.

▷◁ Décomposition de la série chronologique

Dans cette partie, nous allons utiliser la méthode de la moyenne mobile pour dessaison-
aliser notre série.

• Moyennes mobiles centrées

L’étendue de la moyenne mobile doit être la même que l’ordre de la saisonnalité. Dans

notre étude, nous avons une saisonnalité d’ordre 12. La moyenne mobile sera donc étendue sur

12. Ainsi, pour une observation Y la moyenne mobile sera égale à :

6
M Mij = Yij (2.4)
X

j=−5

L’utilisation de cette méthode implique que sur les six (06) premiers mois, ainsi que les six
(06) derniers, il n’y a pas d’estimation de la tendance.

• Coefficients saisonniers

L’estimation des coefficients saisonniers se fait comme suit :

(1) : On calcule d’abord la série diminuée de sa tendance. Soit S̃ cette série :

S̃ij = Yij − M Mij (2.5)

(2) : On calcule ensuite la médiane de cette série diminuée pour chaque saison :

12
Soit S̃ cette entité :

1 N
Sj = (Yij − M Mij ) avec N, le nombre d’années d’observation.
X

N i=1
(2.6)
(3) : On calcule à présent la moyenne de Sj . Soit Ms cette moyenne :

1 Xm
Ms = Sj avec m, le nombre de mensualité. (2.7)
m j=1

(4) : Les coefficients saisonniers sont enfin trouvés par l’opération ci-après :

Coef fj = Sj − Ms (2.8)

• Estimation des résidus

L’estimation des résidus dans un modèle additif se fait comme suit :

De :

Yt = Zt + St + εt (2.9)

On a :

εt = Yt − (Zt + St) (2.10)

Pour apprécier la qualité de notre modèle par les résidus, il existe des méthodes parmi lesquelles

nous pouvons citer l’histogramme des fréquences et le test de Shapiro Walk.

La méthode de l’histogramme des fréquences consiste à représenter l’histogramme des valeurs

résiduelles. Si l’allure de l’histogramme est en forme de « cloche », on dit alors que les résidus

suivent une loi normale centrée réduite. Et dans ce cas, notre modèle est de bonne qualité.

13
Il est cependant possible de faire un test statistique pour vérifier si nos résidus suivent une loi

normale.

Quant au test de Shapiro-Wilk, il est basé sur la statistique W. La statistique du test s’écrit :

n
P[ 2 ]
[ i=1 ai (x(n−i+1) − x(i))]2
W = 2
(2.11)
i (xi − x̄)
P

xi correspond à la série des données triées;

[ n2 ] est la partie entière du rapport n2 ;

ai sont des constantes générées à partir de la moyenne et de la matrice de variance co-

variance des quantiles d’un échantillon de taille n suivant la loi normale. Ces constantes
sont fournies dans des tables spécifiques.

Plus la statistique W est élevée, plus la compatibilité avec la loi normale est crédible.

▷◁ Description de la méthode de Holt-Winters

Pour faire les prévisions des séries chronologiques, il existe plusieurs méthodes. La méth-
ode appropriée est choisie en tenant compte de critères comme la tendance et la saisonnalité.

Pour notre série, nous utiliserons la méthode dite d’Holt et Winters car notre série présente

une saisonnalité et une tendance.

Considérons la série chronologique Yt = AN −t + St + ϵt . La méthode d’Holt-Winters propose

une estimation de A, ϵt et S par les formules de mise à jour suivantes :




Ât = (1 − β)Ât−1 + β(ϵ̂t − ϵ̂t−1) (1)













 ϵ̂t = α(Yt − Ŝt−p) + (1 − α)(ϵ̂t−1 + Ât−1) (2) (2.12)







Ŝt = γ(Xt − ϵ̂t) + (1 − γ)Ŝt−p




 (3)

14
La formule (1) de mise à jour s’interprète comme une moyenne pondérée de la différence des

niveaux estimés aux instants t et (t − 1).

La formule (2) comme moyenne pondérée de l’observation Yt (à laquelle on a retranché la

composante saisonnière) et l’estimation de la tendance faite à l’instant (t − 1).

Enfin la dernière formule (3) de mise à jour, comme moyenne pondérée de l’observation Yt (à

laquelle on a retranché le niveau calculé à l’instant t) et de la composante saisonnière calculée

à l’instant (t − p). On en déduis ainsi, une prévision à l’horizon h :

Pour 1 < h < p;

Ŷt(h) = Ât + ϵ̂t + Ŝt+h+p (2.13)

En somme nous venons de parcourir les différentes méthodes d’analyse de nos données.

15
 Chapitre 3
Résultats et discussions

Dans ce chapitre il sera question de présenter les résultats issus des analyses que nous
avons effectué.
Nous aurons dans un premier temps la présentation des résultats de l’analyse descriptive et
bivariée de nos données et dans un second temps, ceux de l’analyse temporelle.

3.1 Description générale des variables

3.1.1 Cas des montants à recouvrer (MAR)

Le graphique 3.1 donne l’évolution des montants à recouvrer (MAR) par la DRI-HBS au
titre des budgets nationaux de 2011 à 2017.

Graphique 3.1: Evolution des montants à recouvrer par la DRI-HBS

Source: Données de la DRI-HBS

16
Les MAR ont varié entre 2,3 milliards et 2,9 milliards entre 2011 et 2017. L’analyse visuelle
de ce graphique montre que ces MAR ont évolué selon une tendance linéaire croissante du-
rant la période indiquée (l’hypothèse H1 est vérifiée). Cependant, on observe des fluctuations
remarquables entre 2012 et 2013 et entre 2015 et 2016 où les MAR croissent et décroissent forte-
ment. Le taux de croissance annuel est de 2%. C’est-à-dire qu’entre 2011 et 2017, les MAR
ont augmenté chaque année de 2% en moyenne. Dans le tableau ci-dessous sont renseignés les
caractéristiques de tendance centrale et de dispersion.

Tableau 3.1: Statistiques descriptives des montants à recouvrer

MAR (F CFA)

Moyenne 212 566 622

Ecart-type 47 168 116

Minimum 115 982 395

Maximum 323 961 634

Source: Données de la DRI-HBS

Les MAR varient entre 115 982 395 FCFA et 323 961 634 FCFA de 2011 à 2017. Sur la période,
le montant mensuel moyen s’élève à 212 566 622 FCFA. Nous remarquons une grande variation
(47 168 116 FCFA) entre les montants mensuels et le montant moyen.

3.1.2 Cas des recouvrements (Rec)

Le graphique 3.2 donne l’évolution des recouvrements de la DRI-HBS au titre des budgets
nationaux de janvier 2011 à décembre 2017.

17
 Graphique 3.2: Evolution des recouvrements par la DRI-HBS

Source: Données de la DRI-HBS

Nous remarquons que tout comme les montants à recouvrer, les recouvrements ont une tendance
linéaire croissante avec cependant des fluctuations plus importantes. Le taux de croissance
annuel moyen est de 6%. Cela signifie qu’en moyenne les recouvrements ont augmenté de 6%
chaque année de 2011 à 2017. Nous remarquons que depuis 2014 jusqu’à 2016 les recouvrements
ont connu une baisse de 616 177 773 FCFA soit 335 044 150 FCFA entre 2014 et 2015 et 281
133 623 FCFA entre 2015 et 2016. Ces périodes correspondent respectivement aux périodes
pré et post insurrectionnelles. Cette crise que le « pays des hommes intègres » a traversé,
pourrait être la cause de la baisse des recouvrements. Le tableau ci-dessous renseigne sur les
caractéristiques de tendance centrale et de dispersion.

18
 Tableau 3.2: Statistiques descriptives des recouvrements

Rec (F CFA)

Moyenne 196 571 176

Ecart-type 49 966 786

Minimum 102 134 728

Maximum 365 602 072

Source: Données de la DRI-HBS

En moyenne par mois, la DRI-HBS recouvre la somme de 196 571 176 FCFA. Les montants
recouvrés mensuellement varient entre 102 134 728 FCFA et 365 602 072 FCFA. Nous constatons
également pour les recouvrements, qu’il y a un écart type élevé. En effet, les montants recouvrés
chaque mois varient de 59 966 786 FCFA du montant mensuel moyen recouvré.

3.2 Analyse bivariée entre les variables montants à re-

couvrer et recouvrements
Le nuage de points (voir graphique 3.3 ) de nos deux variables a une forme elliptique. Cela laisse
croire qu’il y a une forte dépendance entre ces deux variables. La forme elliptique sous-entend
une dépendance linéaire : l’hypothèse H2 est vérifiée.

19
Graphique 3.3: Nuage de points des montants à recouvrer et des recouvrements

Source: Données de la DRI-HBS

Le coefficient de corrélation entre Mar et Rec vient confirmer ce fait. En effet, sa valeur est
de 0,66. Il est différent de 0, il existe alors une relation entre les MAR et les recouvrements.
Ce coefficient est positif et est proche de 1, ce qui témoigne de la présence de relation forte
entre les MAR et les recouvrements. Cela implique que plus les prévisions augmentent plus les
montants recouvrés sont importants.
Une analyse de l’évolution des deux séries (montants à recouvrer et recouvrements) permet de
voir les variations qui existent entre elles. D’après le graphique 3.4 ci-après, on peut voir que
les séries sont tantôt confondues, tantôt divergentes. Jusqu’en mi 2011, nous pouvons voir que
les recouvrements ont été surestimés avant d’être pratiquement identiques entre 2012 et début
2015. La période 2015 à 2017 est marquée par une sous-estimation flagrante des recouvrements
par les montants à recouvrer sur certains mois : l’hypothèse H3 est infirmée.

20
Graphique 3.4: Evolution des deux séries (montants à recouvrer et recouvrements)

Source: Données de la DRI-HBS

Les taux de recouvrement annuels sont consignés dans le tableau ci-dessous :

Tableau 3.3: Taux de recouvrement de la DRI-HBS

Années Taux de recouvrement

2011 77%

2012 102%

2013 101%

2014 105%

2015 81%

2016 90%

2017 93%

Source: Données de la DRI-HBS

21
3.3 Analyse de la série Chronologique des montants à
recouvrer par la DRI-HBS

3.3.1 Représentation graphique de la série brute

Graphique 3.5: Représentation de la série brute (1)

Montants (F CFA)

2.5e+08
1.5e+08

2011 2012 2013 2014 2015 2016 2017 2018

Date(Années)

Source: Données de la DRI-HBS

En observant le graphique ci-dessus, nous constatons à priori qu’au fil des ans, les montants à
recouvrer sont à la hausse. La courbe présente des fluctuations qui semblent se répéter, il y a
donc possibilité que notre série temporelle ait une tendance et une saisonnalité. L’allure de la
courbe n’étant pas forcement identique pour chaque année, il est fort probable que nous ayons
également dans notre série, des bruits blancs.
Seule une analyse statistique pourrait nous en dire plus sur les conclusions ci-dessus tirées.

3.3.2 Validation du modèle

Le graphique ci-dessous nous donne un aperçu sur les variations de la série. Son observation
nous permettra de déterminer le modèle étudié.

22
 Graphique 3.6: Représentation de la série brute (2)

1
2
3
4
Montants (F CFA)

5
2.5e+08

6
7
8
9
10
11
12
1.5e+08

2011 2012 2013 2014 2015 2016 2017 2018

Date(Années)

Source: Données de la DRI-HBS

En observant le graphique 3.6, nous pouvons constater que les variations saisonnières ne sont
pas proportionnelles à la tendance. En d’autres termes, les amplitudes sont constantes quel
que soit l’évolution de la tendance. Nous avons donc là, un modèle à termes additifs.

• Choix de la saisonnalité

Pour une meilleure observation de la saisonnalité, nous avons zoo-mer notre série sur une période
de courte durée (Janvier 2011 à Décembre 2013). Nous obtenons le graphique ci-dessous :

23
 Graphique 3.7: Représentation de la série brute (3)

1
2
3
2.5e+08

4
Montants(F CFA)

5
6
7
8
9
10
11
12
1.5e+08

2011.0 2011.5 2012.0 2012.5 2013.0 2013.5 2014.0

Date(Années)

Source: Données de la DRI-HBS

En observant le graphique 3.7, remarquons que chaque année, les plus importants montants à
recouvrer se situent au mois d’Avril. Nous en déduisons alors que nous avons une saisonnalité
mensuelle (d’ordre 12).

• Estimation de la saisonnalité par la méthode des moyennes mobiles

Dans l’étude des séries chronologiques, l’analyse de la composante saisonnière est une phase
très importante. En effet, par les coefficients saisonniers, nous pouvons non seulement apprécier
l’évolution de la série ; aussi, nous pouvons la modéliser.
Le principe consiste à utiliser des opérateurs de « moyennes mobiles » comme des filtres qui
annulent certaines composantes et en laissent d’autres invariantes.
Ainsi, l’estimation de la saisonnalité par la méthode des « moyennes mobiles » consistera à
faire apparaître exclusivement la composante saisonnière et à réduire le « bruit » associé à la
composante aléatoire.
Le graphique 3.8 ci-dessous est en effet une superposition de la série brute sur les différentes
années de notre étude. En observant la courbe, nous remarquons une baisse des montants
à recouvrer par la direction sur les périodes de janvier à février, d’avril à juin, de juillet à
septembre et d’octobre à novembre ; contre une augmentation sur les périodes de février à

24
avril, de juin à juillet et de septembre à octobre. Entre novembre et décembre, les montants à
recouvrer par la DRI-HBS sont constants.

Graphique 3.8: Représentation des coefficients saisonniers

Coefficients Saisonniers

4e+07
0e+00
−4e+07

2 4 6 8 10 12

Années

Source: Données de la DRI-HBS

La description faite plus haut n’est qu’une description de l’allure de la courbe. Statistiquement
parlant, en prenant le mois de janvier comme mois de référence, les taux de régression et de
croissance des montants à recouvrer sont consignés dans les tableaux ci-après :

Tableau 3.4: Régression des montants à recouvrer

RÉGRESSION DES MONTANTS A RECOUVRER

Période Taux de diminution (%)

Au mois de février 40

Au mois de juin 10

Au mois de spetembre 30

Au mois de décembre 5

Source: Données de la DRI-HBS

25
 Tableau 3.5: Croissance des montants à recouvrer

CROISSANCE DES MONTANTS A RECOUVRER

Période Taux de croissance (%)

Au mois d’avril 59

Au mois de juillet 40

Au mois d’octobre 50

Source: Données de la DRI-HBS

(Avantages et inconvénients de l’utilisation des moyennes mobiles)

L’approche moyenne mobile est très souple et résiste mieux aux changements de régime que le
modèle linéaire par exemple. Elle permet de prendre en compte et d’éliminer les perturbations.
Par contre le choix de l’ordre et des coefficients est empirique et réclame de l’expérience.

3.3.3 Estimation de la tendance

Nous avons opté pour une analyse par morceau car la tendance de notre série chronique est
irrégulière. Ainsi donc, nous avons divisé la série en trois (03) morceaux.

• Morceau 1

Il s’étend de Janvier 2011 à Mai 2012.

La représentation graphique de ce morceau est la suivante :

26
Montants(F CFA) Graphique 3.9: Représentation du Morceau 1

2.0e+08
1.4e+08

2011.0 2011.2 2011.4 2011.6 2011.8 2012.0 2012.2

Années

Source: Données de la DRI-HBS

Le morceau 1 a une tendance plutôt décroissante. En faisant une régression linéaire pour
trouver le pouvoir explicatif de ce morceau, nous avons trouvé un R2=53,45. Autrement dit,
le modèle explique à 53,45% les variations de la tendance. Les coefficients sont significatifs au
seuil de 5%.

• Morceau 2

Ce morceau s’étend de Juin 2012 à Janvier 2016. Sa représentation graphique est la suivante :

27
 Graphique 3.10: Représentation du Morceau 2

2.5e+08
Montants(F CFA)

1.5e+08

2012.5 2013.0 2013.5 2014.0 2014.5 2015.0 2015.5 2016.0

Années

Source: Données de la DRI-HBS

Le morceau 2 a une tendance croissante. La régression linéaire nous a donné un R2=62,02%.

Ce qui signifie que le modèle explique à 62,02% les variations de la tendance. Les coefficients
sont significatifs au seuil de 5%.

• Morceau 3

Le troisième morceau s’étend de Février 2016 à Décembre 2017. La représentation graphique

de ce dernier morceau est la suivante :

28
Montants(F CFA) Graphique 3.11: Représentation du Morceau 3

2.4e+08
1.8e+08

2016.5 2017.0 2017.5

Années

Source: Données de la DRI-HBS

Le morceau 3 présente une tendance irrégulière. Son pouvoir explicatif est de 50,29En somme,
des trois morceaux, le morceau 2 est celui qui explique le mieux la tendance de notre série
avec un pouvoir explicatif de 62,02%. Ainsi, le morceau 2 ayant une tendance croissante, nous
disons qu’en général, notre série a une tendance croissante. Autrement dit, de janvier 2011 à
décembre 2017, les montants à recouvrer par la DRI-HBS ont connu une hausse en général.

3.3.4 Estimation des résidus

Nous avons également estimé les résidus par morceau.

• Morceau 1

Pour ce premier morceau nous avons utilisé la méthode graphique. Nous avons obtenu l’histogramme
ci-après :

29
 Graphique 3.12: Histogramme de epsilon 1

Histogram of epsilon1
1.0e−08
Density

0.0e+00

−6e+07 −4e+07 −2e+07 0e+00 2e+07 4e+07 6e+07

epsilon1

Source: Données de la DRI-HBS

Cet histogramme nous laisse voir une allure en forme de « cloche ». Nous pouvons alors accepter
que les résidus suivent une loi normale centrée.

• Morceau 2

Pour ce morceau également, en passant par la méthode graphique, nous avons obtenus l’histogramme
suivant :

30
 Graphique 3.13: Histogramme de epsilon 2

Histogram of epsilon2
0.0e+00 1.0e−08 2.0e−08
Density

−6e+07 −4e+07 −2e+07 0e+00 2e+07 4e+07 6e+07

epsilon2

Source: Données de la DRI-HBS

Tout comme le premier, cet histogramme nous laisse aussi voir une allure en forme de « cloche
». Nous pouvons encore accepter que les résidus suivent une loi normale centrée.

• Morceau 3

En ce qui concerne ce morceau, nous avons fait le test de Shapiro Wilk dont les résultats sont
consignés dans le tableau suivant :

Tableau 3.6: Résultat du test de Shapiro Wilk

TEST DE NORMALITE DE SHAPIRO WILK

W=0,94021 P-Value=0,1816

Source: Données de la DRI-HBS

Nous avons une P-value supérieure à 0,05, nous ne pouvons donc pas rejeter l’hypothèse de
normalité des résidus.
Le graphique ci-après nous donne un aperçu sur la série « montants à recouvrer » et les esti-
mations que nous avons fait.

31
 Graphique 3.14: Représentation du modèle

Estimations
Montants à recouvrer (en millier)

Données brutes
Modèle 1
Modèle 2
Modèle 3
2.5e+08
1.5e+08

2011 2012 2013 2014 2015 2016 2017 2018

Années

Source: Données de la DRI-HBS

En observant le graphique, il apparaît que la courbe de la série « montants à recouvrer » est

presqu’identique à celle de notre modèle. Nos estimations sont donc bonnes et par conséquent,
le modèle est de bonne qualité.

3.3.5 Prévision des montants à recouvrer pour l’année 2018

Les prévisions des montants à recouvrer sont représentés sur le graphique ci-après :

32
 Graphique 3.15: Prévisions des montants à recouvrer au cours de l’année 2018
Montants à recouvrer(en F CFA)

série brute
Prédiction
2.5e+08
1.5e+08

2012 2014 2016 2018 2020

Années

Source: Données de la DRI-HBS

La prévision effectuée nous renseigne avec un intervalle de confiance de 95%, que les montants
à recouvrer seront à la hausse au cours de 2018.
Les montants des prévisions effectuées sont consignés dans le tableau ci-après :

Tableau 3.7: Prévisions des montants à recouvrer au cours de l’année 2018

Prévisions 2018

JANVIER 301 581 471

FEVRIER 245 446 405

MARS 248 771 170

AVRIL 255 598 707

MAI 217 325 402

33
JUIN 229 757 863

JUILLET 324 069 164

AOUT 278 148 328

SEPTEMBRE 267 040 495

OCTOBRE 314 958 979

NOVEMBRE 257 305 502

DECEMBRE 251 681 718

TOTAL 3 191 685 204

Source: Données de la DRI-HBS

34
Conclusion générale

En définitive, notre étude nous a permis dans un premier temps d’atteindre notre objectif global
qui était d’analyser par des méthodes statistiques les données sur les montants à recouvrer de
la DRI-HBS.
Elle nous a permis d’atteindre nos objectifs spécifiques. En effet, à travers l’analyse descriptive,
nous avons pu apprécier l’évolution des montants à recouvrer et celle des recouvrements. Il est
ressorti que nos variables étaient toutes deux croissantes dans le temps. L’hypothèse H1 qui
dit que les montants à recouvrer sont à la hausse est donc vérifiée.
Aussi, par le biais de l’analyse bivariée, nous avons décelé une corrélation entre montants à
recouvrer et niveau de recouvrement. Les recouvrements dépendent fortement des montants à
recouvrer fixés par l’Etat. Plus ces montants ont été importants, plus les recouvrements de la
DRI l’ont aussi été. Ce qui nous permet de dire que notre hypothèse H2 est vérifiée.
Aussi, il est ressorti également de l’analyse descriptive bivariée que les montants à recouvrer
n’ont pas toujours pu être recouvrer. (l’hypothèse H3 est donc infirmée)
Dans un second temps, l’analyse temporelle de la série « montants à recouvrer » nous a permis de
repérer les périodes pendant lesquelles les recettes de la direction étaient optimales en occurrence
le mois d’avril de chaque année. Aussi nous avons pu, par le lissage exponentiel, prédire les
valeurs futures de ces montants pour l’année 2018.
Lors de notre stage, nous avons fait des tournées dans les différentes DCI (Direction du Centre
des Impôts) de la ville de Bobo Dioulasso.
Il est ressorti de ses tournées que certaines d’entre elles n’arrivaient pas à atteindre le montant
à recouvrer, tandis que d’autres dépassaient largement le montant fixé. Nous pouvons de cet
aperçu, faire cette recommandation :
Pour des performances plus optimales, la DRI-HBS pourrait revoir sa politique de
répartition des montants à recouvrer par les DCI.

35
Bibliographie

[1] MINEFID BURKINA. Document de programmation budgétaire et économique plurian-

nuelle, 2017.

[2] Jean Yves DAUXOIS. Introduction aux séries chronologiques, 2015.

[3] DGI. Plan stratégique de la dgi 2017-2021, 2016.

[4] DGI. Code général des impôts du burkina faso 2018, 2017.

[5] Dassiratou KONATE. Effet de la fiscalité sur le développement de la commune de bobo

dioulasso, 2014.

[6] Rubenthaler s. Séries chronologiques avec r, 2017.

Webographie

[6] L’encyclopédie libre, WIKIPÉDIA, consulté le 02 mai 2018. www.wikipedia.com

[7] Le site officiel de la DGI, consulté le 15 mai 2018. www.impots.gov.bf

ix