Syllabus de la première partie.

ANALYSE COÛT – BÉNÉFICES

(ACB)
Avec Dr SARKA LAURENT COULIBALY
 INTRODUCTION

L’histoire de l’analyse coût - bénéfice (ACB) remonte sur le plan théorique

aux problèmes posés par l’évaluation des infrastructures au 19 e siècle avec la
théorie de l’économie du bien-être en microéconomie. Elle a atteint son apogée
avec les réflexions de PIGOU qui expliquait de façon plus formelle qu’il existe un
écart entre coût privé et coût social.
Les fondements théoriques de l’Analyse Coût-Bénéfices sont les suivants :
 Les bénéfices et les coûts sont respectivement définis comme des
augmentations et des réductions du bien-être humain (coût de
l’utilité).
 Un projet ou une politique satisfait aux critères coût –bénéfices si
leurs bénéfices sociaux sont supérieurs à leurs coûts sociaux.
La société est simplement la somme des individus. L’agrégation dans le
temps implique l’actualisation.
L’analyse coût-bénéfice (ACB) des projets visent à identifier et à quantifier
les conséquences positives (bénéfices) et négatives (coût) d’une décision (d’un
projet) puis à les examiner en une unité commune permettant la comparaison:
l’unité monétaire.
L’ACB permet d’aider les décideurs à allouer les ressources de manière
socialement efficace. Elle identifie les réponses aux questions suivantes :
 Est-ce-que le projet fournit un bénéfice net à la société toute
entière ?
 Devrait on poursuivre avec le projet ou avec le programme ?
 Parmi plusieurs projets alternatifs lequel devrait être sélectionnée ?
Dans ce cours nous aborderons 03 chapitres :
1). L’approche de l’analyse coût-bénéfice (ACB) en expliquant les
différentes méthodes économiques qui peuvent être employés pour
monétiser des bénéfices non-marchand tel que la réduction des
nuisances sonores et des effets sur la santé des personnes.
2). Décrire les différentes étapes pratiques d’une analyse coût-bénéfice
(ACB).

3). Faire un tour d’horizon sur diverses approches de l’analyse coût-

bénéfice (ACB).
 Chapitre 1 :

CONCEPTS ÉCONOMIQUE DE
L’ANALYSE COÛT–BÉNÉFICE
(ACB).
Le problème principal dans une ACB est d’obtenir une mesure monétaire des
bénéfices pour la collectivité d’une action ou d’un projet.
En effet, alors qu’il est facile d’estimer les coûts entrainer par un projet, la
valorisation des bénéfices tels qu’une réduction du niveau de risque dans u
établissement industriel est plus délicate puisqu’il n’existe pas de marché où ce
type de conséquence est échangée.
L’approche adoptée par l’ACB est de déduire cette mesure des comportements
individuels face au risque. La notion fondamentale pour monétiser des variations
de qualité non-marchand est celle de consentement à payer (willigness to pay).

I.1. CONSENTEMENT À PAYER (CAP)

Il mesure ce qu’un individu serait prêt à payer (donner) pour bénéficier d’un
bien ou des bienfaits d’un projet. Il s’agit d’une mesure monétaire de la variation,
du bien-être d’un individu qui serait nécessaire pour qu’il accepte le changement
de situation associé à une décision publique (telle que la réalisation d’un projet)
ou ce à quoi une personne serait prête à renoncer en terme d’autres opportunités
de consommation.
De façon équivalente, on peut évaluer le consentement à recevoir ce que
l’individu voudrait obtenir en compensation pour la diminution d’un bien ou d’un
service (Exemple de consentement à payer pour une infrastructure routière).
Un investissement public va réduire le temps de trajet entre 02 villes. Pour chaque
utilisateur potentiel de l’infrastructure, on peut estimer la somme d’argent qu’il
serait prêt à sacrifier pour bénéficier de la réduction du temps de trajet.
Notons que ce consentement à payer (CAP) dépendra de multiples facteurs
comme la fréquence d’utilisation de l’infrastructure et sa richesse disponible. En
additionnant les consentements à payer des usagers potentiels à ceux de
personnes qui bénéficieront de façon indirecte du projet, on obtient le
consentement à payer (CAP) de la collectivité.
Dans l’analyse coût-bénéfice (ACB), on passe de la valeur accordée par les
individus à la valeur pour la société par agrégation (chaque préférence individuelle
ayant le même poids), on fait la somme non pondérée des consentements à payer
(CAP) individuelle.
Le coût d’opportunité c’est choisir dans l’intérêt de ..., c’est faire abstraction de quelque chose
pour autre chose dans le but d’obtenir... nous pouvons être d’opportunité être dans une mesure
d’incitation ou de répression. Le coût d’opportunité est le coût de la renonciation.

Le coût d’opportunité (coût d’option) est le coût d’un bien ou d’un

service en terme d’opportunité non-réalisée (les avantages qui aurait pû être
retirées de ces opportunités), c’est la valeur de la meilleure option non-réalisée
c’est-à-dire la mesure des avantages auxquelles on renonce en affectant les
ressources disponibles à un usage donné. L’hypothèse sous-tendant cette notion
est que les ressources disponibles sont limités et qu’il n’est pas possible d’acquérir
ou de réaliser l’ensemble des options.

I.2. LES METHODES D’UTILISATION DES COÛT –BÉNÉFICES (ACB).

De façon générale les conséquences d’un projet ou d’une décision entre dans
l’une de 04 catégories suivantes :
 Les coûts directs ou capital frais d’exploitation, etc.
 Les couts indirects vont prendre en compte les pertes de
productivité, les pertes de compétitivité.
 Le coûts d’opportunité des investissements retardés
On a donc parallèlement ;
 Les bénéfices directs : dommages évités (diminution de la probabilité
et de la gravité des accidents), l’amélioration de la qualité de l’air.
  Les bénéfices indirects : une meilleure image ou réputation.

L’objectif de l’ACB est d’attribuer une valeur monétaire à chaque des

conséquences identifiées. Cette tâche est plus ou moins facile ou direct suivant
que ces conséquences ont trait ou non à des liens ou services marchands pour
lesquels l’analyse peut obtenir des données permettant d’estimer des variations
de surplus. Si les coûts sont généralement déjà disponibles ou facilement
exprimables en terme monétaire les bénéfices n’ont souvent pas de valeur
marchande et sont plus difficile à quantifier.
Nous pourrons dégager 02 types de conséquences :
 Conséquence sur le marché
Dans certains cas les conséquences vont découler de l’impact du projet sur
les gens ou les entreprises via un bien ou sur un service marchand.
Si nous décidons de multiplier la quantité de bien consommé par leur prix
pour estimer la variation de bien-être ; c’est que nous avons ignoré les coûts de
production du bien-être et aussi le fait que certains consommateurs ont un
consentement à payer bien supérieur au prix du marché.
Il serait nécessaire de comptabiliser la variation du surplus des
consommateurs résultant de la variation du prix.
 Conséquence hors marché
Il existe plusieurs méthodes d’évolution économique permettant de
monétiser les conséquences non-marchand de projets envisagés sur le bien-être
des individus (projet offrant à améliorer la qualité de l’air, ressources marines,).

L’objectif de ces méthodes est de déterminer le consentement à payer

(CAP) de ces individus c’est-à-dire ce que les individus seraient prêt à payer pour
bénéficier d’une augmentation de l’offre de biens non-marchand ou de façon
équivalente le consentement à recevoir. Ce qu’il voudrait obtenir en
compensation d’une diminution de cette offre. On distingue 02 méthodes de
monétisation :
  La méthode de préférences relevées
 La méthode des préférences annoncées.

I.3. LES MÉTHODES DES PRÉFÉRENCES RÉLÉVÉES.

On les appelle aussi méthode à préférences relevées. Elles consistent à
déduire le bien-être que les individus tirent de biens non-marchand en étudiant
des situations existantes et des décisions qu’’ils prennent effectivement.
L’analyse hédonique ne nous permet pas donner la valeur économique d’une
fonction de l’environnement, elle est beaucoup utilisée en économie industrielle,
avec des valeurs économiques en fonction des caractéristiques propres du bien-
être.

I.4. LA MÉTHODE DES PRIX HÉDONIQUES

Cette méthode permet d’isoler et de monétiser les différentes
caractéristiques qui définissent un même produit. Elle est souvent utilisée sur le
marché de l’immobilier et de l’industrie immobilière. Exemple : supposons que
l’on veuille déterminer la valeur monétiser de la vue dont bénéficie les habitants
d’un quartier résidentiel. Si l’on recueille des prix de vente des habitations de ce
quartier et d’autres voisinages et toutes les caractéristiques qui influencent les
prix. On peut décrire et estimer une relation permettant d’isoler la valeur de
chaque caractéristique en particulier pour bénéficier de la vue en question.

(1) Analyse des modèles économétriques d’estimation des prix

hédoniques.
Il y a 03 catégories de modèle :
 Les modèles avec variable expliquée en niveau
Le modèle linéaire est la forme fonctionnelle la plus simple utilisée dans
l’estimation des régressions hédoniques. Il relie le prix de vente Pt (en niveau)
 de l’habitation i au grand J variable explicative (en niveau). Xi = (xi ; ... ; xij ) par
l’équation suivante :

J
Equation ① :
Pi= ∑ Xij βj+ εi
j+1

Chaque βj correspond aux prix implicite de la caractéristique j.

Par ailleurs, une augmentation d’une unité de la caractéristique xij entraine
d’une βj francs du prix de vente.
Ce modèle linéaire peut aussi prendre une autre forme qualifiée de semi-log
ou bin-logarithmique.
Dans ce cas, le modèle relie le prix de vente Pi en niveau aux autres
variables explicatives dont certaines (xj) sont en niveau et d’autres (zj) sont en
logarithme.

J J

Equation ② : Pi = ∑ X ij β j + ∑ ln (Z)ij γ j+ ε i
j=1 j=1

Où β et 𝛄 sont les vecteurs de paramètres à estimer. Une augmentation de

1 de Zj entraine un changement de 𝛄j% unités monétaire du prix de vente.

 Les modèles avec variables expliquées en logarithme

Le modèle log-linéaire appelé aussi log-log relie le logarithme du prix de
vente au logarithme des différentes variables explicatives :

J J

Equation ③ : ln (Pi) =∑ Xijβj+ ∑ ln ( Zij ) γj+ εi

j=1 j=1
 Pour les variables continues, le coefficient 𝛄j correspond à l’élasticité du prix
de vente par rapport à la caractéristique j. Ainsi un accroissement de 1 /100 de la
caractéristique j (dans notre équation z est l’une des variables explicatives)
correspond à une augmentation de 𝛄% du prix de vente.
Les variables binaires (c’est-à-dire les variables qui permettent une valeur de
0 ou 1) figurent toujours dans le modèle (Equation ③) sous une forme non-
transformée (Xij).
Comme pour le modèle linéaire, il existe aussi un modèle semi-log reliant le
logarithme du prix de vente aux variables explicatives en niveau.

J
ln ( Pi ) =∑ X ij β j+ εi
Equation ④ : j=1

Pour une variable Xj continue, un accroissement d’une unité Xj entraine un

changement de βj% du prix de vente.
Pour les variations binaires, l’interprétation des coefficients est différente.
Supposons par exemple que l’on cherche à étudier l’impact de la présence d’un
garage (0 signifie absence de garage et 1 présence d’un garage) sur le prix d’une
vente d’un logement à partir des modèles (équations ③ et④).
Une estimation en g % de l’impact de cette variable sur la variable expliquée
(prix de vente) est donnée par la formule suivante :

Equation ⑤ : g=100¿
-1)

Où βgarage est le paramètre relatif à la présence d’un garage.

  La transformation de Box Cox
Elle est généralement considérée comme une forme fonctionnelle flexible bien
adaptée pour estimer les modèles hédoniques mais son estimation est plus
complexe que celle des modèles présentés précédemment.
De façon général, la transformation de Box- Cox d’une variable x est notée x
(λ) et est donnée par :

( x )λ −1
x ( λ)=
Equation ⑥ :
ln( x)
{sisi λ=0
λ ≠0

La transformation de Box-Cox permet d’estimer plusieurs types de

modèle :
 Le 1er type (équation⑦) a une seule variable expliquée (le prix de vente)
transformée.
Si λ=0, on retrouve un modèle log-linéaire.
Si λ=1, on retrouve un modèle linéaire.
J
Pi ( λ )=∑ ( X ij β j +εi )
j=1
Equation ⑦ :

 Dans le 2ième modèle (équation⑧), la variable expliquée (prix de vente) et

les variables expliquées sont transformées. Les deux transformations
peuvent être paramétrées par des coefficients différents (λ et μ). Ce modèle
est parfois appelé le modèle de Box-Cox linéaire.
J
Pi (λ)=∑ X ij ( μ) β j + εi
j=1
Equation ⑧ :
 Interprétations
Quand une variable explicative est une variable binaire, une transformation de
Box-Cox de cette variable n’a pas de sens. Les variables sont donc inclues dans le
modèle sous une forme non-transformée.
Dans ce cas des variables binaires, l’interprétation des coefficients pour le
modèle de Boc-Cox définit par l’équation est la suivante :
Supposons par exemple que l’on cherche à étudier l’impact de la présence
d’un garage sur le prix d’une vente d’un logement à partir de ce modèle. Une
estimation g en % de l’impact de cette variable sur la variable expliquée (prix de
vente) est donnée par la formule suivante :

g=100¿ ¿

Où βgarage est le paramètre relatif à la présence d’un garage. Et P0 le prix

moyen d’une habitation sans garage.

 Calcul des prix implicites pour les différentes formes fonctionnelles .

Le prix marginal implicite (le consentement appelé marginal de la variation du
niveau d’une caractéristique) se calcule différent pour chacune des formes
fonctionnelles précédentes.
Cas du modèles linéaire (équation ①), le prix implicite d’un changement dans
la caractéristique g sur le prix de l’habitation i est :

∂ Pi
=βj
Equation ⑨ : ∂ X ij

Dans le cas du modèle semi-log (équation ④) le prix implicite est le

suivant :
∂ Pi
=βjP
Equation ⑩ : ∂ X ij
Dans le cas du modèle log-log (équation ③), le prix implicite est :

∂ Pi P
=βj
Equation ⑪ : ∂ X ij Z ij

Dans ce cas du modèle de Box-Cox le prix général (équation ⑧) , le prix

implicite d’un changement dans la caractéristique j sur le prix de l’habitation i est
le suivant : ∂ P i
∂ X ij
1− λ
=Piμ −1
(X ij βj¿

(2) Les méthodes des préférences annoncées ou méthodes à préférences

annoncées.

Deux méthodes sont utilisées : l’évolution contingent et l’analyse

conjointe.
L’évaluation contingente : contrairement à la méthode des prix
hédoniques, cette méthode (méthode contingente) ne s’appuie pas sur
l’observation des comportements. Mais l’utilise et la reconstitue d’un marché
fictif. Elle permet d’estimer (d’exprimer) par les techniques d’enquête combien les
individus seraient prêts à payer pour disposer des bénéfices d’un projet.
En agrégeant les réponses de l’ensemble des personnes susceptibles
d’être affectées par le projet, on obtient une estimation du bénéfice.
Le déroulement d’une étude par la méthode de l’évolution contingente
s’effectue en une dizaine d’étapes :
 Identifier le changement que l’on cherche à valoriser.
 Déterminer la population concernée.
 Déterminer le mode d’enquête et la taille de l’échantillon.
 Rédiger le scenario d’évolution contingente.
  Rédiger la question de valorisation.
 Rédiger les questions auxiliaires
 Tester le questionnaire
 Analyser les données.
 Présenter et diffuser les résultats.
Dans les 10 étapes, l’analyse des questions fermées simples c’est-à-dire des
questions fermées ne comportant que des questions de valorisation peuvent
s’effectuer à l’aide de l’une des 03 approches suivantes :
 L’approche non-paramétrique
 Le modèle à utilité aléatoire
 Et le modèle « spike » pour traiter les valeurs nulles.

2-a)_ Approche non-paramétrique

L’approche non-paramétrique s’appuie sur l’idée suivante : quand une personne
répond « oui » à la question de valoriser alors nous savons que son consentement
à payer est supérieur ou égale au montant proposé.
Considérons un échantillon de T personnes à chacune d’elle est proposée l’un des
M montants différents notés : t j=(1,2 , … , M ).
Notons CAP i=( consentement à payer de la personne i pour ≤ projet ), si i répond « oui » à la
question : voulez-vous payer t j F CFA ? Alors nous savons que CAP I ≥t j sinon que
CAP I <T J .

Puisque le vrai consentement à payer est inconnu, on peut considérer qu’il s’agit
d’une variable aléatoire, la fonction de répartition est F w. La probabilité que la
personne i répond « oui » s’écrit :
Pr ( CAP i< t j )=F w ( t j )=F J

On note T indice j (T j ¿ le nombre de personne à qui le montant t j a été proposé.

Soit Y j le nombre de personne ayant accepté de payer ce montant. N jle nombre
de personne ayant refusé. On a donc :

T j=Y j + N j
Par ailleurs T= T 1+T 2 +…+T M .
Un estimateur naturel de F j(qui est aussi l’estimateur du maximum de
vraisemblance) est
Nj
F j=
Tj

L’estimation de la probabilité qu’une personne ne soit pas prête à payer t j F CFA

est égale à la proportion sur l’échantillon de l’individu répondant « non » au
montant t j . Quand l’échantillon est grand et quand proposé augmente , la
proportion de réponse « non » observée pour chaque montant devrait
augmenter. Or rien en pratique n’assure que cette condition soit vérifiée. En
raison de l’échantillonnage, il est fréquent d’observer des fonctions de
répartitions empiriques non-monotones pour certains des montants non-
observés. Une approche connue sous le montant d’estimateur de Turnbull
consiste à imposer une restriction de monotonie sur la fonction de répartition
précédant.
Procédure de l’estimateur de Turnbull
1) Pour chaque montant j (j de 1, N) calculez

{
Nj N j ≤nombre de reponse non à t j
F J=
Y j+ N j Y j≤nombre de reponse ouià t j

2) À partir de j = 1, comparer F j et F j+1 .

3) Si F j+1 > F j , alors continuez.
4) Si F J+ 1 ≤ F j , alors rassemblez les cellules j+1 et j en une seule cellule de borne
t j et t j +2 et calculez :

¿
¿ N j+ N j+1 N j
F j= =
T j+T j+1 T ¿j

5) Continuez jusqu’à ce que les cellules soient suffisamment regroupées pour

la fonction de répartition soit croissante.
6) Fixez F j+1 =1
7) Calculez la fonction de densité : f ¿j=F j−¿ F ¿ j+1
Une fois cette étape accomplie, on dispose d’une fonction de répartition F ¿ qui a
la propriété recherchée : la proportion de réponse « non » augmente quand le
montant proposé augmente.
L’estimateur de Turnbull consiste à proposer à un lissage minimal de la
distribution des réponses.

Procédure de calcul du consentement à payer (CAP)

1) Calculer la proposition de réponse « non » pour chaque montant proposé
grâce à la procédure décrite dans le paragraphe précédent. Ces proportions
correspondent à la des estimations convergentes de la probabilité d’une
réponse « non » pour chaque montant proposé.
2) Calculer
¿ ¿ ¿
f j +1=F j+1 - F j
Pour chaque montant proposé. Cela représente des
estimations convergentes de la probabilité pour que le consentement à payer
(CAP) soit compris entre les montants t j et t j +1.
Pour calculer la probabilité pour que le consentement à payer ( CAP) soit compris
¿
entre le montant le plus élevé t M et la borne supérieure t M +1 on définit F M +1= 1.
Cela qu’aucune personne interrogée n’a un consentement à payer (CAP) plus
grande que la borne supérieure.
¿
3) Multiplier chaque montant offert t j par la probabilité f j +1 calculé à l’étape
②.
4) Faire la somme des quantités obtenues à l’étape ③ pour obtenir une
estimation de la borne inferieure du consentement à payer (CAP).
5) Calculer la variance de la borne inferieure du CAP par :
¿ ¿
M
F j (1−F j)
Var [ Einf (CAP) ¿=∑ ¿
Tj
( t j- t j−1 )
j =1

2- b) Méthodes à utilité aléatoires ou indirectes.

Dans le modèle à utilité aléatoire, on suppose généralement que la fonction
Une partie déterministe qui dépend des ensembles des caractéristiques des
personnes interrogées : sexe, âge, niveau de revenu, sensibilité à
l’environnement, etc.).
Une partie aléatoire qui correspond) la composante des préférences individuelles
connues des personnes interrogées mais inconnue du statisticien.
L’approche paramétrique nécessite 02 décisions :
1) Choisir la forme fonctionnelle de la partie déterministe des préférences :
 Fonction d’utilité linéaire
 Fonction d’utilité non-linéaire
2) Spécifier la loi des termes aléatoires :
 Loi logistique : modèle Logit
 Loi normale : modèle Probit
Procédure pour estimer un modèle à utilité aléatoire avec une
fonction d’utilité linéaire.
1) Coder les réponses à la question fermée « oui » correspond à 1 et « non » à
0
2) Définir la matrice des données qui rassemble la matrice des caractéristiques
z et le vecteur des montants proposés t .
3) Estimer un modèle Probit ou un modèle Logit avec X comme variable
explicative.
α
4) Le coefficient des variables de la matrice x correspond à l’estimation δ . le
coefficient associé aux montants proposés correspond à une estimateur de
β
.
δ

2-C) l’analyse conjointe

Une autre méthode aussi sophistique que l’analyse contingente est

l’analyse conjointe, dérivée du marketing. Cette méthode permet de mesure le
poids relatif des différents attributs d’un bien ou d’un service aux yeux des
bénéfices potentiels.
 Le prix étant l’un des attributs à évoluer, cette méthode consiste à
décomposer le bien à évoluer en attribut (distance d’une usine, qualité de l’air)
puis à définir le niveau de qualité pour chacun de ses attributs (distance de 1km,
2km, ... 10km), la qualité de l’air moyenne, mauvaise ou bonne.

Travaux Dirigés (TD) No1

INTRODUCTION À L’ÉVALUATION CONTINGENTE

1) Approche non-paramétrique de Turnbull

Un organisme public souhaite mesurer la valeur accordée par la collectivité à un
programme d’amélioration de la qualité de l’environnement.