ASE VOL2N2 02 AGBOKPANZO Ok

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/371566286
Politique ﬁscale dans l’UEMOA : entre coordination et concurrence ﬁscale
Article · June 2023
CITATIONS READS
0 288
2 authors:
Agbokpanzo Ahouidji Tanguy Alastaire Sèna Alinsato

University of Abomey-Calavi University of Abomey-Calavi
7 PUBLICATIONS 0 CITATIONS 34 PUBLICATIONS 44 CITATIONS
SEE PROFILE SEE PROFILE
All content following this page was uploaded by Agbokpanzo Ahouidji Tanguy on 14 June 2023.
The user has requested enhancement of the downloaded file.

CENTRE D’ETUDES,
LES ANNALES ET DE FORMATION
DE SCIENCES ET DE
ECONOMIQUES
RECHERCHE EN DEVELOPPEMENT
DE L’UAC
Volume 2 Numéro 2 Décembre 2020
ISSN 1840-8885
AKPA Armand F. ; CHABOSSOU Augustin F. & DEGBEDJI Fabrice :
Analyse de l’effet de l’inclusion financière sur la croissance
agricole au Bénin.
AGBOKPANZO Tanguy & ALINSATO S. Alastaire : Politique fiscale dans

l’UEMOA : entre coordination et concurrence fiscale.
KADAGALI Komlan : Connectivité maritime et échanges commerciaux

des pays de l’Afrique de l’Ouest.
SATOWAKOU Luc M. & LANHA Magloire : Inclusion financière et stress

financier des systèmes financiers décentralisés de l’UEMOA : Une
analyse des études de cycle.
ALAKONON Calixe & ALINSATO S. Alastaire : Taille optimale de la

fonction publique des pays de l’UEMOA.
Ecole Doctorale des Sciences Economiques et de Gestion

Université d’Abomey-Calavi
Campus de Gbégamey
Editeurs
- Charlemagne Igue, Université d’Abomey-Calavi
Comité scientifique
Denis Acclassato Houensou, Université d’Abomey-Calavi – Damien
Agbodji, Université de Lomé – Gilbert Ake N’Gbo, Université Félix
Houphouët Boigny – Zié Ballo, Université Félix Houphouët Boigny – Adama
Diaw, Université Gaston Berger – Saint Louis – Akilou Amadou, Université
de Lomé – Jean Jacques Ekomie, Université Omar Bongo – Moustapha
Kasse, Université Cheikh Anta Diop – Georges Kobou, Université de
Yaoundé II Soa – Aklesso Mondzozo-Egbendewe, Université de Lomé –
Albert Ondo Ossa, Université Omar Bongo – Wautabouna Ouattara,
Université Félix Houphouët Boigny – Idrissa Ouédraogo, Université Ouaga
II – Koffi Tessio, Université de Lomé – Patrick Villieu, Université d’Orléans
– Pam Zahonogo, Université Ouaga II.
Comité de lecture
Alastaire Alinsato, Université d’Abomey-Calavi – Mawuli Couchoro,
Université de Lomé – Rose Edwige Fiamohe, Université d’Abomey Calavi –
Youssoufou, Hamadou Daouda, Université de Tahoua – Albert Hounlonkou,
Université d’Abomey-Calavi – Chérif Sidi Kane, Université Cheikh Anta
Diop – Magloire Lanha, Université d’Abomey-Calavi – Mawulé Komlagan
Nézan Oke, Université de Lomé – Abdoulaye Seck, Université Cheikh Anta
Diop – Yves Yao Soglo, Université d’Abomey Calavi.
Comité de rédaction
Augustin Chabossou, Université d’Abomey-Calavi – Jaurès Cocou
Amegnaglo, Université Nationale d’Agriculture – Alain Babatoundé,
Université d’Abomey-Calavi – Armel Nonvidé, Université d’Abomey-
Calavi.
© Ecole Doctorale Sciences Economiques et Gestion
Les Annales de Sciences

Economiques de l’UAC
© Ecole Doctorale Sciences Economiques et Gestion

Les Annales de Sciences
Economiques de l’UAC
Volume 2 Numéro 2 Décembre 2020
ISSN: 1840-8885
1 Analyse de l’effet de l’inclusion financière sur la croissance agricole au
Bénin.
Armand AKPA ; Augustin CHABOSSOU & Fabrice DEGBEDJI
17 Politique fiscale dans l’UEMOA : entre coordination et concurrence

fiscale.
Tanguy A. AGBOKPANZO & Alastaire S. ALINSATO
45 Connectivité maritime et échanges commerciaux des pays de l’Afrique de

l’Ouest.
Komlan KADAGALI
69 Inclusion financière et stress financier des systèmes financiers

décentralisés de l’UEMOA : Une analyse des études de cycle.
Luc M. SATOWAKOU & Magloire LANHA
83 Taille optimale de la fonction publique des pays de l’UEMOA.

Calixe ALAKONON & Alastaire S. ALINSATO
Annales des Sciences Economiques de l’UAC
Décembre 2020, Vol.2, No. 2, pp. 17-44
ISSN: 1840-8885
Copyright © Le(s) Auteur(s). Tous Droits Réservés.
Publié par l’Ecole Doctorale des Sciences Economiques et Gestion
Politique fiscale dans l’UEMOA : entre coordination et

concurrence fiscale ?
Tanguy A. AGBOKPANZO
Laboratoire d’Economie Publique (LEP), Université d’Abomey-Calavi
Email: tanguy1992@yahoo.fr
Alastaire S. ALINSATO
Laboratoire d’Economie Publique (LEP), Faculté des sciences Economiques et de
Gestion, Université d’Abomey-Calavi
Email: alastaires@yahoo.fr
Résumé : Le présent article a pour objectif d’apprécier la nature de la politique fiscale

qui prévaut dans les pays membres de l’UEMOA dans un contexte de renforcement de
l’intégration économique et d’avancées des critères de convergence. Pour atteindre cet
objectif, nous estimons un modèle spatial autorégressif (SAR) sur la période 2000-2018.
L’outil fiscal stratégique utilisé est la pression fiscale et nous montrons que le coefficient
d’autorégression spatiale est globalement significatif. Les résultats révèlent qu’il existe
dans la zone de l’UEMOA une concurrence fiscale ne permettant pas aux pays
d’atteindre les objectifs fixés par la zone car la concurrence fiscale conduit à la sous
mobilisation des ressources intérieures des pays. Cette concurrence fiscale est accentuée
par des facteurs socio-économiques hétérogènes tels que les dépenses publiques, le
chômage, la volonté de développer le secteur tertiaire et l’ouverture commerciale. Il est
donc suggéré que les politiques fiscales de la zone dans un but de convergence, soit un
peu plus souple au regard des besoins et structures économiques hétérogènes entre les
pays.
Mots clés : politique fiscale, modèle spatial autorégressif (SAR), concurrence fiscale.
Code JEL : C21, C72 et D41
Tax policy in WAEMU: between coordination and tax

competition?
Abstract: The purpose of this article is to assess the nature of the fiscal policy that
prevails in the WAEMU member countries in a context of strengthening economic
integration and advances in the convergence criteria. To achieve this objective, we
estimate an autoregressive spatial model (SAR) over the period 2000-2018. The strategic
fiscal tool used is fiscal pressure and we show that the coefficient of spatial
autoregression is globally significant. The results reveal that there is tax competition in
18 T. Agbokpanzo & A. Alinsato - Politique fiscale dans l’UEMOA…
the WAEMU zone that does not allow countries to achieve the objectives set by the zone
because tax competition leads to the under-mobilization of the countries' domestic
resources. This tax competition is accentuated by heterogeneous socio-economic factors
such as public spending, unemployment, the desire to develop the tertiary sector and
trade openness. It is therefore advisable that the fiscal policies of the zone in a but of
convergence, be a little more flexible with regard to the needs and the heterogeneous
economic structures between the countries.
Mots clés : politique fiscale, modèle spatial autorégressif (SAR), concurrence fiscale.
Code JEL : C21, C72 et D41
Annales de Sciences Economiques de l’UAC Vol. 2 – N°. 2 – Décembre 2020 19
1. Introduction
La détermination du système fiscal pour une meilleure économie au sein des zones
d’intégration reste une analyse très discutée. Les théories sur la politique fiscale liée à la
coordination, l’harmonisation et la concurrence fiscale en économie entre plusieurs
juridictions internationales sont très controversées (Han et al, 2016). A cet effet, on
distingue la théorie de la concurrence fiscale traditionnelle et la théorie de la concurrence
fiscale par comparaison. Un point de départ théorique s’identifie avec la théorie de
Tiébout (1956). Selon lui, chaque individu choisit le territoire offrant la combinaison la
plus proche de ses propres préférences en termes d’impôts payés par rapport aux biens
publics existant. Ainsi, la capacité des individus à choisir un territoire convenable leur
permet de satisfaire leur préférence et un système d’harmonisation fiscale est non
recommandé.
Pour Zodrow et Mieszkowski (1986) la volonté des juridictions d’attirer plus de capital
sur territoire induit à des taux d’imposition fiscal très bas pour les régions. Dans la
mesure où la production de biens publics est financée par le capital conservé, une
concurrence fiscale conduit à une sous production de biens publics. Cette situation
amène Zodrow et Mieszkowski (1986) a préconisé la coordination fiscale. Bucovetsky
(1991) et Wilson (1991) préconisent une situation de concurrence fiscale au lieu de la
coordination fiscale. Ils révèlent que la concurrence fiscale est induite par une volonté
des Etats à augmenter le bien-être de leur population. Ils justifient son assertion par la
taille des Etats, population et la quête du pouvoir d’achat comme facteur principal
d’entrée en concurrence car les pays de populations moins nombreuses et sous
l’hypothèse de patrimoine identique vont décider d’augmenter leur bien-être en
manipulant leur politique fiscale afin d’attirer plus de capital sur leur territoire. Selon
Bucovetsky (1991) et Wilson (1991) une mesure d’harmonisation des taux d’imposition
sur le capital dans ce cas de figure est contre indiqué.
Empiriquement, plusieurs travaux étudient la présence, l’existence ou non de la

coordination fiscale et de la concurrence fiscale dans les zones d’intégration
économiques, dans les économies indépendantes. C’est le cas des travaux en France
(Dévereux et al, 2008 ; Redoano, 2007 ; Cassette et Paty, 2009 ; Jayet et al, 2002), aux
Etats-Unis (Altshuler et Goodspeed, 2015), au Danemark (Nannestad, 2018), en Europe
(Miniaci et al, 2018 ; Egger et Raff, 2015), en Afrique (Noah et Fambon, 2019 ; Klemm
et Parys, 2012). Par contre, rare sont les travaux qui donnent des preuves de l’inexistence
de la concurrence fiscale. Cela est vérifié dans l’étude de Kiburi et al (2018). Cependant,
peu de travaux conclure à un système de coordination fiscale. La plupart des travaux ci-
dessus cités vérifie la présence ou non de la concurrence, l’interaction fiscale. C’est donc
de ces expériences théoriques et empiriques que se meuvent les désirs de susciter le choix
de système fiscal.
En Afrique et en particulier l’UEMOA, la question de la nature de la politique fiscale

pourrait se poser dans la mesure où le type de fiscalité dans les pays peut est associée à
un développement économique. L’UEMOA est une zone monétaire encrée dans les
questions de convergences afin d’être de façon globale plus compétitive. Sur le plan
fiscal, l’UEMOA reste donc l’une des zones pas des moindres ayant réussis une
intégration économiquement fiscale (Mansour et Rota-Graziozi, 2012). La pression
fiscale et les taux d’impôt sur les sociétés IS/BIC sont donc normalisés afin que les
économies nationales puissent converger. Concernant la pression fiscale, les critères de
convergence (on parle de coordination du taux de la pression fiscale) sont fixés d’abord
au moins à 17% (1994 à 2014) puis ; depuis 2016 à une tranche supérieure au moins à
20% (DEP, 2014 ; Bilan et perspective de l’UEMOA, 2019). Une justification empirique
de la tranche de 20% dans l’UEMOA est observée dans les travaux de Amèdanou (2018)
et montre que la pression fiscale optimale à la zone est de 24%. Ce dernier confirme à
peu près la norme théorique constaté dans l’UEMOA ; mais il conclut que les pays ont
d’énormes difficultés à l’atteindre.
Première information, la variation de la norme de la pression fiscale ne dérive pas du

respect de la norme, mais de l’impossibilité ou de la difficulté des pays à atteindre le
seuil recommandé. Par exemple, la pression fiscale moyenne dans l’UEMOA entre 2000
et 2012 est de 14,9% et de 2012 à 2018, elle est de 14,93% (BCEAO, 2019).1 On peut
ainsi faire le constat que dans l’UEMOA, ces statistiques cachent de grandes disparités
dans les pays membres. La pression fiscale moyenne au cours de la période 2000-2012
est respectivement de 10,34% ; 11,68% ; 13,79% pour le Bénin, le Burkina-Faso et le
Sénégal.2A 17% en 2016 le rapport de synthèse d’Etude sur la fiscalité en Afrique de
l’Ouest (2019) affirme que le pays ayant respecté la norme UEMOA en matière fiscale
fut le Sénégal, cependant, un relèvement du taux à 20% voit le Togo comme le pays en
phase avec ce critère de convergence. De plus, le rapport Bilan et perspective de
l’UEMOA (2019) révèle que, en 2018, seuls le Togo et le Sénégal se rapprochaient de
la norme UEMOA en matière de pression fiscale ; soit 18,67% pour le Sénégal et 17,74%
pour le Togo.
Deuxièmement, le non-respect de ce critère révèle la difficulté des pays de l’UEMOA à

mobiliser les recettes fiscales. Le rapport synthèse de la Banque Mondiale sur la fiscalité
des pays de l’UEMOA (2019) estime que les pays de l’UEMOA connaissent une
croissance rapide de leur économie ; cependant, cela n’est pas accompagné d’un boom
de recettes fiscales dans les pays.3 Or, l’atteinte d’une croissance forte dans les pays en
développement est faite par le biais de la mobilisation et l’exploitation des ressources
intérieures (Culpeper et Bhushan, 2010 ; tiré de Sènou (2014)). C’est donc un paradoxe
économique, et la conséquence directe de la faible mobilisation des ressources est qu’elle
ne permet pas au pays d’avoir une marge de manœuvre et de liberté par rapport aux
politiques qu’ils souhaitent pour ainsi relancer leur économie d’une grande intensité.
Aussi, peut-on rappelé que cela fait perdre plus ou moins la souveraineté financière des
pays et ces derniers sont donc confrontés à toutes les contraintes financières établies par
les organisations internationales et autres contrats financiers.
1
Calcul de l’auteur, recette fiscale rapportée au PIB en %
2
Calcul de l’auteur, à partir des données de la BCEAO, 2019.
3
D’après le rapport de convergence UMEOA, de 2017 à 2019 l’UEMOA a enregistré une croissance moyenne de 6,5%.
En revanche, une pression fiscale forte dans une économie reflète le degré d’intervention
de l’Etat dans l’économie. Or, une intervention forte de l’Etat est tout aussi un signal
pour les investisseurs, pour les employeurs et les propriétaires de capitaux. Cela reflète
donc un frein à l’aboutissement des activités économiques et aux gains des participants
à l’économie. A la manifestation d’une économie fortement imposée, l’objectif même
d’une mobilisation fiscale n’est pas atteint (Futagami et al, 1993 ; Laffer, 2004, tiré de
Sènou, 2014). Cet évènement qui prévaut dans l’UEMOA suscite à bien d’égards une
attention particulière. A cet effet, on peut se demander est-ce que la non-convergence de
critère lié à la pression fiscale est-elle victime d’interaction fiscale entre les pays
membres de l’UEMOA ?
Le présent travail s’attèle à déterminer la nature de la politique fiscale dans l’UEMOA.

Il s’agit spécifiquement de prouver l’existence de la concurrence fiscale dans l’UEMOA.
A cet effet, nous abordons la théorie de la concurrence fiscale pour expliquer le niveau
manifeste de la pression fiscale dans l’UEMOA. Une explication de l’analyse de la
mobilisation fiscale à partir de la théorie de la concurrence fiscale jusque-là, dans
l’espace UEMOA n’est pas encore exploré et nous utilisons les outils de l’économétrie
spatial et un modèle spatial autorégressif (SAR) pour appréhender les causes sur la
période 2000 à 2018.
La suite du présent article s’articule de manière de la manière suivante. Nous présentons

le contexte hétérogène des politiques fiscales essentiellement basée sur la pression
fiscale des pays de l’UEMOA en plus d’une performance économique, puis nous faisons
une brève revue théorique et empirique mettant de ce fait en exergue l’hétérogénéité et
la libre circulation des facteurs comme source d’opportunité de mise en place de système
fiscal. Ensuite, nous donnons une approche méthodologique et interprétons les résultats
pour finir par une conclusion et de possible recommandation.
2. Hétérogénéité des politiques fiscales dans l’UEMOA.
L’espace UEMOA est marquée par une très grande hétérogénéité des systèmes fiscaux,
tant en termes de degré de pression fiscale que de composition des recettes fiscales et de
principe de taxation de facteurs de production. Toutes ces disparités sont dues à la
combinaison entre principe de subsidiarité et embryon de politique fiscale dans
l’UEMOA.4 Nous présentons l’évolution de quelques indicateurs économiques dans
l’UEMOA dans les tableaux suivants.
4
L’UEMOA a adopté un certain nombre de principe, notamment la libre circulation des biens et services, le principe de
la subsidiarité de règlement fiscale dans les pays membres de l’UEMOA, etc.
Tableau 1 : Taux moyen de pression fiscale en pourcentage
Pays Pression fiscale moyenne
2000-2005 2005-2010 2010-2015 2015-2019
Bénin 14,37 15,07 14,67 10,90
Burkina-Faso 11,05 12,21 14,92 15,05
Côte d’Ivoire 14,07 15,11 14,92 16,07
Guinée-Bissau 4,78 6,27 8,14 10
Mali 14,27 13,15 12,59 14,15
Niger 10 11,63 16,56 11,54
Sénégal 17,20 15 14,60 15,78
Togo 11,77 14,47 17,85 20
UEMOA 13,58 13,92 14,69 14,77
Source : calcul de l’auteur, à partir des données (recette fiscale rapportée au PIB en %) de
BCEAO (2020).
Le tableau 1 présente l’évolution du taux moyen de pression fiscale dans les pays de
l’UEMOA. En effet, le taux de pression fiscale mesure le poids des prélèvements
obligatoires dans le PIB. Il est relativement en hausse ces dernières années dans certains
pays, notamment le Togo ; dans d’autres, elle est moyenne (Sénégal, Côte d’Ivoire, Mali)
compte tenu des critères de convergences, par contre dans d’autres pays c’est le contraire
(Guinée-Bissau, Niger, Bénin). Cependant, le poids de la fiscalité diffère largement d’un
Etat-membre à un autre. Le taux moyen de pression fiscale le plus élevé est celui du
Togo s’élevant à 17,85% et à 20% pour ces deux derniers quinquennats. La Guinée-
Bissau obtenant le taux le plus faible 8,14% et 10% suivit du Niger et du Bénin. A partir
du tableau suivant, nous présentons une évolution des pressions fiscales et de la richesse
créée dans l’UEMOA.
Graphique 1 : Evolution des recettes fiscale et du taux croissance du PIB dans

l’UEMOA
25
20
15
10
5
0
-5
Taux de croissance du PIB réel taux de croissance des recettes fiscales
Source : Calcul des auteurs à partir des données (croissance des recettes fiscales) de la BCEAO
(2020).
Le graphique 1 présente l’évolution des taux de croissance du PIB réel et des recettes
fiscales dans l’UEMOA. On peut donc remarquer que l’évolution des deux indicateurs
est en dent de scie et présente des pics tout le long de la période. A la première
information, on peut penser que le taux croissance des recettes fiscales a cru plus vite
que celui de du PIB réel dans l’UEMOA. La croissance moyenne du PIB par bon de cinq
(05) ans dans l’UEMOA est de 2,72 ; 3,72% ; 4,87% ; 5,08% ; 6,44% respectivement de
2000 à 2005, 2005 à 2010, 2010 à 2015, 2015 à 2019. Cependant, cette croissance
progressive tout le long de la période n’est pas accompagnée d’un boom de recette fiscale
ou d’une allure linéaire croissante dans l’UEMOA. Tout le paradoxe se trouve dans les
dix (10) dernières années (2012-2019) avec une croissance du PIB en moyenne de 6%.
Pendant cette période, l’UEMOA a réalisé une sacrée performance de croissance de PIB.
La croissance des recettes fiscale sur la même période est de 4,75%, 7,30%, 9,41%,
9,36%. Cela révèle la difficulté de l’UEMOA à mobiliser les recettes. De 2012 à 2019
la croissance en moyenne des recettes est environ 10,22% ; mais cette croissance n’est
peut-être pas significative.
3. Revue de littérature.
3.1. Revue théorique
Deux grands courants de pensées s’affrontent sur la théorie de la concurrence fiscale. Il

s’agit de la théorie traditionnelle de concurrence fiscale avec pour chef de fil les analyses
de Tiébout (1956) et Zodrow et Mieszkowski (1986) et de Wilson (1986) et la théorie de
concurrence fiscale par comparaison ou de yardstick de Salmon et Besley (1986). La
première prend en compte le côté économique de la concurrence fiscale alors que la
seconde rend compte du volet politique de la concurrence fiscale. Cependant, dans la
suite de cette revue nous exposons seulement l’aspect économique de la concurrence
fiscale.
L’étude de Tiébout (1956) porte sur le comportement des agents économiques face à la
fourniture de biens publics dans les territoires. Il constate que le choix des agents
économiques porté sur un territoire et leur installation dépend des préférences de rapport
charges fiscales et bien publics produits sur les territoires. Les différences de couple
système d’imposition par rapport aux biens publics réalisés leur permet d’avoir un bien-
être élevé et de satisfaire leurs préférences. Les Etats en fonction de la mobilité du travail
et aussi dans une logique production de biens publics se lancent dans une concurrence
fiscale afin d’attirer des bases fiscales. De ce fait, la concurrence fiscale est dirigée par
la mobilité du facteur travail et toute forme de coordination ou d’harmonisation fiscale
est sans bénéfice pour les individus. Zodrow et Mieszkowski (1986) et de Wilson (1986)
font donc une hypothèse simple de mobilité du facteur capital. Ils considèrent une
mobilité plus accrue du capital au détriment du travail et cette mobilité transfert un
certain nombre de bénéfices au territoire en termes de production de biens publics. A cet
effet, lorsqu’une juridiction fixe ou augmente de façon unilatérale son taux d’imposition
en vue d’augmenter le bien-être des habitants de son territoire, cela crée une externalité
positive pour les autres juridictions en réduisant son stock de capital. En revanche
lorsque toutes les juridictions estiment augmenter leur bien-être en production de biens
publics, le résultat obtenu à l’état optimal est désastreux.
La hausse ou la baisse exogène des taux d’impôt conduit à une inefficacité économique
dont la caractéristique est la faible production de biens publics dans les juridictions. A
cette étape une concurrence fiscale entre les territoires conduit au moins disant fiscal. En
conséquence, ces derniers préconisent une mesure de coordination ou d’harmonisation
des systèmes fiscaux car permettant d’atténuer l’externalité fiscale engendrée par
l’absence de coopération entre les juridictions. Par ailleurs, Wildasin (1988), Bucovetsky
(1991) et Wilson (1991) et de Hwang et Choe (1995) s’appuient sur les travaux de
Zodrow et Mieszkowski (1986) et de Wilson (1986) pour analyser les facteurs qui
influencent la fixation des taux d’impôt. Ils estiment donc que la concurrence fiscale
peut s’accentuer en raison d’un certain nombre de caractéristiques socio-économiques
propres aux territoires. Il s’agit de la taille de la population et du pouvoir d’achat des
individus résidents sur ce territoire et aussi du volume du stock de capital dans le
territoire. Ainsi, un territoire petit en population peut juger de baisser les taux afin
d’attirer sur son territoire les capitaux étrangers pour augmenter le bien-être de sa
population. Un système de concurrence fiscale est dans ce cas de figure bénéfique. Peu
d’études théoriques approuvent un effet bénéfique de la concurrence fiscale sur les
économies. Les travaux de Brennan et Buchanan (1980) conclut à un effet bénéfique de
la concurrence fiscales. Selon ces auteurs, la concurrence fiscale exerce une pression à
la baisse sur les taux d’imposition et ce, afin de limiter les possibilités de dépense
inefficiente des revenus de l’Etat. McLure (1986) pense que la concurrence fiscale entre
Etats a le même effet salutaire que la concurrence sur les prix entre entreprises. Par
ailleurs, Han et al (2017) estiment que la concurrence fiscale entre les juridictions peut
permettre au pays victime de retard en infrastructure de réduire son écart si la mobilité
des capitaux est suffisamment élevée et si l’écart n’est pas trop important. Pour Delage
B. (1999) la concurrence fiscale est une forme de financement ou de mobilisation des
recettes fiscales puisque dans une situation où la tarification des services rendus par
l’Etat est faible pour couvrir les charges, elle se trouve être une solution.
2.2. Revue empirique
Plusieurs travaux ont étudié la présence ou non de la coordination fiscale et de la

concurrence fiscale dans les économies. Certaines études portent sur les grands
ensembles de régions et de pays. Cassette et Paty (2009) étudient comment sont fixés les
taux d’imposition sur les sociétés dans l’UE 27 (l’UE 15 et les pays de PECO). A partir
d’un modèle de panel dynamique, elles testent l’existence d’interaction stratégique entre
les anciens et les nouveaux Etats membres de l’UE en matière de d’impôt sur les sociétés.
Elles trouvent donc des preuves d’existence d’interaction fiscale au sein des pays, des
régions et entre les régions. Cependant, elles pensent qu’au vu des résultats, l’interaction
fiscale est plus accentuée dans l’UE 15 que dans les pays de l’Est. A ce titre, pour l’UE
15, les interactions stratégiques dépendent de la démographie, des pays leaders les plus
riches et les pays les plus attractifs. Les décisions des pays de l’Est sont fonction des
pays les plus peuplés de la région. Noah et Fambon (2019) étudient l’existence
d’interaction fiscale stratégique entre pays de la CEMAC en lien avec les flux entrants
d’investissement direct étranger sur la période 1981-2010. A partir d’un modèle spatial
autorégressif et de l’estimateur de maximum de vraisemblance avec effet aléatoire, ils
montrent que les pays de la CEMAC développent entre eux des comportements
stratégiques sur le plan fiscal. A partir des données de Mansour, ils utilisent les recettes
en impôts sur les sociétés, en impôt sur le commerce international, en impôt sur le revenu
des personnes physique, les impôts directs et les impôts indirects comme variable fiscale.
Leur étude permet d’infirmer la théorie économique selon laquelle une concurrence
fiscale est dommageable pour les régions. Leur résultat montre que la concurrence fiscale
dans la CEMAC est bénéfique car elle permet d’attirer plus d’IDE.
Miniaci et al (2018) analysent sur la période 1971 à 2015 la manière d’estimer les
fonctions de réaction dans les études sur la concurrence fiscale. Leur étude porte sur un
échantillon de quatre (04) pays à savoir la France, l’Allemagne, l’Italie et le Royaume-
Uni et il est question de faire une comparaison de la mesure des fonctions de réaction
entre les modèles de données de panel et les modèles VAR. A partir d’un certain nombre
de variables telles que les taux d’impôt moyen des sociétés (calculé au moyen du rapport
entre les recettes de l’impôt sur les sociétés et le PIB), les flux d’IDE, la croissance de
la consommation publique, le taux de chômage et les cours des actions américaines, ces
auteurs estiment les différents modèles. Les résultats révèlent que le modèle VAR est
plus performant que les modèles en données de panel. Il existe donc une concurrence
fiscale entre les différents pays. La concurrence fiscale captée au moyen de l’estimation
du modèle VAR est robuste que celui des données de panel. Le type d’interaction mis
en exergue est le complément stratégique et les pays fixent leur taux de façon simultanée.
Altshuler et Goodspeed (2015) ont fait une étude sur la concurrence fiscale où les Etats
fixent les taux de façon séquentielle par le biais d’un jeu de stackerlberg. Dans leur
modèle, trois pays sont représentés à savoir les Etats-Unis (utilisé leader), le Royaume-
Uni et l’Allemagne qui eux sont suiveurs. Ces derniers peuvent prendre leur décision de
façon simultanée. Les taux d’imposition ont été utilisés comme régresseurs ou outil
stratégique. Ces auteurs trouvent des résultats qui prouvent que les USA jouent un rôle
de leader.
D’autres études portent sur les collectivités locales. A cet effet, Jayet et al (2002) étudient
l’existence d’interactions fiscales stratégiques entre les décisions des collectivités
locales dans le Nord-Pas de Calais en France. Ils estiment la pente de la fonction de
meilleure réponse qui relie le taux de taxe professionnelle d’une commune aux différents
taux des collectivités concurrentes à l’aide d’un modèle avec autorégression spatiale. Ils
montrent que l’hypothèse de présence d’interaction fiscale est vérifiée. Ainsi, ils
obtiennent des coefficients positifs et significatifs de la pente de la fonction de meilleure
réponse pour trois des quatre sites étudiés et concluent que les collectivités ne fixent pas
leur taux de taxe professionnelle librement mais sont influencées par les choix
collectivités voisines.
Nannestad (2018) examine l’existence de la concurrence fiscale stratégique dans les

municipalités danoises sur la période 2007-2017. A l’aide de la modélisation et d’une
spécification d’un SDM, il montre que les municipalités danoises ont tendance a fixé les
taux d’imposition en fonction de ce qui est fixé dans les municipalités voisines.
Cependant, les effets de la concurrence fiscale sont faibles. Trois outils stratégiques ont
fait objet de cette étude ; il s’agit des taux d’imposition foncière, des taux composites et
des taux d’impôt sur les revenus. Si des études montrent qu’il y a concurrence fiscale,
peu de travaux concluent à une inexistence de la concurrence fiscale dans les économies.
C’est le cas de Klemm et Parys (2012) qui font une étude sur la vérification empirique
des incitations fiscales sur les investissements sur un échantillon de quarante (40) pays
en développement dont l’Amérique, les Caraïbes et l’Afrique. L’objectif de leur
recherche est de savoir s’il existe d’interaction entre les incitations fiscales entre pays en
développement et si cette interaction a pour but l’attraction des IDE. A partir des
techniques d’économétrie spatiale, Klemm et Parys (2012) trouvent des preuves que les
taux d’impôt sur les sociétés, les congés fiscaux sont des vecteurs de concurrence fiscale
dans les pays en développement. Il existe d’interaction stratégique entre les pays en
développement. Cependant, si les IDE induisent une telle incitation fiscale en Amérique
et dans les caraïbes, l’Afrique n’est pas concernée. Kiburi et al (2018) analysent l’effets
du fardeau fiscal sur les entrées d’investissements étrangers directs dans les pays de la
Communauté d'Afrique de l’Est sur la période 2000-2013. Un panel de cinq (05) pays
sont pris en compte dans l’étude à savoir le Burundi, la Tanzanie, l'Ouganda, le Kenya
et le Rwanda. A partir d’un test de causalité au sens de Granger et d’un modèle vectoriel
à correction d’erreur (VECM) en plus des tests d’ANOVA, ils révèlent que l’indicateur
de fiscalité a des coefficients négatifs non significatifs au cours de la période d’étude.
Par conséquent, la théorie de la concurrence fiscale n'est pas valable dans les pays de la
Communauté de l'Afrique de l'Est.
4. Approche méthodologique et données
Dans cette section nous présentons le modèle théorique et empirique qui est utilisé, les
données utilisées, l’échantillon et la stratégie d’estimation.
4.1 Spécifications du modèle
Dans cette sous-section nous présentons la spécification théorique et empirique du

modèle.
4.1.1. Spécification théorique du modèle
Le modèle est emprunté aux modèles Wildasin (1988, 1989, 1991). Ce modèle permet
de déterminer s’il existe une interdépendance entre politiques fiscales de juridictions
différentes et leur possible conséquence sur l’économie. L’outils stratégiques utilisés
dans la littérature économique sont des variables de choix budgétaires ou fiscaux.
L’économie est composée de n juridictions indicées 𝑖 = 1, … . . , 𝑁, qui envisagent attirer

du capital productif supposé parfaitement divisible et se déplaçant sans coût. Chaque
juridiction choisit son taux d’imposition sur le capital de façon à maximiser l’utilité de
l’individu représentatif en considérant comme donnés les taux d’impôt des autres
juridictions, ce qui conduit à déterminer un équilibre de Nash. On suppose que dans
chaque juridiction, les ménages sont sédentaires et possèdent deux facteurs à savoir : un
facteur fixe (du travail, des terrains ou tout autre actif spécifique) et un facteur mobile
taxé (le capital productif). Le stock de capital est fixe au niveau des juridictions et il est
détenu selon le cas par les individus résidents ou par des propriétaires extérieurs. Le
stock global de capital productif, 𝐾 est considéré comme donné et 𝐾𝑖 représente le
volume de capital productif investi dans la juridiction 𝑖 de sorte que :
∑𝑖 𝐾𝑖 = 𝐾
Le capital et le facteur fixe, autrement dit le travail dont l’offre est notée 𝐿𝑖 , servent à
produire un bien privé échangé parfaitement concurrentiel et considéré comme
numéraire. La technologie de production est à rendement constants sur les deux facteurs
utilisés. On suppose parfaitement rigide l’offre de facteur fixe et on exclut tout effet de
substitution entre eux suite à une modification de leur prix relatif. En négligeant le
facteur fixe, la fonction de production du bien privé, quasi-concave et deux fois
différentiable, s’écrit :
𝑓𝑖 (𝐾𝑖 ) avec 𝑓𝑖′ (𝐾𝑖 ) > 0 > 𝑓𝑖′′ (𝐾𝑖 )
On considère que le capital est parfaitement mobile entre les différentes juridictions. Les
investisseurs recherchent donc la localisation qui offre le meilleur rendement après
impôt. A l’équilibre, le rendement net du capital, 𝜌 est donc partout identique,
∀ 𝑖, 𝑓𝑖′ (𝐾𝑖 ) = 𝜌 + 𝑡𝑖 (1)
∑𝑖 𝐾𝑖 = 𝐾 (2)
Les équations (1) et (2) fournissent un système de 𝑛 + 1 équations permettant de

déterminer l’allocation optimale du capital entre les différentes juridictions et le
rendement net du capital comme des fonctions du vecteur d’imposition 𝑡 :
𝐾𝑖 = 𝐾𝑖 (𝑡) (3)
𝜌 = 𝜌(𝑡) (4)
La résolution de (3) et (4) donne :
𝜕𝜌
𝑓𝑖′′ (𝐾𝑖 )𝑑𝐾𝑖 = 𝑑𝑡𝑖 + ∑𝑗 𝜕𝑡 𝑑𝑡𝑗 (5)
𝑗
∑𝑖 𝑑𝐾𝑖 = 0 (6)
Sachant que 𝑓𝑖′′ (𝐾𝑖 ) < 0 on a donc bien 𝑖 ≠ 𝑗 :
𝑑𝐾𝑖 𝜕𝜌⁄𝜕𝑡𝑗
𝑑𝑡𝑗
= 𝑓𝑖′′ (𝐾𝑖 )
>0 (7)
La diminution du taux d’impôt local dans la juridiction 𝑗 se traduit par des délocalisations
de la juridiction 𝑖 vers la juridiction 𝑗. On a donc :
𝑑𝐾𝑖 1+𝜕𝜌⁄𝜕𝑡𝑗
𝑑𝑡𝑖
= 𝑓𝑖′′ (𝐾𝑖 )
<0 (8)
Une baisse unilatérale du taux d’impôt local dans une commune 𝑖 augmente sa base
imposable.
On en déduit que :
𝜕𝜌 𝜕𝜌
1+
𝜕𝐾̇ 𝜕𝑡𝑖 𝜕𝑡𝑖 1 1 𝜕𝜌
∑ = 𝑓′′ (𝐾 ) + ∑𝑗≠𝑖 = 0 ⇒ 𝑓′′ (𝐾 ) + [∑𝑗 𝑓′′ (𝐾 )] 𝜕𝑡
𝑑𝑡𝑖 𝑖 𝑖 𝑓𝑖′′ (𝐾𝑖 ) 𝑖 𝑖 𝑖 𝑖 𝑖
𝑓′′ (𝐾 ) 𝜕𝜌
⇒ 1+ [∑𝑗 𝑓𝑖′′ (𝐾𝑖)] 𝜕𝑡 = 𝑓𝑖′′ (𝐾𝑖 )
𝑗 𝑖 𝑖
𝜕𝜌 𝑓𝑖′′ (𝐾𝑖 )−1
⇒ 𝜕𝑡𝑖
= ′′
𝑓 (𝐾 )
<0 (9)
∑𝑗 𝑖′′ 𝑖
𝑓𝑗 (𝐾𝑖 )
Ainsi, pour 𝑑𝜌⁄𝑑𝑡𝑖 < 0 on conclut qu’une diminution du taux d’imposition sur le capital
productif dans une juridiction 𝑖 a donc un effet positif sur le retour net sur investissement.
La prise en compte de cette dernière dans le programme de la juridiction j
donne : 𝑑𝐾𝑗 ⁄𝑑𝑡𝑖 > 0. Comme 𝑑𝐾𝑗 ⁄𝑑𝑡𝑖 > 0, la diminution du taux d’impôt local dans la
juridiction 𝑖 (𝑖 ≠ 𝑗) se traduit par des délocalisations dont bénéficie cette même
juridiction au détriment des autres. On a donc 𝑑𝐾𝑖 ⁄𝑑𝑡𝑖 < 0 qui signifie qu’une baisse
unilatérale du taux d’impôt local dans une juridiction 𝑖 augmentant sa base imposable.
A ce niveau, il existe toute une littérature abordant la baisse des taux d’impôt d’une
juridiction par rapport à d’autres. A cet effet, toute modification de la fiscalité des firmes
par une partie des juridictions induit une mobilité des bases fiscales. Le capital rejoint
les juridictions ayant connu une baisse relative de leur fiscalité par rapport aux autres. Il
en résulte des externalités de bases fiscales. L’existence de ces externalités est à l’origine
d’une interdépendance entre les décisions des juridictions. Afin de déterminer
l’équilibre, il nous faut indiquer le comportement des gouvernants. On suppose que les
résidents perçoivent une rémunération qui correspond au revenu résiduel une fois que le
capital a été rémunéré à sa productivité marginale. En l’absence d’épargne, les individus
consomment tout leur revenu, après payement de leurs impôts, d’où une consommation
de bien privé :
𝑐𝑖 = [𝑓𝑖 (𝐾𝑖 ) − 𝐾𝑖 𝑓𝑖′ (𝐾𝑖 )] + 𝜃𝑖 𝜌𝐾 (10)
Où 𝜃𝑖 est la part du stock de capital détenue par l’individu représentatif dans chacune
des juridictions ;
[𝑓𝑖 (𝐾𝑖 ) − 𝐾𝑖 𝑓𝑖′ (𝐾𝑖 )] représente le revenu du facteur résiduel (par exemple le salaire si le
travail est le facteur fixe) ;
𝜃𝑖 𝜌𝐾 correspond aux revenus du capital.
On fait l’hypothèse que le goût et le revenu des résidents sont identiques. La fonction
d’utilité des résidents est dépendant de trois arguments tels que la consommation de bien
privé, 𝑐𝑖 , la quantité de bien public local, 𝑧𝑖 , ce dernier ne faisant l’objet d’aucun effet
de débordement dans son utilisation et les caractéristiques socio-économiques de la
juridiction 𝑋𝑖 . La fonction d’utilité de l’ensemble des résidents d’une juridiction s’écrit
donc :
𝑈(𝑐𝑖 , 𝑧𝑖 , 𝑋𝑖 ) avec 𝜕𝑈𝑖 ⁄𝜕𝑐𝑖 > 0, 𝜕𝑈𝑖 ⁄𝜕𝑧𝑖 > 0, 𝜕 2 𝑈𝑖 ⁄𝜕𝑐𝑖2 < 0, 𝜕 2 𝑈𝑖 ⁄𝜕𝑧𝑖2 < 0,
𝜕𝑈𝑖 ⁄𝜕𝑋𝑖 > 0, 𝜕 2 𝑈𝑖 ⁄𝜕𝑧𝑖2 < 0.
Le bien public, produit exclusivement à partir du bien privé, est financé par une taxe
unitaire prélevée à la source, 𝑡𝑖 . L’équilibre budgétaire de la juridiction se traduit donc
par :
∀𝑖 𝑧𝑖 = 𝑡𝑖 𝐾𝑖 (11)
Un vecteur 𝑡 ∗ = (𝑡1 , … , 𝑡𝐼 ) est un équilibre de Nash fiscale si, pour tout 𝑖, 𝑡 ∗ est la
solution du programme suivant :
max 𝑈 (𝑐𝑖 , 𝑧𝑖 , 𝑋𝑖 )
𝑠.𝑐
𝑐𝑖 = 𝑓𝑖 (𝐾𝑖 (𝑡)) − 𝐾𝑖 (𝑡)𝑓𝑖′ (𝐾𝑖 (𝑡)) + 𝜃𝑖 𝜌(𝑡)𝐾
𝑧𝑖 = 𝑡𝑖 𝐾𝑖 (𝑡)
𝑡𝑗 = 𝑡𝑗∗ , 𝑗 ≠ 𝑖
Par résolution les conditions du premier ordre nous donne :
𝜕𝑈𝑖
𝜕𝑐𝑖
=𝜆
(12)
𝜕𝑈𝑖 𝜕𝐾 𝜕𝐾 𝜕𝜌
𝜕𝑧𝑖
[𝐾𝑖 + 𝑡𝑖 𝜕𝑡 𝑖] − 𝜆 [𝐾𝑖 𝑓𝑖′′ (𝐾𝑖 ) 𝑖 + 𝜃𝑖 𝐾 ] = 0
𝜕𝑡𝑖 𝜕𝑡𝑖
𝑖
(13)
Avec 𝜆 le multiplicateur de Lagrange et en remplaçant (12) dans (13) 𝑡𝑖 est déterminé
de la manière qui suit :
𝜕𝑈𝑖 𝜕𝐾𝑖 𝜕𝜌
𝐾𝑖 𝑓𝑖′′ (𝐾𝑖 ) +𝜃𝑖 𝐾
𝜕𝑧𝑖 𝜕𝑡𝑖 𝜕𝑡𝑖
𝑇𝑀𝑆𝑧𝑖,𝑐𝑖 = 𝜕𝑈𝑖 = 𝜕𝐾 (14)
𝐾𝑖 +𝑡𝑖 𝑖
𝜕𝑐𝑖 𝜕𝑡𝑖
La solution de ce problème de maximisation permet de définir à l’équilibre de Nash la

fonction de meilleure réponse de la juridiction 𝑖. Elle donne la valeur optimale de 𝑡𝑖 en
fonction des 𝑡𝑗 anticipés (𝑖 = 1, … , 𝐼, 𝑖 ≠ 𝑗) ainsi que des déterminants des besoins
fiscaux des habitants de la juridiction 𝑖 résumés dans 𝑋𝑖 . Elle s’écrit donc :
𝑡𝑖 = 𝜏𝑖 (𝑡1 , … , 𝑡𝑖−1 , 𝑡𝑖+1 , … , 𝑇𝐼 , 𝑋𝑖 ) (15)
Chaque juridiction choisit son taux d’imposition de manière stratégique en anticipant

celui des autres juridictions et en tenant compte de la fonction de production de chaque
juridiction et des déterminants spécifique à chaque juridiction. A l’équilibre de Nash, les
anticipations de chacune sont vérifiées.
Ainsi, toutes les juridictions ont intérêt à diminuer aussi leur taux à la suite de la
modification des taux de la juridiction i de façon à rendre indifférent cette modification
et à annuler la fuite des capitaux. On s’attend alors à une complémentarité stratégique
𝜕𝜏
des taux de taxation. Les fonctions de réaction 𝜏𝑖 (. ) sont donc croissantes soit 𝜕𝑡 𝑖 > 0.
𝑗
4.1.2. Spécification empirique du modèle de concurrence fiscale
Étant donné qu’à l’équilibre chaque juridiction fixe son taux d’imposition en fonction
de celui des autres, la relation (15) conduit à une spécification avec autorégression
spatiale (Anselin, 1988 ; Jayet, 1993) dans laquelle la variable expliquée dépend en
chaque point des valeurs prises en d’autres points de l’espace. Ce modèle peut être
considéré comme une approximation locale au premier ordre d’une fonction de réaction
quelconque. En écriture matricielle, la spécification de notre modèle empirique prend la
forme du modèle log-linéaire avec auto régression spatiale suivant :
𝑙𝑛𝑡 = 𝜌𝑊 𝑙𝑛𝑡 + 𝛽𝑙𝑛𝑋 + 𝜀 (16)
avec t le vecteur des variables fiscales ; W la matrice d'interactions spatiales normalisée

; X la matrice des caractéristiques socioéconomiques ; 𝜌 le coefficient d’auto-régression
qui donne la pente de la fonction de meilleure réponse. La significativité statistique du
𝜌 estimé nous indiquera l'existence ou non d'interactions stratégiques fiscales entre les
collectivités ; 𝜀 le vecteur des résidus, identiquement et indépendamment distribués
(i.i.d.). Toutefois, dans le cadre de ce modèle, nous testerons également la présence
éventuelle d'autocorrélation spatiale. Dans ce cas, les résidus sont dépendants entre
localités selon la relation 𝜀 = 𝜆𝑊𝜀 + 𝜇 où 𝜆 est le coefficient d'autocorrélation spatiale
et 𝜇 est supposé i.i.d.
Aussi, la forme réduite de notre modèle devient :
𝑙𝑛𝑡 = (1 − 𝜌𝑊)−1 𝛽𝑙𝑛𝑋 + (1 − 𝜌𝑊)−1 𝜀 (17)
Comme ce modèle prend en compte les interdépendances entre les valeurs de la variable
et les observations géographique, la méthode des moindres carrés ordinaires n’est plus
appropriée car les coefficients estimés sont biaisés et inefficaces. La dimension spatiale
de modèle nécessite un cadre méthodologique alternatif d’estimation. Ainsi, on peut
dénombrer deux méthodes qui apparaissent dans la littérature empirique. Il s’agit du
maximum de vraisemblance et des variables instrumentales (Cassette et Paty, 2006), tous
deux ayant leur problème spécifique. L’estimation par le maximum de vraisemblance a
un problème de jacobien existant dans la fonction de vraisemblance. Pour maximiser
cette fonction on se sert d’une optimisation non-linéaire pour évaluer le jacobien pour
les nouvelles valeurs du coefficient d’autorégression. Cependant, cela s’avère
compliquer pour les échantillons de petite taille. Pour contourner cet obstacle, Le Gallo
(2000) propose de considérer la méthode de Ord (1975) qui consiste en la décomposition
du Jacobien en termes des valeurs propres de la matrice de pondération. D’autres
méthodes ont été proposées par Jayet H. sous Matlab. La méthode des variables
instrumentales (VI) quant à elle contribue à solutionner les problèmes de non-
convergence des estimateurs obtenus des moindres carrés ordinaires (Anselin, 1988 ;
Kelejian et Robinson, 1993 ; Kelejian et Prucha, 1998, Cassette et Paty, 2006).
Les variables explicatives étant considéré comme des instruments, elles sont non
corrélées avec les erreurs ainsi que 𝑊𝑋 ou des décalages d’ordre supérieur pour la
variable endogène. En considérant que les hypothèses sont satisfaites et lorsque les poids
sont basés sur la contiguïté, les estimateurs des variables instrumentales sont convergents
et asymptotiquement normaux (Le Gallo, 2000).
Tableau 2 : famille de modèle avec interaction spatiale

𝝆 𝜽 (conjointement) 𝝀 Modèle spatial
≠0 0 0 Modèle autorégressif spatial (SAR)
0 0 ≠0 Modèle d'erreur spatiale (SEM)
≠0 ≠0 0 Modèle de Durbin spatial (SDM)
≠0 0 ≠0 Modèle autorégressif spatial avec

perturbations autorégressives (SAC)
Source : auteurs, à partir de Nannestad (2018)
La théorie de la concurrence fiscale n’est pas appropriée avec les modèles de panel non
spatial en raison de leur caractère théorique et empirique dans la littérature (Agha et Le
Gallo, 2018 ; Floch et Le Saout, 2018). Théoriquement, cela se justifie par la dépendance
des décisions entre agents économiques et empiriquement, en raison de l’insuffisance de
la modélisation par les méthodes des Moindre Carré Ordinaire (MCO) à vérifier
l’hypothèse d’indépendance entre les observations (Anselin, 2002 ; tiré de Floch et Le
Saout, 2018). Les MCO perdent donc leur efficacité et/ou ont des estimateurs biaisés
quand on observe une autocorrélation spatiale i.e. une dépendance entre les observations
(Le Sage et Pace, 2009 ; tiré de Floch et Le Saout, 2018).
Ainsi, les modèles SAR, SEM, SDM et SAC sont compatibles à la théorie de la
concurrence fiscale car dans les trois modèles, les variables d’impôts dans une juridiction
sont supposées être influencés par les variables fiscales dans d’autres juridictions
concernées. Si l’un de ces modèles s’avère le mieux décrire les interactions spatiales
dans les données, une telle constatation est compatible avec la concurrence fiscale pour
les pays en union (Nannestad, 2018). Selon Sanz-Cordoba (2019), bien que les modèles
SAR et SEM permettent de tenir compte des effets spatiaux de la variable endogène, ils
omettent les interactions spatiales des variables exogènes. Dans ce cas, il est préférable
de prendre en compte le modèle Spatial Durbin (SDM) de Le Sage et Pace (2009) qui
permet des interactions spatiales dans les variables endogènes et exogènes.
Cependant, afin de mieux appréhender le modèle approprié à tout travaux sur les
modèles spatiaux en lien avec les données, il est de bon ton de procéder à la spécification
du modèle (Agha et Le Gallo, 2018).
4.1.2.1. Matrice de pondération
Les matrices de pondération sont les instruments à même de capter les interactions dans
une modélisation spatiale. Elles prennent en compte les relations de proximité entre les
individus. Elles peuvent être des distances entre les observations, la demande ou le taille
de marché etc. dans ce travail, nous utilisons deux types d’interaction entre les pays. Il
s’agit de la matrice de contiguïté et de la matrice d’interaction de PIB.
Capter la proximité géographique relative au frontière, Il revient à supposer une matrice

de contiguïté 𝑊𝑖𝑗 ayant la forme suivante :
𝑓 1 𝑠𝑖 𝑝𝑎𝑦𝑠 𝑝𝑎𝑟𝑡𝑎𝑔𝑒𝑛𝑡 𝑢𝑛𝑒 𝑓𝑟𝑜𝑛𝑡𝑖è𝑟𝑒 𝑐𝑜𝑚𝑚𝑢𝑛𝑒

𝑊𝑖𝑗 = { (14)
0 𝑠𝑖𝑛𝑜𝑛
La production intérieure brute prend en compte la demande, la richesse et le pouvoir

d’achat des pays concernés. Cette dernière peut donc être facteur de décision du degré
de pression fiscale et d’imposition faite par l’administration fiscale. La matrice est
construite de la manière suivante :
1
|𝑃𝐼𝐵𝑖 −𝑃𝐼𝐵𝑗 |
𝑊𝑖𝑗𝑃𝐼𝐵 = ⁄ 1 (15)
∑
|𝑃𝐼𝐵𝐼 −𝑃𝐼𝐵𝑗 |
4.1.2.2. Variables, Données et Source
Nous présentons ci-dessous les variables dépendantes, les variables explicatives

(d’intérêt et de contrôle) ainsi que la source des données. L’étude est faite sur la période
2000 à 2017 et nombre de pays d’étude est l’ensemble des huit (08) pays de l’UEMOA
que sont le Bénin, le Burkina-Faso, la Cote d’Ivoire, la Guinée-Bissau, le Mali, le Niger,
le Sénégal et le Togo. Le nombre de variables dépendantes est de quatre (04).
Tableau 3 : Définition des variables et sources
Variables Définition Explication Source
Variable dépendante
C’est un indicateur qui mesure le poids des
Presfisc Pression impôts dans l’économie d’un pays BCEAO, 2018
Fiscale
Variables socioéconomiques de pouvoir d’achat
PIBt Le PIB par C’est un indicateur de demande potentielle Banque
habitant et de pouvoir d’achat d’un territoire. Le Mondiale, 2018
signe attendu est négatif
Depub Dépenses Elles sont l’ensemble des dépenses réalisées Perspective
publiques par les administrations publiques et établit économique,
en vue de l’allocation des ressources. Le 2018
signe attendu pour cette variable est positif
FBCF La formation Elle rassemble tous les moyens de Banque
brute du capital production durable, logements ou Mondiale, 2018
fixe équipements collectifs en vue d’attirer les
entreprises. Le signe attendu est positif ou
négatif.
Variables sociodémographiques de besoin
Denspop Densité de la Il s’agit de la population d’un pays divisée Banque
population par sa superficie totale en kilomètres carrés Mondiale, 2018
(y compris les zones inhabitables).Le signe
attendu est négatif ou positif.
Tchom Taux de Pourcentage de la main-d’œuvre disponible Banque
chômage à travailler qui est à la recherche d’un Mondiale, 2018
emploi mais ne réussit pas à en trouver. Le
signe du taux de chômage doit être a priori
négatif.
Turba Taux C’est le rapport de la population urbaine à Banque
d’urbanisation la population totale. Mondiale, 2018
Com Le commerce Il est calculé par la somme de l’exportation Banque
extérieur et de l’importation par rapport au PIB. Le Mondiale, 2018
signe attendu est négatif.
Psectter Proportion du Le secteur tertiaire recouvre un vaste champ Banque
secteur tertiaire d'activités qui s'étend du commerce à Mondiale, 2018
l’administration. Le signe attendu est
négatif.
Psectsec Proportion du Le secteur secondaire correspond aux Banque
secteur activités liées à la transformation des Mondiale, 2018
secondaire matières premières, qui sont issues du
secteur primaire. Le signe attendu est
négatif.
stodetext Stock de la Il mesure la capacité d’un pays à réagir aux Banque
dette extérieure chocs économiques. L’ensemble des dettes Mondiale, 2018
qui sont dues par un pays, État, entreprises
et particuliers compris à des prêteurs
étrangers. Le signe attendu est donc mitigé.
Source : Auteurs
Tableau 4 : statistiques descriptives
Variables Observation Moyenne Ecart-type Min Max Unité

Presfisc 144 12.78527 3.948929 4.205274 22.33 %
PIBt 144 290919.5 143767.4 130646.9 767297.7 Millions
Denspop 144 57.08062 33.15406 8.962638 143.3663 -
Tchom 144 4.404452 2.892892 .32 11.71 %
Turba 144 35.4297 10.1501 16.186 50.326 -
Depub 144 1027.138 957.1991 46.1 5625.407 Millions
FBCF 144 1.18e+09 1.07e+09 5931878 5.15e+09 Mille
Com 144 65.44053 19.46193 30.16577 112.7624 Milliards
Psectter 144 19.74523 4.67015 10.557 29.725 %
Psectsec 144 50.20837 6.644964 38.493 65.023 %
stodetext 144 55.95577 48.55173 12.68277 265.2056 Milliards
Source : auteurs, à partir de Stata 15.
4.1.5. Procédure d’estimation
A l’aide des données en panel, nous faisons une estimation à base de l’économétrie
spatiale. Dans les travaux empiriques, on dénote une prédilection aux données de panel
car elles présentent trois avantages spécifiques dans le traitement des données. D’abord,
sa double dimension temporelle et individuelle génère une information abondante et
permet de contrôler la présence d’hétérogénéité inobservables. Ensuite, la taille
relativement gigantesque des échantillons lui permet de donner de façon précise les
résultats des estimations et enfin les données de panel permettent de modéliser des
relations dynamiques (Le Gallo et al, 2018). Selon Baltagie et Kao (2000) l’économétrie
des données de panel non stationnaire vise à combiner le meilleur des mondes
temporelles et de coupe transversales (Hurlin et Mignon, 2005).
3.1.5.1. Spécification des modèles spatiaux
Pour appréhender le modèle approprié à tout travaux sur les modèles spatiaux en lien
avec les données, nous spécifions le modèle comme (Agha et Le Gallo, 2018). Le tableau
2 présente le test de spécification sur données de panel à partir des différents modèles
spatiaux. Comme le stipule Belotti et al. (2017), une question classique récurrente dans
les analyses empiriques des données de panel se réfère au choix entre les variantes à
effets fixes et aléatoires. Le test de Hausman nous permet donc de faire la discrimination
entre ces deux modèles en panel.5
5Nous rappelons que la procédure d’estimation suit celle de Belotti et al (2017). Ce dernier utilise l’estimateur ML pour
implémenter la commande xsmle dans Stata. Il a produit les mêmes résultats que la routine « officielle » spxtregress
dans Stata 15, mais s'est avéré converger plus rapidement et de manière plus fiable (Nannestad, 2018).
Tableau 5 : Test de spécification des modèles à effets en modélisation spatiale (matrice

de contiguïté)
Variables SDM SAR SEM

FE RE FE RE FE RE
Test de Hausman
Presfisc Chi2 1.915 Chi2 4.231 Chi2 10.153
P-value .997 P-value .936 P-value .427
Source : auteurs, Stata version 15. *** p<.01, ** p<.05, * p<.1, les coefficients obtenus
sont ceux liés à la matrice de pondération ou interaction spatiale.
Le tableau 5 présente les résultats du test de spécification du modèle. Quel que soit le
modèle nous spécifions un modèle à effets aléatoires. Pour les modèles SDM, SAR et
SEM, on a respectivement une statistique de test 𝜒2 égale à 1.915 ; 4.231 et 10.153. La
probabilité du test est donc, pour tous les modèles, non nulle (une valeur p-value
supérieur à 5%). On ne peut donc rejeter l’hypothèse nulle de présence d’effets aléatoires
pour tous les modèles. Nous considérons par conséquent que l’estimateur MCG est
meilleur que celui de Within pour les modèles SDM, SAR et SEM.
Tableau 6 : Test de spécification des modèles à effets en modélisation spatiale (matrice

de PIB)
Variables SDM SAR SEM
FE RE FE RE FE RE
Test de Hausman
Presfisc Chi2 -30.799 Chi2 2.892 Chi2 -65.783
P-value 1.000 P-value .984 P-value 1.000
Source : auteur, Stata version 15. *** p<.01, ** p<.05, * p<.1, les coefficients obtenus
Le tableau 6 présente les résultats du test de spécification du modèle. Quel que soit le
modèle nous spécifions un modèle à effets aléatoires. Pour les modèles SDM, SAR et
SEM, on a respectivement une statistique de test 𝜒 2 égale à -30.799 ; 2.892 et -65.783.
La probabilité du test est donc, pour tous les modèles, non nulle (une valeur p-value
supérieur à 5%). On ne peut donc rejeter l’hypothèse nulle de présence d’effets aléatoires
pour tous les modèles. Nous considérons par conséquent que l’estimateur MCG est
meilleur que celui de Within pour les modèles SDM, SAR et SEM.
4.1.5.2. Choix de modèle spatial
Nous testons les différents types de modèle spatial que sont le modèle spatial de Durbin
(SDM), le modèle spatial autorégressif (SAR) et le modèle spatial à erreurs autocorrélées
(SEM). Comme le suggère l’approche de Elhorst (2010), en cas de difficulté ou
d’estimation ou d’incertitude des modèles, il est mieux de commencer par défaut le
modèle à priori le plus robuste qui est le SDM. Ainsi, nous testons à tout de rôle les
différents types de modèles, puis nous faisons un test de discrimination ou de sélection
de modèle pour la variable dépendante. La règle de décision pour le test de sélection
entre le modèle SAR (le modèle spatial d’autorégression) et le modèle SDM indique nul
le paramètre 𝜃 d’interaction exogène et 𝜌 ≠ 0 le paramètre d’interaction endogène, dit
autorégressif spatial. Nous testons le modèle approprié entre le modèle SEM (modèle
spatial à erreur autocorrelée) et le modèle SDM (modèle spatial de Durbin). La règle de
décision de ce test indique nul le paramètre 𝜃 + 𝜌𝛽 = 0 et l’hypothèse alternative ne
peut être rejetée. La statistique de test de sélection du modèle est significative au seuil
de 5% quel que soit la matrice d’interaction. Le modèle approprié est donc le modèle
SAR. On préfère donc le modèle SAR au modèle SDM et le modèle SDM au modèle
SEM.
Tableau 7 : test de sélection des modèles SDM, SAR et SEM.

Matrice de contiguïté
SDM et SAR SDM et SEM
chi2(10) = 196.43 chi2(10) = 220.80
Prob > chi2 = 0.0000 Prob > chi2 = 0.0000
Presfisc Matricule de PIB
chi2(10) = 155.25 chi2(10) = 125.04
Prob > chi2 = 0.0000 Prob > chi2 = 0.0000
Source : Auteur, à l’aide de Stata 15. *** p<.01, ** p<.05, * p<.1, les coefficients obtenus sont
ceux liés à la matrice de pondération ou interaction spatiale.
4.2. Estimation et interprétation des résultats
Le tableau 8 présente les résultats d’estimation des effets communs et des modèles
spatiaux. On remarque que le pouvoir explicatif des variables explicatives du modèle est
de 79% ; par conséquent le modèle est globalement significatif avec une probabilité de
50,49. Les modèles spatiaux sont estimés au moyen de la méthode du maximum de log-
vraisemblance. Nous faisons une brève interprétation de l’estimation des effets
communs et procédons à l’analyse des coefficients des modèles spatiaux.
A travers l’estimation des effets communs, on constate qu’un certain nombre de

variables sont susceptibles d’accentuer la pression fiscale dans les pays de l’UEMOA. Il
s’agit des variables telles que les dépenses publiques, le commerce, la proportion du
secteur tertiaire et le taux de chômage. En effet, ces variables sont liées aux désirs des
Etats de l’Union de développer leurs économies. Elles représentent plus des variables de
besoin capables de créer et d’augmenter le volume de richesse des pays. Cependant, les
variables telles que la formation brute du capital fixe et le stock de dette extérieure sont
capables d’atténuer le degré de pression fiscale dans les pays de l’Union. La dette par
exemple constitue un report d’impôt ; un pays ayant la capacité de contracter faciliter
des ressources extérieures a de ce point de vue une marge de manœuvre lui permettant
de moins imposer son économie.
Tableau 8 : estimation des modèles spatiaux de la variable pression fiscale

Effet Wcont Wpib Wcont Wpib
Commun Modèle spatial du Durbin Modèle spatial
(SDM) d’autorégression (SAR)
Variables Presfisc
lDenspop .088** 0.299 -0.056 0.145 0.176**
(2.58) (1.120) (-0.860) (1.490) (1.830)
lturba -.129 -0.208 -0.041 -0.392* -0.501***
(-1.41) (-0.500) (-0.270) (-1.820) (-2.280)
Lpib .008 0.009 0.019*** 0.007 0.007
(1.64) (1.570) (3.650) (0.750) (0.720)
lDepub .161*** 0.304*** 0.312*** 0.352*** 0.348***
(3.79) (6.090) (6.540) (8.400) (7.920)
lFBCF -.069* -0.158*** -0.135*** -0.147*** -0.152***
(-1.82) (-5.820) (-4.870) (-5.780) (-5.890)
lcom .178** 0.281*** 0.240*** 0.252*** 0.286***
(2.24) (4.410) (3.290) (3.770) (4.240)
lPsectsec .524 0.312 0.302 0.242 0.345
(1.61) (1.250) (1.020) (0.880) (1.240)
lPsectter .619*** 0.449*** 0.583*** 0.421*** 0.452***
(5.72) (3.870) (5.840) (4.450) (4.690)
lstodetext -.161 *** -0.127*** -0.146*** -0.115*** -0.121***
(-5.14) (-4.460) (-5.580) (-4.950) (-5.040)
ltchom .037* 0.067** 0.084*** 0.075** 0.083***
(1.68) (1.990) (2.140) (2.110) (2.330)
Cons -.512 0.159 -6.964*** 0.764 0.819
(-1.08) (0.110) (-3.200) (1.460) (1.470)
Rho(𝜌) - -0.320*** -0.488*** -0.294*** -0.414***
spatial (-3.090) (-2.450) (-3.560) -(2.710)
𝑣𝑎𝑟 (𝜃) - - - -1.674*** -1.610***
(-4.740) (-4.330)
Log-likelihood - 235.7792 228.5541 215.8922 213.5395
R2 0.791 - - - -
F-test 50.485 - - - -
Prob > F 0.000
Source : auteur, Stata version 15. *** p<.01, ** p<.05, * p<.1, les coefficients obtenus
Les différentes estimations des modèles sont faites selon la spécification des modèles à
effets aléatoires. D’emblée nous notons que les coefficients d’interaction endogènes sont
tous significatifs quel que soit la matrice. En effet, faisant référence au coefficient
d’autorégression spatial (interaction endogène), nous constatons que les résultats basés
sur la matrice de contiguïté sont statistiquement significatifs au seuil de 1%. Le
paramètre spatial autorégressif pour la matrice de contiguïté dans le modèle SDM a une
statistique égale à -0,320. Ainsi, une augmentation (baisse) de 1% de la pression fiscale
par un pays membre de l’UEMOA induit chez les pays voisins une diminution (hausse)
de 0,32%. Aussi, du côté de la matrice d’interaction liée au PIB, on note que le
coefficient d’autorégression spatial est statistiquement significatif au seuil de 1%. Ainsi,
une augmentation (baisse) de 1% de la pression fiscale par un pays membre de
l’UEMOA, induit une diminution (hausse) de 0,49% comme réaction dans les pays de
niveau comparable.
Avec le modèle SAR, on estime à -0,29 le coefficient d’autorégression spatiale. Ainsi,

une augmentation (baisse) de 1% de la pression fiscale par un pays membre de
l’UEMOA induit chez les pays voisins une diminution (hausse) de 0,29%. Aussi, du côté
de la matrice d’interaction liée au PIB, on note que la pression fiscale est statistiquement
significative au seuil de 1%. Ainsi, une augmentation (baisse) de 1% de la pression
fiscale par un pays membre de l’UEMOA, une diminution (hausse) de 0,41% comme
réaction dans les pays de niveau comparable.
La significativité des paramètres d’autorégression spatiale indique un comportement

d’interaction fiscale dans la fixation des niveaux de pression fiscale dans les pays de
l’UEMOA. Il y a donc une dépendance dans la fixation des taux de pression fiscales dans
les pays de l’UEMOA. Le signe négatif de la pente de la fonction de réaction (paramètre
d’interaction endogène) expose la nature même de l’interaction entre les pays de
l’UEMOA. La littérature économique parle de substitut stratégique des variables
d’impôt. Cela stipule que lorsqu’un pays fixe son taux de pression fiscale ; par effet de
voisinage et/ou effet de niveau de vie les autres régions ont une taxation inférieure toute
chose égale par ailleurs. La concurrence fiscale dans l’UEMOA entraine des taux bas
dans les pays de l’union. Ces résultats ne sont pas contre intuitifs de la littérature
économique sur la concurrence fiscale. Ils sont conformes aux résultats trouvés par Noah
et Fambon (2019) dans les pays de la CEMAC. Ces derniers étudient l’effet des
interactions fiscales sur les IDE dans la zone CEMAC. Ils confirment l’existence de la
concurrence fiscale dans les pays de la CEMAC. Altusher et Goodspeed (2002) et
Altusher et Goodspeed (2015) vérifient l’existence de la concurrence fiscale à partir de
la pression fiscale et un modèle de Stackelberg dans les pays d’Europe et d’Occidents.
Ils montrent qu’entre les pays européens et occidents, il existe une concurrence fiscale.
Ces résultats sont confirmés aussi par les travaux de Miniaci et al (2018). C’est aussi le
cas des travaux de Han et al (2017) qui montrent que dans les pays où prévaut un système
de coordination fiscale, la concurrence fiscale n’est pas inexistante. Ils montrent que
l’origine de la concurrence fiscale est due à un report sur les variables non contraints et
sur les mesures. De plus cette concurrence est nuisible au bien-être de l’intégration dans
la mesure où les décisions prises par les pays pour se concurrencer est simultanées et
non séquentielles.
Cependant, les résultats trouvés sont non conformes aux résultats obtenus par Kiburi et
al (2018) dans les pays de la CEA. En effet, ces auteurs trouvent qu’il n’existe pas de
concurrence fiscale entre les pays de la CAE. Klemm et Parys (2012) considèrent que
dans les pays en développement notamment, les pays de l’Afrique, on ne constate pas
des politiques fiscales en concurrence.
La concurrence fiscale dans les zones peut être plus acerbe dans la mesure où elle est
accentuée par les relations de proximité que sont le voisinage (matrice de contiguïté) et
la richesse créée dans l’économie (matrice d’interaction liées au PIB) et aussi par des
variables socio-économiques.
En effet, les variables telles que la densité de la population, les dépenses publiques
l’ouverture commerciale, la proportion du secteur tertiaire et le taux de chômage ont
toutes des coefficients positifs et globalement significatifs au seuil de 1%. Elles
représentent des variables socioéconomiques et aussi des variables
sociodémographiques. Pour une grande partie d’entre elles, ce sont des variables de
besoins qui exige des dépenses spécifiques et donc de financement (Cassette et Paty,
2009). A cet effet, une augmentation de 1% de la densité de la population, les dépenses
publiques, de l’ouverture commerciale, de la proportion du secteur tertiaire et de taux de
chômage entraine une hausse de la pression fiscale respectivement de 0,18% ; 0,35% ;
0,27% ; 0,45% et 0,08%. Leur signe positif indique qu’il n’existe pas dans les pays de
l’UEMOA une économie d’échelle dans l’offre de biens publics. Or, la présence
d’économie d’échelle constitue une raison pour faire baisser la pression fiscale. Etant
basé sur le niveau de richesse créée, chaque pays élève donc son taux de pression fiscale
du fait que le pays voisin éprouve un besoin de se satisfaire en offre de service public.
Un résultat surprenant est celui du taux de chômage qui est négatif. Cela traduit la
volonté des pays de l’UEMOA à résoudre les problèmes liés au marché de travail en
interne et non une résolution due à une attraction des entreprises et des IDE. Le signe
positif trouvé est contraire au signe attendu. Le signe positif de la proportion du secteur
tertiaire montre que les pays maintiennent un taux de pression fiscale à un niveau
relativement élevé pour financer par eux-mêmes ces secteurs en infrastructure.
Par ailleurs, les variables telles que le taux d’urbanisation, la formation brute du capital
fixe et le stock de dette extérieur ont des coefficients négatifs et sont globalement
significatif au seuil de 1%. Une augmentation de 1% du taux d’urbanisation, de la
formation brute du capital fixe et du stock de dette extérieur s’accompagne d’une
diminution de la pression fiscale respectivement de 0,50% ; 0,15% et de 0,12%. En effet,
ces variables donnent des marges de manœuvres au pays afin de réduire le niveau de
pression fiscale. Concernant le stock de la dette extérieur, ce résultat est conforme aux
travaux de Jensen et Toma (1991) ; Lee (1997) et de Coates (1993). En effet, ces auteurs
estiment que les emprunts obligataires et autres formes de financement extérieur
exercent à court terme et à long terme une pression à la baisse des impôts. Le signe
négatif obtenu de la formation brute du capital fixe montre à quel point le capital fixe est
un outil stratégique de disparité de pression fiscale. Ce résultat obtenu est conforme aux
prédictions de Hwang et Choe (1995) qui considèrent que la taille de la population et la
dotation en capital sont des facteurs de revu à la baisse des taux d’impôt. Cependant,
dans le modèle SAR le produit par tête n’est pas significatif. Une explication plausible
à cela est que les pays ne prennent donc pas en compte la richesse créée pour fixer le
niveau de pression fiscale. Ce résultat est robuste dans la mesure où ces dernières années
la mobilisation des recettes fiscales et la croissance du PIB ne sont pas en phase. Aussi,
on parle d’une croissance non inclusive ne permettant pas une élévation du bien-être des
populations.
5. Conclusion et implication économique
L’intégration des pays de l’UEMOA se fait à partir des règles communautaires que sont
les critères de convergence. Le présent article examine donc la nature des politiques
fiscales mis en œuvre par les Etats membres. Dans la littérature, deux politiques fiscales
se distinguent : la coordination fiscale et la concurrence fiscale lorsque des pays sont
intégrés dans une même zone. Cependant, un certain nombre de comportement peuvent
s’observer du fait de l’hétérogénéité entre les individus ou pays d’une même union. Pour
ce faire, nous utilisons une approche économétrique basée sur la spatialité des
observations. La raison de cette approche est à la fois théorique et empirique et se résume
au fait que les pays intégrés ne prennent plus leur décision de façon indépendante. Nous
utilisons donc un modèle d’autorégression spatial (SAR) pour capter les
interdépendances entre les pays sur la pression fiscale. A l’aide des matrices de
contiguïté et de la matrice d’interaction liée au PIB nous mesurons l’effet d’interaction
fiscale entre les différents pays. Nous trouvons des preuves que le paramètre
d’interaction endogène est significatif au seuil de 1% pour la matrice liée au PIB et pour
la matrice de contiguïté. La significativité des paramètres d’autorégression spatiale
montre qu’il existe une interaction fiscale entre les pays entre les pays membres de
l’EUMOA. Pour la variable dépendante (la pression fiscale), le signe de la pente des
fonctions de réaction est négatif et révèle que la relation d’interdépendance fiscale qui
existe au sein de l’UEMOA est stratégique par conséquent nous concluons à une
concurrence fiscale dans les pays de l’UEMOA. Par ailleurs, la concurrence fiscale qui
prévaut dans l’UEMOA est accentuée par les variables explicatives socioéconomiques
et sociodémographique telles que la densité de la population, les dépenses publiques
l’ouverture commerciale, la proportion du secteur tertiaire et le taux de chômage.
Cependant, certaines variables telles que le taux d’urbanisation, la formation brute du
capital fixe et le stock de la dette extérieur peuvent jouer un rôle amortisseur dans la
fixation des taux de pression fiscales dans les pays de l’UEMOA. Par ailleurs, nous
suggérons pour éviter aux différents pays d’entrer dans une concurrence fiscale, il faut
la mise en place dans l’UEMOA des mesures compensatoires pour un respect des normes
de l’union. Cela serait manifeste par des mesures plus souffle de politique monétaire.
6. Références bibliographiques
Agha S, B., LE gallo J. et Védrine L. (2018) « Econométrie spatiale sur donnés de
panel » https://www.researchgate.net/publication/329355186
Anselin L. (1988). Spatial econometrics: Methods and models, Kluwer Academic
Publishers, Dordrecht et al. (eds).
Kelejian H.H. et D.P. Robinson, 1993 : « A suggested method of estimation for
spatial interdependent models with autocorrelated errors and an
application to a county expenditure model », Papers in Regional Science, Vol.
72, pp. 297-312.
Aurélie Cassette A. et Paty S., (2009), « comment sont fixés les taux d'imposition sur les
sociétés dans l’UE 27 ? » presses de sciences po (p.f.n.s.p.) | « revue
économique » /3 vol. 60 pages 737 à 748 ISSN 0035-2764 isbn
9782724631388
Aurélie CASSETTE et Sonia PATY (2006). « La concurrence fiscale entre communes
est-elle plus intense en milieu urbain qu’en milieu rural ? ». Cahiers d’économie
et sociologie rurales, n° 78, 2006.
Barthélemy Mahugnon SENOU (2014) « Un essai d’analyse du potentiel fiscal du
Bénin » Revue d’Economie Théorique et Appliquée ISSN : 1840-7277
Volume 4 – Numéro 2 – Décembre 2014 pp 181-202
Belotti, Frederico, Gordan Hughes and Andrea Piano Mortari (2017). « Spatial Panel
Data Models using Stata », Stata Journal, vol. 17, no. 1 :139-180.
Bernard Mimboe Noah et Samuel Fambon (2019) « Interactions fiscales stratégiques
entre pays de la CEMAC et flux entrants d’investissements directs
étrangers », Région et Développement n° 49 www.
regionetdeveloppement.org
Brennan, G. & Buchanan, J.M. (1980), The Power to Tax: Analytical Foundations of a
Fiscal Constitution. Cambridge: Cambridge University Press.
Bucovetsky S. (1991), « Asymmetric Tax Competition », Journal of Urban Economics,
30, pp. 167-181.
Coates, D. (1993), « Property Tax Compétition in repeated game » Regional Science
Urban Economic, 23 : 111-119.
Culpeper, R. and Bhushan, A. (2010), « Domestic Resource Mobilization in Africa : An
Overview, The North- South Institute », available at :
www.nsiins.ca/content/download/DRM_Synthesis_V5.pdf
Delage B. (1999). Concurrence fiscale : un survol, L’actualité économique 75, revue
d’analyse économique.
Devereux M. P., Lockwood B., Redoano M. (2008). Do countries compete over
corporate tax rates ? Journal of Public Economics 92(5-6), 1210-1235.
Egger P., and H. Raff (2015), « Tax Rate and Tax Base Competition for Foreign Direct
Investment », International Tax and Public Finance, 22, pp. 777-810.
Elhorst J.Paul (2010) « Applied Spatial Econometric : Raising the Bar »Spatial
Economic Analysis 5(1), 9-28.
Floch J-M et Le Saout (2018) « Econométrie spatiale : une introduction pratique »
Hwang, H., et B. Choe (1995), « Distribution of Factor Endowments and Tax
Compétition », Regional Science and Urban Econmic, 25 : 655- 673.
Jayet H., Paty S., Pentel A., (2002), « existe-t-il des interactions fiscales stratégiques
entre les collectivités locales » La Documentation française | « Economie
& prévision »/3 no 154 | pages 95 à 105.
Jayet, H. (1993), Analyse spatiale quantitative : une introduction, Bibliothèque de
Science Régionale, Economica.
Jensen, R. et E. Toma (1991) « Debt in a model of tax competition » Regional Science
and Urban Econmic, 21 : 371-392
Keleijan, Harry H. and Ingmar R. Prucha (1998). « A Generalized Spatial Two-Stage
Least Squares Procedure for Estimating a Spatial Autoregressive Model
with Autoregressive Disturbances », Journal of Real Estate Finance and
Economics, vol. 17 : 99-121.
Kiburi W., Mirie M W., Okiro K O. & Ruigu G. M. (2018) : Effects of Tax Burden on
Foreign Direct Investment Inflows Inflows in the East African Community
Countries : Empirical Evidence. Journal of Finance & Accounting, Vol 2 (3) pp.
1-14.
Klemm A., Van Parys S. (2012). Empirical evidence on the effects of tax incentives.
International Tax and Public Finance 19(3), 393-423.
Le Gallo J. (2000). Économétrie spatiale, 1. Autocorrélation spatiale, document de
travail, n˚ 2000-05, LATEC, Université de Bourgogne.
Lee, K. (1997) « Tax competition with imperfectly mobile capital » Journal of Urban
Econmic, 42 : 222-242.
LeSage J., Pace R.K., (2009). Introduction to Spatial Econometrics. Taylor & Francis
Group.
Mac Lure C. (1986), Tax Competition: Is What’s Good for the Private Goose also Good
for the Public Gander ? National Tax Journal 39.
Mansour M. et Rota-Graziosi G. (2012), coordination fiscale dans l'union économique
et monétaire ouest africains : tax coordination in the west african economic and
monetary union de boeck supérieur Revue d'économie du
développement 2012/3 - Vol. 26 pages 9 à 34, ISSN 1245-4060.
Miniaci, Raffaele; Panteghini, Paolo; Rivolta, Giulia (2018): The Estimation of Reaction
Functions under Tax Competition, CESifo Working Paper, No. 6928,
Center for Economic Studies and Ifo Institute (CESifo), Munich
Ord, Keith. (1975) « Estimation Methods for Models of Spatial Interaction. » Journal of
the American Statistical Association 70: 120-126.
Peter Nannestad (2018) « Strategic Tax-Setting in Danish Municipalities? A First Look
at the Evidence 2007 – 2017 », Department of Political Science Aarhus
University, For presentation at the 27th Nordic Local Government Conference,
Aarhus, Denmark, Nov. 30 –Dec. 2, 2018
Redoano M. (2007), « Fiscal interactions among european countries. Does the EU
matter? », cesifo Working Paper n° 1952.
Salmon P. (1987). “Decentralisation as an Incentive Scheme”, Oxford Review of
Economic Policy, vol. 3, pp. 24-43.
Sanz-Cordoba, P. (2019), The role of infrastructure investment and factor productivity
in international tax competition, Economic Modelling,
https://doi.org/10.1016/j.econmod.2019.05.003
Tiebout, C. (1956), A Pure Theory of Local Expenditures. Journal of Political Economy,
64: 416-424.
Wildasin D.E., (1988) : « Nash equilibria in models of fiscal competition », Journal of
Public Economics, Vol. 35, pp. 229-240.
Wildasin, D.E. (1989), “Interjurisdictional capital mobility : Fiscal externality and a
corrective subsidy”, Journal of Urban Economics, 25, pp. 193-212.
Wildasin, D.E. (1991), “Some rudimentary « duopolity » theory”, Regional Science and
Urban Economics, 21, pp. 393-421.
Wilson, J. (1986), A Theory of Interregional Tax Competition. Journal of Urban
Economics 19(3), pp. 296–315.
Wilson, J. (1991), Tax competition with interregional differences in factor endowments.
Regional Science and Urban Economics 21, pp 423– 452.
Yawovi M. Isaac Amedanou (2018). « Examen de l’optimalité de la performance fiscale
dans les pays en développement : le cas de l’UEMOA ». Centre d’Etudes et de
Recherches sur le Développement International (CERDI), Université Clermont-
Auvergne. Online at https://mpra.ub.uni-muenchen.de/89513/ MPRA Paper No.
89513, posted 14 October 2018 22:14 UTC.
Yutao Han, Patrice Pieretti and Benteng Zou (2016). « On the desirability of tax
coordination when countries compete in taxes and infrastructure » Economic
Inquiry (ISSN 0095-2583) doi:10.1111/ecin.12407 Western Economic
Association International
Zodrow G., Mieszkowski P. (1986). Pigou, Tiebout, property taxation, and the under
provision of local public goods. Journal of Urban Economics, 19(3), 356-370.
LES ANNALES DE SCIENCES ECONOMIQUES DE L’UAC
Recommandations aux auteurs

Les Annales de Sciences Economiques de l’UAC (LASEC) publient des articles
dans tous les domaines de l’analyse économique en français ou anglais. Elles
accordent un intérêt particulier à la rigueur scientifique des auteurs dans l’élaboration
de la problématique, la contribution de leur article à la littérature économique et à la
compréhension des faits stylisés, la démarche méthodologique, de même que
l’utilisation d’outils de traitement des données, et garantissent les divergences des
points de vue, dans le strict respect de la méthodologie des sciences économiques.
Les articles soumis à publication dans « Les Annales de Sciences Economiques de
l’UAC » doivent être rédigés dans un style clair et accessible à tous les économistes,
quelles que soient leurs spécialités.
Les projets d’article soumis à « Les Annales de Sciences Economiques de l’UAC »

doivent être des contributions originales n’ayant fait l’objet ni de soumission dans
une autre revue, ni de publication antérieure. Lesdits projets font l’objet d’évaluation
par deux rapporteurs anonymes. Les articles ne doivent dépasser 20 pages (en Times
new roman 12, interligne simple) ou 50 000 caractères (avec espaces), y compris
tableaux, graphiques, annexes et bibliographie. Ils doivent être accompagnés d’un
titre et d’un résumé de 200 mots au maximum en français et en anglais, l’institution
de rattachement de chaque auteur et son adresse électronique. Un maximum de
quatre mots-clés en français et en anglais et quatre codes de classement selon la
nomenclature du Journal of Economic Literature (J.E.L.) doivent être fournis,
conformément au guide de classification J.E.L. (JEL Classification Codes Guide).
Les références bibliographiques doivent être normalisées comme suit :

- dans le corps du texte :
Dupont et Durand, 1988, p. 43) ;
Dupont et Durand (1988, p. 43) ;
- dans la bibliographie :
Chatriot, A. (2002), La Démocratie sociale à la française. L’expérience du
Conseil National Économique, 1924-1940, Paris, La Découverte, 419 p.
Dupont, J. et P-L. Durand, (1989), « Les barrières à l'entrée », Revue
d'Analyse Economique, vol. 1, n° 3, pp. 27-45.
Martin, F.G. (1997), Differentiation Patterns in Oligopolistic Markets, in :
Summerland, P-L (ed), Recent Trends in Industrial Organization Theory, Oliver
Publishing Cy, London, pp. 225-239.
Les graphiques et figures doivent être en haute résolution, en noir ou en niveaux de

gris, aux formats images .png ou .jpg. Les courbes doivent être suffisamment
épaisses et nettes, en noir ou niveau de gris avec des motifs et légendes bien
différenciés. Toutes les formules mathématiques doivent être écrites dans l’éditeur
d’équation Microsoft Equation 3.0 ou Math type ou l’éditeur d’Equation de Word 7
(et suivants), et numérotées de façon séquentielle.
Les soumissions d’articles doivent être effectuées en envoyant les manuscrits aux
formats Word et PDF par courriel aux adresses : lasecuac@gmail.com et
charlyigue@yahoo.fr
© Les Laboratoires de l’Ecole Doctorale Sciences Economiques et Gestion
LES ANNALES DE SCIENCES ECONOMIQUES DE

L’UAC
Volume 2 Numéro : 2 Décembre 2020
ISSN: 1840-8885
Ecole Doctorale des Sciences Economiques et de Gestion

Université d’Abomey-Calavi
Campus de Gbégamey
01 BP : 1287 – Cotonou (Bénin).
Imprimé par imprimerie Tropicale
View publication stats

ASE VOL2N2 02 AGBOKPANZO Ok

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

ASE VOL2N2 02 AGBOKPANZO Ok

Transféré par

Droits d'auteur :

Formats disponibles

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

Politique ﬁscale dans l’UEMOA : entre coordination et concurrence ﬁscale

Article · June 2023

Agbokpanzo Ahouidji Tanguy Alastaire Sèna Alinsato

SEE PROFILE SEE PROFILE

The user has requested enhancement of the downloaded file.

Volume 2 Numéro 2 Décembre 2020

AGBOKPANZO Tanguy & ALINSATO S. Alastaire : Politique fiscale dans

KADAGALI Komlan : Connectivité maritime et échanges commerciaux

SATOWAKOU Luc M. & LANHA Magloire : Inclusion financière et stress

ALAKONON Calixe & ALINSATO S. Alastaire : Taille optimale de la

Ecole Doctorale des Sciences Economiques et de Gestion

Les Annales de Sciences

© Ecole Doctorale Sciences Economiques et Gestion

17 Politique fiscale dans l’UEMOA : entre coordination et concurrence

45 Connectivité maritime et échanges commerciaux des pays de l’Afrique de

69 Inclusion financière et stress financier des systèmes financiers

83 Taille optimale de la fonction publique des pays de l’UEMOA.

Politique fiscale dans l’UEMOA : entre coordination et

Résumé : Le présent article a pour objectif d’apprécier la nature de la politique fiscale

Tax policy in WAEMU: between coordination and tax

Empiriquement, plusieurs travaux étudient la présence, l’existence ou non de la

En Afrique et en particulier l’UEMOA, la question de la nature de la politique fiscale

Première information, la variation de la norme de la pression fiscale ne dérive pas du

Deuxièmement, le non-respect de ce critère révèle la difficulté des pays de l’UEMOA à

Le présent travail s’attèle à déterminer la nature de la politique fiscale dans l’UEMOA.

La suite du présent article s’articule de manière de la manière suivante. Nous présentons

2. Hétérogénéité des politiques fiscales dans l’UEMOA.

Graphique 1 : Evolution des recettes fiscale et du taux croissance du PIB dans

Taux de croissance du PIB réel taux de croissance des recettes fiscales

3.1. Revue théorique

Deux grands courants de pensées s’affrontent sur la théorie de la concurrence fiscale. Il

2.2. Revue empirique

Plusieurs travaux ont étudié la présence ou non de la coordination fiscale et de la

Nannestad (2018) examine l’existence de la concurrence fiscale stratégique dans les

4. Approche méthodologique et données

4.1 Spécifications du modèle

Dans cette sous-section nous présentons la spécification théorique et empirique du

4.1.1. Spécification théorique du modèle

L’économie est composée de n juridictions indicées 𝑖 = 1, … . . , 𝑁, qui envisagent attirer

𝑓𝑖 (𝐾𝑖 ) avec 𝑓𝑖′ (𝐾𝑖 ) > 0 > 𝑓𝑖′′ (𝐾𝑖 )

∀ 𝑖, 𝑓𝑖′ (𝐾𝑖 ) = 𝜌 + 𝑡𝑖 (1)

Les équations (1) et (2) fournissent un système de 𝑛 + 1 équations permettant de

La résolution de (3) et (4) donne :

Sachant que 𝑓𝑖′′ (𝐾𝑖 ) < 0 on a donc bien 𝑖 ≠ 𝑗 :

𝑐𝑖 = [𝑓𝑖 (𝐾𝑖 ) − 𝐾𝑖 𝑓𝑖′ (𝐾𝑖 )] + 𝜃𝑖 𝜌𝐾 (10)

𝜃𝑖 𝜌𝐾 correspond aux revenus du capital.

Par résolution les conditions du premier ordre nous donne :

La solution de ce problème de maximisation permet de définir à l’équilibre de Nash la

𝑡𝑖 = 𝜏𝑖 (𝑡1 , … , 𝑡𝑖−1 , 𝑡𝑖+1 , … , 𝑇𝐼 , 𝑋𝑖 ) (15)

Chaque juridiction choisit son taux d’imposition de manière stratégique en anticipant

4.1.2. Spécification empirique du modèle de concurrence fiscale

𝑙𝑛𝑡 = 𝜌𝑊 𝑙𝑛𝑡 + 𝛽𝑙𝑛𝑋 + 𝜀 (16)

avec t le vecteur des variables fiscales ; W la matrice d'interactions spatiales normalisée

Aussi, la forme réduite de notre modèle devient :

𝑙𝑛𝑡 = (1 − 𝜌𝑊)−1 𝛽𝑙𝑛𝑋 + (1 − 𝜌𝑊)−1 𝜀 (17)

Tableau 2 : famille de modèle avec interaction spatiale

≠0 0 ≠0 Modèle autorégressif spatial avec

4.1.2.1. Matrice de pondération

Capter la proximité géographique relative au frontière, Il revient à supposer une matrice

𝑓 1 𝑠𝑖 𝑝𝑎𝑦𝑠 𝑝𝑎𝑟𝑡𝑎𝑔𝑒𝑛𝑡 𝑢𝑛𝑒 𝑓𝑟𝑜𝑛𝑡𝑖è𝑟𝑒 𝑐𝑜𝑚𝑚𝑢𝑛𝑒

La production intérieure brute prend en compte la demande, la richesse et le pouvoir

4.1.2.2. Variables, Données et Source