La mesure de la performance des établissements de

microfinance (EMF) au Cameroun

une application combinée DEA et multicritère au cas du réseau des
Mutuelles Communautaires de Croissance (MC2)
Joseph Nzongang
Dans La Revue des Sciences de Gestion 2011/3 (n°249-250), pages 139 à 146
Éditions Direction et Gestion
ISSN 1160-7742
ISBN 9782916490298
DOI 10.3917/rsg.249.0139
© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)

© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)

Article disponible en ligne à l’adresse

https://www.cairn.info/revue-des-sciences-de-gestion-2011-3-page-139.htm

Découvrir le sommaire de ce numéro, suivre la revue par email, s’abonner...

Flashez ce QR Code pour accéder à la page de ce numéro sur Cairn.info.

Distribution électronique Cairn.info pour Direction et Gestion.

La reproduction ou représentation de cet article, notamment par photocopie, n'est autorisée que dans les limites des conditions générales d'utilisation du site ou, le
cas échéant, des conditions générales de la licence souscrite par votre établissement. Toute autre reproduction ou représentation, en tout ou partie, sous quelque
forme et de quelque manière que ce soit, est interdite sauf accord préalable et écrit de l'éditeur, en dehors des cas prévus par la législation en vigueur en France. Il est
précisé que son stockage dans une base de données est également interdit.
 La Revue des Sciences de Gestion, Direction et Gestion n° 249-250 – Finance 139

La mesure de la performance des établisse-

Ce que fait et propose l’autre finance – III

ments de microfinance (EMF) au Cameroun :
une application combinée DEA et multicritère
au cas du réseau des Mutuelles Communautaires
de Croissance (MC2)
par Joseph Nzongang

L
a microfinance est devenue une industrie mondialisée
(Michel Lelart, 2007)1. Pour autant, elle ne peut prétendre
avoir atteint sa maturité. Son étonnant dynamisme l’amène
à être confrontée à des enjeux déterminants pour sa stabilité et
son développement. Si l’intérêt de la microfinance est aujourd’hui
reconnu, force est de constater qu’il n’existe que peu d’éléments
sur la mesure de ses effets.
La microfinance, définie comme la fourniture des services
financiers à la frange de la population exclue du système finan-
Joseph NZONGANG cier formel, a la particularité de vouloir accomplir une mission
© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)

© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)

Enseignant - Chercheur sociale tout en fonctionnant comme des institutions financières
classiques. La conséquence de ce dualisme est qu’un succès
Faculté des Sciences Économiques et de Gestion, financier a tendance à conduire vers un échec social et vice
Université de Dschang versa. Ceci suscite un débat pour savoir lequel des deux aspects
Cameroun devrait être prioritaire. Cette divergence de vue est accentuée,
notamment, par le fait que les différents intervenants dans le
secteur de la microfinance ont des préoccupations différentes.
Les donateurs s’intéresseront à l’impact social des institutions
qu’ils financent alors que les investisseurs vont se soucier de
la pérennité financière. Cependant, dans les deux cas, des
interrogations demeurent : est-ce que les ressources mises à la
disposition de l’institution de microfinance (IMF) ont été utilisées
de façon adéquate ? Ont-elles été gaspillées ? Auraient-elles pu
permettre de produire le plus grand résultat possible ? Bref,
l’institution a-t-elle été gérée de façon efficiente ?
La recherche de l’efficience devient incontournable dans la
mesure où elle conditionne la pérennité, donne confiance aux
partenaires potentiels de l’institution et permet de bâtir sa
notoriété. Cependant, la question de l’efficience des IMF n’a
retenu que peu d’attention dans la littérature (Hong Son Nghiem,
2004 ; Abdul Qayyum et Mohamed Ahmad, 2006 ; Simon Cornée,

1. Selon le Rapport 2007 du Sommet Mondial du Microcrédit, la microfinance

sert aujourd’hui environ 133 millions de personnes dans le monde.

mai-août 2011
Dossier
 140 La Revue des Sciences de Gestion, Direction et Gestion n° 249-250 – Finance
2006 ; Fadzlan Sufian, 2006 ; Begona Gutiérrez-Nieto et al., 2007 ;
Ben Soltane Bassem, 2008). Tous ces travaux se cantonnent à
mesurer le degré d’efficience des structures étudiées. Pourtant,
la question de l’efficience ne se limite pas aux seuls investis-
seurs et donateurs, elle est également celle des gestionnaires,
Ce que fait et propose l’autre finance – III
opérateurs au jour le jour des IMF. Plus particulièrement, si on
considère le contexte camerounais où la plupart des IMF tend à
se regrouper en réseau2, la question de l’efficience de chaque
institution, relativement aux autres, revêt une grande importance.
Cependant, la seule connaissance du niveau d’efficience d’une
institution ne suffit pas ; le manager a besoin d’un tableau de
bord pour améliorer sa gestion. C’est précisément cette problé-
matique que nous tenterons de résoudre dans le cadre de cette
étude. Notre préoccupation consiste donc à mesurer l’efficience
technique des IMF regroupées en réseau en apportant des
éléments concrets de prise de décisions pour le gestionnaire.
Pour cela, nous allons combiner deux techniques d’aide à la
décision (DEA3 et PROMETHEE-GAIA4) dans ce processus de
prise de décisions.
Pour atteindre notre objectif, ce travail est structuré en trois
parties : la première circonscrit la performance en microfinance
par la méthodologie des frontières d’efficience ; la seconde
présente la conduite de l’étude empirique et la troisième expose
les résultats et les recommandations.
1. L’efficience comme mesure de
la performance en microfinance
La microfinance est caractérisée par un consensus sur son
objectif qui est la lutte contre la pauvreté. Cependant, il existe
© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)
une divergence sur la manière d’aider au mieux les pauvres à
travers l’accès aux services financiers. Deux courants émergent :
l’approche client considère la microfinance comme un moyen
permettant de réduire la pauvreté des plus pauvres et met
l’accent sur l’impact de la microfinance sur le bien-être des
populations visées ; l’approche institutionnaliste considère que
l’unique manière d’atteindre la grande majorité des pauvres est
d’augmenter le mouvement de la microfinance par la massifi-
cation du crédit, la recherche de l’autonomie financière et son
intégration dans le système financier formel. Chaque IMF devrait
viser la durabilité financière en maximisant son efficacité et sa
productivité à travers la mesure de son efficience.
L’efficience est une notion relative qui permet d’apprécier les
performances ainsi que le potentiel de développement d’une
entreprise et de la situer par rapport à ses concurrents. Elle
implique pour une entreprise que les moyens disponibles soient
utilisés au mieux et que les combinaisons productives optimales
soient prises.
2. Au Cameroun, plus de 75 % des IMF sont affiliés à un réseau (Anne Claude
Creusot, 2006).
3. Data Envelopment Analysis.
4. PROMETHEE = Preference Ranking Organization Method for Enrichment
Evaluation ; GAIA = Geometrical Analysis for Interactive Assistance.
mai-août 2011
Dossier
Pour une IMF, l’efficience détermine la manière dont elle alloue ses
ressources dans le but de fournir la meilleure performance.
Les méthodes d’efficience permettent de distinguer l’efficience
allocative de l’efficience technique (Robert J. Kopp et W. Erwin
Diewert 1982 ; Subal C. Kumbhaker, 1988). Les entreprises, alloca-
tivement efficientes, sont celles qui choisissent les combinaisons
de facteurs les moins coûteuses et offrent les combinaisons
de produits les plus rentables. Les entreprises, techniquement
efficientes, sont celles qui parviennent à offrir le maximum de
produits avec le minimum de ressources (Scoth E. Atkinson et
Christopher Cornwell, 1994). L’efficience technique mesure donc
la capacité d’une unité à produire le maximum d’output pour
un certain niveau d’outputs, ou symétriquement, la capacité à
produire un certain niveau d’outputs donné avec le minimum
d’inputs (Tim Coelli, 1996).
Ceci étant, le principe des méthodes d’efficience technique
consiste à comparer les résultats d’une unité productive à ceux
qu’elle obtiendrait si elle adoptait les pratiques des meilleures
qui se localisent sur la frontière d’efficience. Son efficience est
mesurée en calculant la distance qui la sépare de la frontière.
Cette distance est exprimée au moyen d’un score d’efficience.
2. Méthodologie
Elle se fera en trois étapes : d’abord seront présentés les
méthodes DEA et PROMETHEE-GAIA, ensuite l’intérêt sera porté
sur la source des données et enfin la sélection des variables
sera discutée.
2.1. DEA et PROMETHEE-GAIA :
© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)
outils d’estimation de l’efficience
et d’aide à la décision
Deux méthodes sont utilisées pour l’identification des frontières
et le calcul des scores d’efficience (Allen N. Berger et David B.
Humphrey, 1997).
Les méthodes paramétriques spécifient les relations structu-
relles entre les variables à l’aide d’une fonction et recourent à
l’économétrie pour estimer les frontières. Les méthodes non
paramétriques auxquelles appartient la méthode DEA ne posent
pas d’hypothèses a priori sur les caractéristiques des relations et
construisent directement une frontière à partir des observations
grâce à la programmation linéaire.
2.1.1. La méthode DEA
Elle construit une frontière efficiente virtuelle qui enveloppe les
observations, à partir des données de l’échantillon. Ainsi, les
informations situées sur cette frontière correspondent à des
entités efficientes à 100 %. Les entités, dont les observations
sont situées hors de cette frontière, ne sont pas totalement
 La Revue des Sciences de Gestion, Direction et Gestion n° 249-250 – Finance
efficientes et leur inefficience respective peut être mesurée par
l’écart entre la frontière et leur positionnement.
La méthode DEA est adaptée pour l’étude de l’efficience de
différentes unités, particulièrement pour les petits échantillons.
Elle analyse chaque unité séparément et mesure son efficience
par rapport à l’ensemble des unités de l’échantillon. De plus,
son ajustement important aux données disponibles représente
un atout indéniable. Toutefois son principal atout, son caractère
relatif, est également sa principale faiblesse puisqu’il est impos-
sible de tirer des conclusions quant aux valeurs absolues de
l’efficience analysée. De même, il n’est pas facile de connaître
les différentes contributions de chaque variable à l’efficience
car l’on n’estime pas les différents coefficients pour décrire
la fonction caractérisant la frontière d’efficience. L’approche
DEA nécessite des analyses complémentaires pour obtenir
des scores spécifiques par inputs et outputs5. En l’absence de
telles informations, on perd ainsi un certain degré de précision
au niveau de l’étude et donc au niveau des interprétations. C’est
pour contourner cette limite que nous associons la méthode
PROMETHEE-GAIA.
2.1.2. La méthode PROMETHEE-GAIA
PROMETHEE-GAIA est une méthode d’aide à la décision multi-
critère (Jean-Pierre Brans et Bertrand Mareschal, 1994, 2002).
Elle permet de traiter des alternatives multicritère en vue d’un
rangement. Elle s’applique selon un processus qui comprend
4 étapes :
- comparaison de paires d’alternatives à partir des variables afin
de déterminer un indice de préférence agrégé ;
- calcul des flots de surclassement en vue de la création d’un
© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)
ordre sur les mesures ;
- rangement des alternatives à partir des flots de surclassement ;
- visualisation des alternatives et des variables dans un plan
appelé le plan GAIA.
2.1.3. Justification de la combinaison
DEA – PROMETHEE-GAIA
Dans le modèle DEA la sélection des variables ne requiert
pas de spécification préalable de la fonction de production,
la plupart des chercheurs décident alors a priori du modèle à
utiliser (Francisco Pedraja-Chaparro, 1999 ; Carlos Serrano Cinca
et al., 2001). Cependant Carlos Serrano-Cuica et al. (2001,
p. 3), attirent l’attention sur le fait qu’une variable pourrait être
incluse dans le modèle alors qu’elle ne contribue pas au calcul
5. Pour obtenir des scores spécifiques par inputs et outputs, deux approches
sont proposées dans la littérature sur les mesures d’efficience. La première
repose sur des calculs ex post combinant scores d’efficience et variables
d’écart du programme linéaire (Anne Marie Torgersen et al., 1996). La seconde
utilise une mesure d’efficience non radiale dans le sens où un score est obtenu
pour chaque input et chaque output. La mesure totale décrivant l’efficience de
la firme est alors la moyenne de l’ensemble des scores spécifiques calculés
(Rolf Färe et C.A. Knox Lovell, 1978).
mai-août 2011
141
de l’efficience. De même, il est possible qu’une variable absente
dans le modèle soit de grande importance pour l’analyse. Ils
proposent d’analyser toutes les combinaisons possibles et de
calculer ensuite les scores DEA de chaque modèle. Ils suggèrent
alors l’utilisation de l’Analyse en Composantes Principales (ACP)
Ce que fait et propose l’autre finance – III
pour interpréter les scores trouvés (Begona Gutiérrez Niéto et
al., 2005, 2006 ; Simon Cornée, 2006).
Cependant, ces études ont une démarche différente de la nôtre
car les IMF étudiées sont assez hétérogènes d’où l’idée de traiter
toutes les combinaisons possibles de modèles DEA.
Dans notre démarche, la méthodologie DEA se justifie car nous
voulons nous assurer que des IMF qui évoluent en deçà de leurs
potentialités soient reconnues et poussées à l’efficience. Nous
nous attaquons donc à la gestion technique. De plus, nous
étudions un groupe homogène d’IMF appartenant au même
réseau et similaire au niveau institutionnel. En tant que gestion-
naire, nous désirons apporter des éléments concrets de prise
de décision. On ne peut donc pas faire une combinaison des
différents modèles DEA puisque chaque modèle propose ses
propres mesures correctives. On aurait autant de propositions
que de modèles et, bien évidemment, on ne saurait quoi retenir.
La solution est donc de s’arrêter à un seul modèle.
Un des avantages de la combinaison des modèles DEA et
PROMETHEE-GAIA est de permettre de faire des rapprochements
entre les différentes IMF et les variables choisies. On peut donc
savoir quelle IMF est « bonne » ou « mauvaise » sur tel ou tel autre
input (ou output). C’est en voulant garder cet avantage que nous
complétons le modèle DEA par la méthodologie PROMETHEE-
GAIA qui exploite les principes de l’ACP.
2.2. Données et variables sélectionnées
© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)
2.2.1. Sources des données
Lancé en 1992, le mouvement des MC2 vise à doter les collec-
tivités villageoises de microbanques de développement rural,
créées et gérées par ses membres dans le respect des valeurs
socioculturelles. Il s’agit une approche endogène de dévelop-
pement qui permet aux populations défavorisées de créer des
richesses.
Les MC2 sont des institutions de première catégorie6 parrainées
par une banque commerciale, Afriland First Bank qui, en même
temps, joue le rôle de banque de dépôts et fournit l’assis-
tance technique en partenariat avec l’ONG ADAF (Appropriate
Development for Africa Foundation).
Sur la base des données disponibles, nous avons retenu 20
MC2 sur les 65 du réseau ayant au moins 10 années d’exis-
tence. Les données chiffrées proviennent des états financiers
de l’exercice 2006.
6. Le règlement n° 01/02/CEMAC/UMAC/COBAC relatif à l’exercice de l’acti-
vité de microfinance en Afrique Centrale stipule dans son article 7 que les IMF
de première catégorie traitent exclusivement avec leurs membres.
Dossier
 142 La Revue des Sciences de Gestion, Direction et Gestion n° 249-250 – Finance

2.2.2. Sélection des variables MC² Efficience Les MC2 de référence

Bangouu Bng 100.00 %
Le rôle d’une institution financière peut être décrit selon deux Batoufam Bat 87.81 % Bab Muy
modèles : la production et l’intermédiation. Dans le premier cas, Bayangam Bay 100.00 %
l’institution utilise des facteurs (capital, travail) pour procéder à
Ce que fait et propose l’autre finance – III

Doumbouo Dou 100.00 %

des transactions financières (épargne et crédit). Ainsi, le personnel
et les actifs sont considérés comme inputs, les dépôts et les Manjoo Man 82.80 % Bam Bab Dou
emprunts étant considérés comme outputs. Par contre, si l’on Melongggggg Mel 97.94 % Bjn Bam Muy Bté
considère le rôle d’intermédiation, l’institution financière collecte Muyuka Muy 100.00 %
des dépôts et octroie des crédits, les dépôts sont considérés Ngaoundal Nga 78.42 % Bng Muy
comme des inputs et les prêts comme des outputs. Pour conduire 94.31 %
Penka_Michel Pen Bab Dou Bté BMk
notre étude, nous avons retenu trois inputs (total actif, nombre
Batié TPD 62.00 % Bjn Bng Muy Dou
d’employés, charges d’exploitation) et trois outputs (encours de
crédits, produits d’exploitation, nombre d’adhésions des femmes). Il ressort du tableau 1 une proximité des scores d’efficience qui
Le choix des deux premiers inputs a été effectué selon l’approche peut s’expliquer par deux facteurs : d’abord une certaine maîtrise
de production. Les « charges d’exploitation » et les « produits de leur activité à cause de leur ancienneté et ensuite la similitude
d’exploitation » synthétisent l’information sur l’autosuffisance dans leur gestion à cause de leur localisation géographique (14
financière et opérationnelle. L’encours crédits mesure la portée sont de la région de l’Ouest du Cameroun) avec des similitudes
de l’IMF. Par ailleurs, les femmes étant la cible prioritaire des dans les us et coutumes des populations locales.
IMF (Thierry Montalieu, 2002), le nombre de femmes dans les Bien que nécessaire, l’identification de ces MC² n’est pas suffi-
emprunteurs devrait constituer la mesure de la performance sociale sante pour la prise de décision. En effet, en quoi est-ce que la
d’une IMF. Cependant, ne pouvant pas disposer des données sur MC² est inefficiente par rapport aux MC² de référence ?
le nombre d’emprunteurs femmes, nous avons utilisé le nombre L’exploitation de l’information sur les MC² de référence suppose
d’adhésions des femmes, directement accessible dans la mesure que l’on arrive à reconnaître le comportement de chaque MC²
où les MC² sont des IMF de première catégorie. relativement aux différentes variables et à faciliter la prise de
mesures correctives. Cependant, le DEA ne permet pas ce type
d’analyse.
3. Résultats et recommandations Tableau 2 : Excès d’inputs, défauts d’outputs de chaque MC2

Nous allons interpréter les résultats issus du DEA, de la combi- Excès d’inputs Défauts d’outputs
MC2
naison des modèles DEA et PROMETHEE-GAIA et nous ferons Act Em Ch Cr Pro Fem
© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)

© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)

des recommandations sur l’amélioration de l’efficience des MC2. Bab 0 0 0 0 0 0
BMk 0 0 0 0 0 0
Baf 0 1 2 591 923 3 744 268 0 0
3.1. Interprétation des résultats B_r 0 0 0 0 0 0
du modèle de DEA7 Bah 53 908 741 0 0 0 0 0
B_B 0 2 0 0 0 0
Tableau 1 : Efficience et paire de référence des MC2. Source : nos calculs. Bam 0 0 0 0 0 0
Bja 0 0 0 0 0 0
MC² Efficience Les MC2 de référence Bjn 0 0 0 0 0 0
Babouantou Bab 100.00 % Bté 0 0 0 0 0 0
Bafia_Makenene BMk 100.00 % Bng 0 0 0 0 0 0
Bafou Baf 85.83 % Muy Dou Bat 0 3 0 16 617 727 0 1
Bafoussam_Rural B_r 100.00 % Bay 0 0 0 0 0 0
Dou 0 0 0 0 0 0
Baham Bah 93.28 % Bjn Bay Bté B_r
Man 0 1 0 24 117 892 0 0
Bambalang_Bamunka B_B 60.79 % Bjn Bng Muy Dou
Mel 0 0 2 623 586 0 0 0
Bamendjou Bam 100.00 %
Muy 0 0 0 0 0 0
Bandjaa Bja 100.00 % Nga 0 3 2 890 797 0 0 19
Bandjoun Bjn 100.00 % Pen 76 245 493 0 0 975 565 0 0
Bangangté Bté 100.00 % TPD 13 185 386 1 0 0 0 0
Source : nos calculs
Act : actifs Ch : charges Fem : femmes
7. Pour le calcul des scores d’efficience, nous avons utilisé le logiciel
« DEAFrontier » de Joe Zhu.
Cr : crédits Em : employés Pro : produits

mai-août 2011
Dossier
 La Revue des Sciences de Gestion, Direction et Gestion n° 249-250 – Finance 143

Tableau 3 : Buts en termes d’inputs et d’outputs de chaque MC². Source : nos calculs.
optique managériale des IMF. La combinaison des
Buts en termes d’inputs Buts en termes d’outputs approches DEA et PROMETHEE-GAIA permet de
MC2 caractériser les relations existant entre les MC2 et
Act Em Ch Cr Pro Fem
Bab 375 502 748 5 20 200 287 133 464 101 34 455 607 333 les différentes variables.
BMk 1 071 805 827 8 77 096 702 356 571 255 80 284 044 869

Ce que fait et propose l’autre finance – III

Baf
B_r
117 390 471
457 158 397
3
6
10 423 811
32 415 904
47 483 443
170 369 043
8 604 928
42 233 800
295
543
3.2. Combinaison des approches
Bah 635 248 630 6 39 892 770 184 317 763 44 901 834 617 DEA et PROMETHEE-
B_B
Bam
38 006 503
349 085 862
1
5
4 064 586
29 197 031
21 533 690
138 583 833
2 322 565
33 025 642
65
467
GAIA
Bja 259 717 413 5 15 099 086 105 878 847 15 004 364 319
Bjn 600 347 781 6 38 692 016 290 395 356 45 123 366 571 Pour la contribution de PROMETHEE-GAIA dans
Bté 795 791 217 5 53 871 251 142 538 493 63 318 936 664 l’analyse, chaque MC2 sera considérée comme une
Bng 105 977 137 4 12 981 132 64 942 423 5 504 700 209 action et les différents inputs et outputs du modèle
Bat 145 677 594 2 8 460 042 53 459 124 13 597 319 127 DEA comme des critères de décision.
Bay 443 629 053 5 23 634 979 132 493 808 22 864 692 520 L’élément manquant dans l’analyse DEA est la
Dou 272 508 929 7 24 229 070 109 147 135 19 180 835 728
relation qui existe entre les différentes MC² et les
Man 162 837 309 3 12 950 687 63 547 199 14 777 842 235
variables du modèle DEA. Cette information peut être
Mel 688 230 016 7 47 185 232 278 229 980 54 974 556 662
obtenue en analysant le plan GAIA correspondant.
Muy 511 028 672 8 44 753 666 228 199 671 53 265 644 425
Nga 56 383 497 2 6 112 931 30 773 402 4 117 056 66 3.2.1. Résultats de l’approche
Pen 336 993 985 6 22 902 824 117 597 415 27 856 699 509
TPD 68 315 719 4 11 729 846 70 172 568 10 321 838 252
PROMETHEE-GAIA8
Les liens existant entre actions et variables sont
Le tableau 2 illustre pour chaque MC2 les possibilités de réduction synthétisés dans le plan GAIA.
existantes sur certains inputs ou d’augmentation éventuelles de Cette figure présente les différentes MC² (triangles) ainsi que les
certains outputs. Dans le cas des inputs, des ressources de la différentes variables (carrés) ; l’axe de décision PROMETHEE est
MC² ne sont pas exploitées dans le but d’augmenter le volume donné par le vecteur « pi » se terminant par un cercle. Elle permet
des outputs. Pour les outputs, il s’agit de la valeur de ce qui de distinguer quatre groupes de MC². Les MC² se trouvant au sein
aurait pu être « produit » compte tenu des ressources disponibles. de chaque groupe sont similaires et les groupes 1 et 3 sont très
© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)

© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)

À titre d’illustration, la MC2 de Bafou a un score d’efficience de opposés dans leurs comportements. Le groupe 2 se présente
85,83 %. Par rapport à ses MC2 de référence, elle peut produire comme la médiane entre les deux extrêmes. Remarquons que
le même niveau d’outputs en réduisant sa consommation d’inputs les MC2 de Muyuka et de Doumbouo s’isolent des groupes 1 et
de 14,17 %. Toutefois, en sus de la réduction proportionnelle de 2 et peuvent être regroupées dans un large groupe (groupe 4)
tous ses inputs, il est encore possible de réduire certains d’entre comprenant les ellipses 1 et 2 et s’opposant au groupe 3.
eux. Ainsi, les charges peuvent être encore réduites de 2 591 923
FCFA. De même le nombre d’employés peut encore être diminué
d’une unité. À l’origine, Bafou comprenait 5 employés. Après la
correction par le score d’efficience, le nombre d’employés peut
diminuer d’une personne. Après la prise en compte des informa-
tions fournies par le modèle relatives aux excès d’inputs restant
pour chaque firme, il subsiste un employé de trop. D’où le nombre
optimal d’employés ramené à 3. Concernant les outputs, cette
MC2 dispose d’un encours de crédits inférieur de 3 744 268 FCFA
à ce qu’elle pourrait gérer avec les moyens dont elle dispose.
Ainsi, grâce à l’information relative aux scores d’efficience et
aux différents excès d’inputs et défauts d’outputs, le manager Figure 1 : Typologie des MC² dans le plan GAIA
du réseau a une idée de la gestion de chaque MC2.
Le tableau 3 donne les valeurs cibles à atteindre par chaque IMF L’interprétation des critères se base sur la mesure de l’angle fait
pour être efficiente. Ces valeurs peuvent être exploitées par le par les vecteurs qui les représentent. On trouve, d’une part, un
manager pour la construction d’un tableau de bord de gestion.
Si le DEA fournit des éléments permettant d’identifier les MC2
8. Pour les calculs de la méthode PROMETHEE, nous avons utilisé le logiciel
efficientes et inefficientes, il se révèle insuffisant dans une Decision Lab.

mai-août 2011
Dossier
 144 La Revue des Sciences de Gestion, Direction et Gestion n° 249-250 – Finance

angle presque droit entre le critère femme et les deux autres MC2 Scores DEA Benchmarks
critères ce qui signifie que ces critères sont indépendants. Par Bandjoun 77.52 % Dou Muy
exemple, le fait qu’une MC² engrange d’importants produits Bafia-makénéné 75.14 % Dou Muy
d’exploitation ne traduit pas de lien avec le nombre d’adhé- Bangou 73.82 % Dou Muy
sions des femmes. D’autre part, un angle de presque 180 Penka-michel 71.06 % Dou Muy
Ce que fait et propose l’autre finance – III

degrés entre les critères produits et actifs signifie la présence Bandja 67.24 % Dou Muy
de critères conflictuels. Le positionnement des actifs et des Baham 63.70 % Dou Muy
produits d’exploitation signifie que si une MC² est « bonne » sur Ngaoundal 62.03 % Dou Muy
un des deux critères, alors elle serait « mauvaise » sur l’autre. Bayangam 61.16 % Dou Muy
Une MC2 serait « bonne » sur ces deux critères à la fois si elle Batié 47.13 % Dou Muy
pouvait simultanément minimiser ses actifs tout en augmentant Bambalang-bamunka 47.08 % Dou Muy
ses produits d’exploitation.
Le groupe 3 étant voisin du critère « actifs » à minimiser, il Les MC² de référence sont efficientes dans la gestion de leurs
rassemble les MC² qui disposent de modestes actifs ; il s’oppose actifs et dans la participation des femmes. Ici, il convient de
au groupe 4. Prenons le cas des deux extrêmes Bafia_Makénéné remettre en cause le choix du nombre d’adhésions des femmes,
et Bambalang_Bamunka, le premier dispose des actifs de plus comme output mesurant la participation féminine. Il n’est pas
d’un milliard alors que le second n’atteint pas 63 millions FCFA. intéressant sur le plan du management du réseau, car il s’agit
Le groupe 4 représente des institutions qui ont des actifs impor- d’un critère indépendant des autres. Il en serait autrement
tants. La plupart de ces MC² ont des performances moyennes si on utilisait le nombre d’emprunteurs femmes, nombre qui
dans la maximisation des produits d’exploitation et du nombre augmenterait si la MC² disposait d’actifs plus importants. Au
d’adhésions des femmes. Dans ce groupe, on retrouve des MC² niveau de la gestion, on mettrait alors en place des mesures
qui ont des actifs plus élevés (groupe 1) et d’autres ayant des conduisant à une croissance des actifs qui induira une meilleure
actifs de taille moyenne (groupe 2). Cependant, deux MC² se participation des femmes. Il serait important d’enregistrer le
démarquent, Muyuka plus tournée vers des objectifs financiers nombre d’emprunteurs femmes dans le cas des MC² pour pouvoir
et Doumbouo orientée vers des objectifs sociaux. La configura- procéder à une telle analyse.
tion des critères révèle que ces deux objectifs ne s’excluent pas Le tableau 4 donne les caractéristiques communes du reste des
mutuellement. Cela signifie que le positionnement de ces IMF ne MC² : toutes gèrent mal leurs ressources par rapport aux MC²
résulte pas forcément d’une décision de leurs dirigeants, mais de référence. Mais, bien que toutes soient inefficientes, elles
plus, d’un état de fait. Par conséquent, la connaissance de cette ne se ressemblent pas dans leur comportement. C’est le plan
situation peut pousser les managers du réseau à encourager GAIA qui clarifie la situation. Il permet d’identifier les tendances
leurs dirigeants dans la prise en compte de l’aspect négligé. La générales suivantes :
© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)

© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)

particularité de ces MC² ne s’arrête pas là, on la retrouve dans - la majorité des institutions les moins mauvaises (score autour
les scores d’efficience du modèle DEA. des 90 %) se localise dans le groupe 2 ;
- le groupe 1 est constitué par des institutions dont l'efficience
oscille entre 75 et 80 %. Bafoussam rural et Baham constituent
3.2.2. Interprétation combinée DEA-GAIA des exceptions ;
Le tableau 4 présente les scores DEA en ne conservant comme - le groupe 3 est le moins uniforme ; on y retrouve de bons scores
MC2 de référence que Doumbouo et Muyuka. Les résultats sont comme Bafou et Manjo, mais aussi des plus mauvais comme
présentés par ordre décroissant. Batié et Bambalang-Bamunka.
Tableau 4 : Scores et benchmarks des MC²du modèle DEA réduit. Source : En nous basant sur l'importance des actifs des institutions de
nos calculs. chaque groupe, nous pouvons faire les estimations suivantes :
- les institutions dont les actifs sont compris entre 200 et
MC2 Scores DEA Benchmarks 400 millions FCFA (groupe 2) ont les degrés d'efficience les
Doumbouo 100.00 % - - plus élevés (90 %) ;
Muyuka 100.00 % - - lorsque la valeur des actifs dépasse 400 millions (groupe 3),
Bamendjou 99.48 % Dou Muy les degrés d'efficience restent élevés mais chutent dans la
Bafoussam-rural 95.57 % Dou Muy zone des 75-80 % ;
Babouantou 90.41 % Dou Muy - en dessous d'une valeur des actifs de 200 millions (groupe
Bafou 85.83 % Dou Muy 1), les degrés d'efficience sont imprévisibles pouvant passer
Manjo 81.26 % Dou Muy de 40 % au double.
Batoufam 80.35 % Dou Muy Ces intervalles font penser que l'efficience d'une MC² est fonction
Melong 79.95 % Dou Muy de la valeur de ses actifs. Il semble qu'une MC² est "mature" en
Bangangté 79.41 % Dou Muy termes de gestion de ses ressources lorsqu'elle dépasse le cap
des 200 millions de FCFA. En dessous de ce seuil, elle balbutie

mai-août 2011
Dossier
 La Revue des Sciences de Gestion, Direction et Gestion n° 249-250 – Finance
et peut se retrouver dans tous les seuils d'efficience. Cependant,
lorsque ses actifs sont supérieurs à 400 millions FCFA, son
efficience décline, probablement à cause des ressources impor-
tantes qui deviennent difficiles à gérer.
Le plan GAIA nous a ainsi permis d'approfondir la compréhension
des scores d'efficience. La combinaison de DEA et GAIA suscite
quelques réflexions.
3.3. Recommandations pour l’optimisation
de la gestion du réseau MC2
Les scores d’efficience relative nous ont permis de procéder à
un classement des IMF selon leur degré d’efficience. La première
recommandation est de procéder à ce classement de façon
régulière. L’évolution des scores chaque année donnerait une
idée des progrès enregistrés par chaque IMF et globalement
par le réseau.
Dans le contexte camerounais, où il existe une grande diver-
sité culturelle, il est intéressant pour le manager du réseau de
procéder à une analyse selon les régions. Par exemple, parmi
les MC² traitées, celle de Ngaoundal est la seule de la région
musulmane du Cameroun et c’est la seule où le défaut d’outputs
“femmes” est important. À ce niveau, il s’avère que les facteurs
d’inefficience dépassent le cadre managérial pour intégrer le
contexte socioculturel de la MC².
S’agissant des groupes de référence, nous suggérons une
double approche pour exploiter l’information des benchmarks. La
première approche consisterait à ne faire intervenir que la MC²
non efficiente et les responsables de l’ADAF. Ces derniers auraient
pour tâche d’identifier les éléments devant servir d’exemple de
© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)
la part de la MC² benchmark et d’œuvrer en collaboration avec
les dirigeants de la MC² non efficiente pour l’application des
méthodes de gestion plus efficiente.
La seconde approche impliquerait les MC² efficientes et non
efficientes ainsi que l’ADAF dans des séminaires d’échange au
cours desquels les différentes MC² apprendraient des autres.
Les valeurs cibles, qui appliquées conduiraient à l’efficience de
la MC², sont un des avantages du DEA. Pour les exploiter, nous
suggérons qu’elles servent d’objectif pour le fonctionnement des
MC². Il est judicieux de ne pas se limiter aux résultats fournis
par le DEA ; il faut exploiter au maximum le plan GAIA. En effet,
il est indispensable de comprendre le score d’une MC². Ne pas
comprendre les résultats du DEA conduit à des hésitations et
des tâtonnements qu’un manager ne peut se permettre. Ceci est
encore plus délicat si l’on doit piloter tout un réseau.
Conclusion
Cette étude s’est intéressée à une double problématique :
d’abord mesurer l’efficience des IMF du réseau MC² en utilisant
la méthode DEA et, ensuite, combiner deux techniques d’aide
à la décision (DEA et GAIA) pour éclairer le manager du réseau
dans sa prise de décisions relatives à l’efficience. La question
de la bonne gestion des ressources au sein du réseau a donc
été notre principal centre d’intérêt.
mai-août 2011
145
Afin d’apprécier la pérennité de chacune de ces MC², le DEA a
été mis à contribution afin d’évaluer leur efficience. C’est ainsi
que le traitement des données financières et non financières
a permis d’obtenir les scores d’efficience des différentes MC².
Il ressort que les scores d’efficience sont assez proches. Ces
Ce que fait et propose l’autre finance – III
scores d’efficience estimés constituent une mesure synthétique
de la performance relative des MC². Ils mesurent l’efficacité
organisationnelle, c’est-à-dire la capacité de la MC² à limiter
les gaspillages, l’efficacité économique, c’est-à-dire la part de
marché ainsi que l’impact social.
Toutefois, l’information fournie par l’approche DEA se limite à
l’identification des MC² efficientes et non efficientes ainsi qu’aux
valeurs cibles et aux défauts. L’approche GAIA a rendu possible la
compréhension du comportement de chaque IMF par rapport aux
différents inputs et outputs du modèle DEA et permet d’orienter
le manager du réseau dans la prise des décisions de gestion.
Il ressort de cette étude que les MC² ont tout intérêt à « se
conformer » aux exigences de l’environnement socioculturel.
Celles qui parviennent à s’adapter à ce dernier obtiennent les
meilleurs résultats.
Bibliographie
Atkinson E. Scoth, Cornwell Christopher, “Estimation of output and input
Technical efficiency using a flexible functional form and panel data”.
International Economy Review, n° 35, 1994, p. 245-255.
Bassem Ben Soltane, “Efficiency of Microfinance Institutions : in the
Mediterranean : An Application of DEA”. Transition Studies Review,
volume xv, n° 2, 2008, p. 343-354.
Berger Allen N., Humphrey David B., « Efficiency of financial institutions :
© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)
international survey and directions for future research ». European
Journal of Operational Research, volume 98, n° 2, 1997, p. 175-212.
Brans Jean-Pierre, Mareschal Bertrand, “How to differentiate hard
from soft multicriterial problems”. Accepted for publication in Discrete
Mathematics 1994.
Brans Jean-Pierre, Mareschal Bertrand, Prométhée-GAIA : une métho-
dologie d’aide à la décision en présence de critères multiples. Editions
de l’Université de Bruxelles, Éditions Ellipses, Paris, 2002, 192 p.
Coelli Tim, A guide to DEAP Version 2.1 : a data envelopment analysis
(computer) program. Centre for efficiency and productivity analysis,
University of New England, Australia, 1996, 49 p.
Cornée Simon, Microfinance : Entre marché et solidarité. Analyse de la
convergence entre performances financières et performances sociales :
application de la méthode Data Envelopment Analysis sur 18 institu-
tions de microfinance péruviennes. Mémoire de Master en Sciences de
Gestion, IGR-IAE, Université de Rennes 1, 2006, 101 p.
Creusot Anne Claude, « L’état des lieux de la microfinance au Cameroun ».
BIM, n° 09 mai, 2006, 5 p.
Färe Rolf, Lovell C.A. Knox, “Measuring the technical efficiency of produc-
tion”. Journal of Economic Theory, volume xix, n° 1, 1978, p. 150-162.
Gutiérrez-Nieto Begona, Serrano Cinca Carlos, Mar Molinero Cecilio,
“Microfinance institutions and efficiency”. The International Journal of
Management Science, volume 35, n° 2, 2007, p. 131-142.
Dossier
 146 La Revue des Sciences de Gestion, Direction et Gestion n° 249-250 – Finance

Kopp Robert J., Diewert W. Erwin, “The decomposition of frontier cost
deviation into measure of technical and allocative efficiency”. Journal
of Econometrics, n° 9, 1982, p. 319-322.
Kumbhaker Subal C., « Estimation of input specific technical and allocative
inefficiency in stochastic frontier models », Oxford Economics Papers,
Ce que fait et propose l’autre finance – III
Pedraja-Chaparro Francisco, Salinas-Jimenez Javier, Smith Peter C., “On
the quality of the DEA model”. The Journal of the Operational Research
Society, volume 50, n° 6, 1999, p. 636-644.
Qayyum Abdul, Ahmad Mohamed, Efficiency and sustainability of micro-
finance institutions in South Asia. Pakistan Institute of Development

n° 40, 1988, p. 535-549. Economics (PIDE), 2006, 37 p.

Lelart Michel, “Mondialisation et microfinance”. Article présenté au
Colloque Mondialisation et Développement, Université d’Annaba (Algérie),
septembre, 2007.
Mayoukou Célestin, « Vers l’internationalisation de l’intermédiation
microfinancière : l’émergence d’un marché international de refinance-
ment des IMF », Gestion 2000, sept-oct 2008, p. 21- 36.
Montalieu Thierry, « Les institutions de micro-crédit : entre promesses
et doutes. Quelles pratiques bancaires pour quels effets ? « Monde en
développement, 2002, tome xxx, p. 119-121.
Nghiem Hong Son, Efficiency and effectiveness of micro-finance in
Vietnam : evidence from NGOschemes in the North and Central regions.
CEPA, School of Economics, UQ, 2004, 20 p.
Serrano Cinca Carlos, Mar Molinero Cecilio, Selecting DEA specifica-
tions and ranking units via PCA. Discussion Papers in Management, n°
M01-3, University of Southampton, 2001, 23 p.
Sufian Fadzlan, “The efficiency of non-bank financial institutions :
empirical evidence from Malaysia”. International Research Journal of
Finance and Economics, n° 6, 2006, p. 49-65.
Torgersen Anne Marie, Forsund Fin R., Kittelsen Sverre Andréa Campbell,
« Slack-adjusted efficiency measures and ranking of efficient units”.
Journal of Productivity Analysis, volume vii, n° 4, 1996, p. 379-398.
Zhu Joe, « Multi- factor performance measure model with an application
to Fortune 500 companies ». European Journal of Operational Research,
Vol. 123, Issue 1, (2000), p. 105-124.

Annexe
Données relatives à chaque MC ²de l’échantillon.

Inputs Outputs
MC2
Actifs Emp Charges Crédits Produits Fem
Bab 375 502 748 5 20 200 287 133 464 101 34 455 607 333
BMk 1 071 805 827 8 77 096 702 356 571 255 80 284 044 869
Baf 136 774 713 5 15 164 973 43 739 175 8 604 928 295
B_r 457 158 397 6 32 415 904 170 369 043 42 233 800 543
© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)

© Direction et Gestion | Téléchargé le 06/03/2023 sur www.cairn.info (IP: 197.159.12.202)

Bah 738 843 766 6 42 768 932 184 317 763 44 901 834 617
B_B 62 519 267 5 6 686 091 21 533 690 2 322 565 65
Bam 349 985 862 5 29 197 031 138 583 833 33 025 642 467
Bja 259 717 413 5 15 099 086 105 878 847 15 004 364 319
Bjn 600 347 781 6 38 692 016 290 395 356 45 123 366 571
Bté 795 791 217 5 53 871 251 142 538 493 63 318 936 664
Bng 105 977 137 4 12 981 132 64 942 423 5 504 700 209
Bat 165 903 426 6 9 634 632 36 841 397 13 597 319 127
Bay 443 629 053 5 23 634 979 132 493 808 22 864 692 520
Dou 272 508 929 7 24 229 070 109 147 135 19 180 835 728
Man 196 660 112 4 15 640 663 39 429 307 14 777 842 235
Mel 702 699 016 7 50 855 974 278 229 980 54 974 556 662
Muy 511 028 672 8 44 753 666 228 199 671 53 265 644 425
Nga 71 901 702 6 11 481 788 30 773 402 4 117 056 66
Pen 438 172 022 6 24 284 652 116 621 850 27 856 699 509
TPD 200 169 585 5 11 729 846 70 172 568 5 504 700 252
Source : ADAF (2006).

mai-août 2011
Dossier