On dit qu’en ce monde rien n’est certain, hormis la mort et les impôts. Pourtant, nous n’avons ni statistiques d’état civil fiables ni informations sûres sur l’impôt pour bien des pays en développement. Alors que l’importance de la fiscalité pour le développement est de plus en plus reconnue, savoir si un pays lève aujourd’hui plus d’impôt qu’hier, ou si le pays A en lève plus que le pays B, est en réalité bien plus difficile qu’on ne l’imagine.
Dans Poor Numbers: How We Are Misled by African Development Statistics and What to Do about It, je soutenais que, pour beaucoup de pays, la qualité des statistiques rendait difficile de dire quoi que ce soit de définitif sur le rythme, et encore moins sur le sens, de l’évolution d’indicateurs essentiels du développement économique et social. J’y voyais un problème de connaissance fondamental, et négligé, des études du développement. La question de la validité et de la fiabilité des chiffres de base rend les comparaisons dans le temps et dans l’espace très difficiles et jette un sérieux doute sur les estimations de tendances par habitant.
Ce problème a été et demeure particulièrement aigu pour les données fiscales. Le nouveau jeu de données lancé par l’ International Centre for Tax and Development cherche à y remédier.
Le problème est plus gouvernable lorsqu’on compare un pays à lui-même. Cela paraît simple : comparer les recettes fiscales de 2010 à celles de 2000. Mais les définitions juridiques de l’impôt ont pu changer, tout comme la manière dont impôts et droits sont prélevés et donc enregistrés, de sorte que les catégories d’imposition directe et indirecte peuvent ne pas être directement comparables dans le temps, ou du moins exiger un travail méticuleux pour que la série soit utilisable. Le problème s’aggrave à mesure que l’on remonte dans le temps.
Ces difficultés s’amplifient lorsqu’on veut comparer les niveaux et les taux d’imposition entre pays. Comme un montant nominal d’impôt total ou direct n’est pas en soi une mesure parlante, on l’exprime généralement en termes constants ou en part du PIB. C’est là que le problème s’insinue.
Nous savons que calculer le niveau du PIB n’est pas une science exacte. L’exemple récent le plus célèbre est la hausse de 89 % du PIB nigérian. Des ajustements plus modestes, de l’ordre de 20 à 30 %, suffiraient à introduire dans toute série un bruit invalidant la comparaison du ratio impôt/PIB d’un pays dans le temps ou entre pays. S’il est possible de lisser les effets ou de corriger les changements de définition dans le temps, les comparaisons spatiales portant sur plus de quelques pays exigeront invariablement un acte de foi assez large de la part de la plupart des utilisateurs, sinon de tous.
La difficulté perçue comme la plus pressante a toutefois été jusqu’ici la disponibilité. Les utilisateurs souhaitent un échantillon mondial couvrant le siècle. Le nouveau jeu de données fait mieux sur ce point. En empruntant à divers ensembles, comme ceux de l’OCDE, et en utilisant les données des rapports de surveillance du FMI, ses concepteurs sont parvenus à combler plus de lacunes que jamais auparavant. De la même manière, ils espèrent avoir éliminé les pires erreurs : en comparant simplement les données de PIB et d’impôt du FMI, de la Banque mondiale et de l’OCDE, on peut espérer qu’ils « retiennent » la meilleure option (dans l’esprit selon lequel le mieux ne doit pas être l’ennemi du bien). Des lacunes subsistent, et pour la plupart des pays on ne remonte pas au-delà des années 1980. Voici ce que je considère comme les grands chantiers à venir.
- Étendre les séries temporelles. Si l’on travaille sur un sous-ensemble de pays et que l’on recourt à des sources qui ne figurent pas encore dans les jeux de données internationaux, mais à des sources primaires telles que les annuaires statistiques et les archives coloniales, on peut aujourd’hui, pour un pays type, télécharger une série remontant à 1980 ou 1990. L’un des problèmes majeurs pour en tirer des enseignements intéressants est que, entre 1990 et 2010, l’économie politique évolue peu, alors que l’on pourrait mobiliser des données des années 1880 aux années 2010. On assiste à un renouveau de l’histoire économique africaine, et l’essentiel du travail accompli consiste précisément en ce patient effort d’exhumation et d’harmonisation de sources historiques inexploitées.
3) 3) Écrire l’histoire de l’impôt. On se concentre, et c’est compréhensible, sur la quantification ; mais mesurer « combien » n’a pas de sens sans une étude attentive de l’évolution des institutions fiscales dans les pays moins développés. Un débat historique majeur, à la portée contemporaine évidente, porte sur la question de savoir si les systèmes fiscaux ont suivi un modèle métropolitain ou s’ils sont endogènes (c’est-à-dire ici : répondant aux conditions locales). Dans une telle analyse, tout tient à la formulation des questions. Trop souvent, les travaux sur la croissance et les institutions recourent à l’« approche par soustraction », où les causes du sous-développement tiendraient au fait que les pays moins développés n’ont pas les caractéristiques des pays développés. On en conclut que le problème du système fiscal tanzanien est qu’il ne ressemble pas au système norvégien. Pour dire quelque chose d’utile sur fiscalité et développement, il faut donc comprendre les contraintes historiques, politiques et géographiques locales, et trouver comment composer avec elles.
Il est curieux que nous disposions à ce jour de jeux de données fiscales aussi faibles, vu leur importance. La raison principale me semble tenir à une tension entre validité et fiabilité. La validité, c’est-à-dire le fait que la mesure, comme un pèse-personne, soit juste ou non. Les principaux producteurs, ici les autorités nationales et les équipes de surveillance du FMI, cherchent uniquement des données aussi justes que possible pour cette année, l’année dernière et une projection pour l’année prochaine, afin de fournir un conseil immédiat. Les données sont collectées pour des besoins opérationnels immédiats : la validité prime. Les besoins analytiques des chercheurs sont différents : ils veulent des données fiables ; peu importe qu’elles soient inexactes, pourvu que l’erreur soit comparable dans le temps et dans l’espace. C’est pourquoi l’harmonisation de ces données est souvent négligée : les bénéfices et les besoins ne sont pas aussi immédiats. Cela ne veut pas dire que ce travail n’est pas important, bien au contraire : comme on l’a dit ici, il faut des données probantes pour éclairer le conseil de politique publique. Les efforts de l’ International Centre for Tax and Development sont louables, mais je soutiens qu’en matière de jeu de données historique sur la fiscalité des pays en développement, avec les métadonnées nécessaires (dont le contexte historique dont ces observations sont tirées), le gros du travail reste devant nous, et non derrière.
Biographie
Morten Jerven est l’auteur de plusieurs ouvrages, dont Poor Numbers: How we are misled by African development statistics and what to do about it, Cornell University Press, 2013 ; Economic Growth and Measurement Reconsidered in Botswana, Kenya, Tanzania, and Zambia, 1965-1995, Oxford University Press, 2014 ; Africa: How Economists Got it Wrong, Zed Books, 2015 ; et Measuring African Development: Past and Present, Routledge, 2015. Morten Jerven est historien de l’économie, docteur de la London School of Economics. Depuis 2009, il travaille à la School for International Studies de Simon Fraser University, à Vancouver, au Canada.
