Memoire Online - Gestion de l'asymétrie d'information et réduction du risque de crédit dans les institutions de microfinance camerounaises. Cas d'Afib S.A.

Il ressort de l'analyse avec le modèle Logit au seuil de 5% (*) que les variables indépendantes suivantes : l'ancienneté dans la relation, l'historique de compte, l'exclusivité de financement sont significatives pour expliquer le risque de crédit à AFIB.

Gestion de l'asymétrie d'information et réduction du risque de crédit les institutions de
microfinance camerounaises : cas d'AFIB S.A

Variable	Coefficient	Std. Error z-Statistic	Prob.
FJ	-0.300539	0.383804 -0.783054	0.4336
SA	-0.186985	0.355986 -0.525259	0.5994
AC	0.681295	0.332665 2.047993	0.0406
CO	-0.258671	0.337478 -0.766483	0.4434
COM	-0.299072	0.346357 -0.863480	0.3879
EF	0.758683	0.338722 2.239840	0.0251
HC	0.788447	0.361695 2.179864	0.0293
TE	0.345458	0.333181 1.036849	0.2998
AE	0.147673	0.357581 0.412979	0.6796
LF	-0.404243	0.356524 -1.133846	0.2569
LR	-0.190335	0.349479 -0.544624	0.5860
GR	0.196306	0.362047 0.542210	0.5877
AUTO	-0.009101	0.379578 -0.023975	0.9809
Meandependent var	0.580000	S.D. dependent var	0.496045
S.E. of regression	0.486829	Akaike info criterion	1.468964
Sumsquaredresid	20.61924	Schwarz criterion	1.807637
Log likelihood	-60.44822	Hannan-Quinn criter.	1.606031
Avg. log likelihood	-0.604482
ObswithDep=0	42	Total obs	100
ObswithDep=1	58

La variablehistorique de compte est significative pour expliquer le risque de crédit, c'est un facteur déterminant du risque de non remboursement. Il permet de mieux prédire ou expliquer la probabilité du risque de crédit chez un client. Le signe positif du coefficient attaché à la variable historique de compte est contraire au signe attendu. Le calcul de probabilité nous montre un résultat, avec une probabilité élevée d'impayés au seuil 5% traduit une augmentation du risque de défaut de 2,93 % Dans notre cas.Comme nous l'avons dit plus haut, l'historique de compte permet au chargé d'affaire de contrôler les mouvements des les comptes du client. De même, il permet au prêteur de déterminer la capacité de remboursement, l'historique du compte des clients constitue une niche d'informations très riche pour le prêteur dans son travail de prédiction et d'explication du risque d'un client. Pareillement, elle fournie des informations sur les défauts de paiements et la capacité d'épargne du client, il est significatif dans la prédiction du risque de crédit dans les institutions financières. De ce fait, il permet à l'IMF d'expliquer la situation financière des

Gestion de l'asymétrie d'information et réduction du risque de crédit les institutions de
microfinance camerounaises : cas d'AFIB S.A

clients afin de prédire un éventuel défaut de crédit. Dans l'hypothèse où le compte chèque d'un client revient parfois impayé traduit le risque de crédit sur ce dernier.

La significativité de la variable exclusivité de financement implique que cette variable, est un facteur déterminant du risque de non remboursement dans le cadre de notre étude. Or, le signe positif du coefficient attaché à la variable exclusivité de financement est contraire au signe prévu. Le calcul de probabilité nous indique qu'une augmentation de l'exclusivité de financement d'une firme au seuil de 5 %, traduit une augmentation du risque de non remboursement ou de défaut de 2,51 %. Cette variable a un effet sur la probabilité de défaut d'un client. Accorder le crédit à une firme comme institution de financement principale a un impact sur le risque de crédit d'un client. Nous prenons l'exemple dans le contexte où le crédit dont a bénéficié le client ne soit pas adapté à la réalité de son activité. Nous avons précisé plus haut qu'elle est une variable déterminante dans la prédiction du risque de crédit. Quand une institution demeure la seule source de financement externe d'un client, elle a la possibilité de collecter les informations sensibles sur ce dernier. Par conséquent, évaluer la capacité de remboursement de son client.

La variable ancienneté est significative pour prédire le risque de crédit. L'ancienneté de la relation entre l'institution et ses clients semble l'un des principaux déterminants du risque de crédit dans notre étude. Or, le signe positif est différent à celui prévu. La probabilité de défaut est très importante pour une ancienne relation entre l'institution qu'une nouvelle. Lorsque la relation va au-delà d'une certaine durée quatre ans environ, la probabilité du risque de crédit au seuil de 5 % est de 4,06%.

Ce résultat montre l'engagement de l'institution envers ses anciens clients, même en cas des difficultés financières ils continuent à bénéficier du financement. Bien que, jouissant d'un avantage informationnel, l'institution se comporte de façon laxiste envers ses anciens clients.Le résultat suivant semble à la lumière de ces éléments confirmer indirectement l'hypothèse de la capture informationnelle. Bien plus, les rentes informationnelles procurent à la microfinance un certain pouvoir de marché futur, elle est prêteà financer ses anciens clients même s'ils sont en difficultés financières (risqués), dans la mesure où elle peut compenser ses pertes en exigeant des taux d'intérêt élevés ou même le niveau de garantie élevé.L'intensification de la relation accroît le pouvoir monopolistique de la microfinance et

Gestion de l'asymétrie d'information et réduction du risque de crédit les institutions de
microfinance camerounaises : cas d'AFIB S.A

son engagement envers ces anciens clients. En définitive, quelque soit l'argument théorique, nous constatons que l'engagement de la microfinance envers ses anciens clients implique le soutien ces derniers même en cas de difficultés. Par conséquent, augmente le risque de crédit.

Globalement, la méthode de régression logistique permet d'expliquer au moins 58 % du risque de crédit dans cette structure.

Bien, le taux d'impayés pour le compte de deux ans à AFIB s'élevait à 65% sur l'ensemble de crédits accordés à la clientèle (TPE et PME). Soit 28,2% du taux d'impayés pour le compte de l'année 2013 et 36,8 %du taux d'impayés pour le compte de l'année 2014. On constate que le taux d'impayés sur deux ans est élevé. Par contre,il ressort des résultats de notre étude qu'on aurait dû réduire ou expliquer globalement le risque de crédit à hauteur de 58 % au cours de ces deux années.Nous constatons que la régression logistique peut aider AFIB à réduire le risque d'impayés, et que les 7 % d'impayés restants seront réduits progressivement. Aussi, on peut se sévir individuellement des variables significatives comme nous démontre les résultats des modèles Probit et Logit pour réduire le risque de crédit.

Gestion de l'asymétrie d'information et réduction du risque de crédit dans les institutions de microfinance camerounaises. Cas d'Afib S.A.

2) Présentation du résultat du modèle LOGIT