WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Impact des Technologies de l'Information et de la Communication (TIC) sur le tissu productif des biens et services au Maroc

( Télécharger le fichier original )
par Ghynel NGASSI NGAKEGNI
INSEA Rabat - Ingenieur d'Etat en Statistique et Economie (Majeur: Statistique) 2010
  

Disponible en mode multipage

On change le modèle

Stationnariser la série

En estimer les paramètres

Le modèle est-il valable

Prévisions

Identifier un modèle

PREVISION

-----------------------------------------------------------

Prévision

Décide

Origine de la prévision

Pas de la prévision (avance)

Limites de probabilité

---------------------------------------------------------

GENERER LES PREVISIONS

--- exige un jugement

Exige un calcul numérique

ACF : fonction d'autocorrélation

PACF : fonction d'autocorrélation partielle

Adéquate

Inadéquate

ACF et PACF des séries différenciées et de base

D(NB_100_HAB) = - 0.002604703503 * ( NB_100_HAB(-1) + 8.184148154 * TX_CH(-1) + 52.54643062 * TX_INSC_ET(-1) - 611.3253656 ) - 0.0001135446481 * ( PIB__HAB(-1) + 20606.89428 * TX_CH(-1) + 127395.8845 * TX_INSC_ET(-1) - 1489306.018 ) - 0.04385808571 * ( DEP_EDUC(-1) - 0.3193478238 * TX_CH(-1) - 2.081327994 * TX_INSC_ET(-1) + 17.53425252 ) + 0.0001658189893 * ( TAILLE_POP_URB(-1) + 14335.72309 * TX_CH(-1) + 90046.33564 * TX_INSC_ET(-1) - 1056816.298 ) + 0.3832472227 * D(NB_100_HAB(-1)) + 5.0709465e-005 * D(PIB__HAB(-1)) - 1.064285821 * D(DEP_EDUC(-1)) - 0.0001372465327 * D(TAILLE_POP_URB(-1)) - 0.03092875412 * D(TX_CH(-1)) - 0.6224544642 * D(TX_INSC_ET(-1)

D(NB_100_HAB)= a1*CE1 + a2*CE2 + a3*CE3 + a4*CE4 + 0.383247* D(NB_100_HAB(-1)) +5.07E-05* D(PIB__HAB(-1)) -1.064286* D(DEP_EDUC(-1)) -0.000137* D(TAILLE_POP_URB(-1)) -0.030929* D(TX_CH(-1)) -0.622454* D(TX_INSC_ET(-1))

NLT_100_Habt=f (Tx_Ch, Taille_Pop_Urb, Dép_Educ, PIB_Hab, Tx_Insc_ET,NLT_100_Habt-1 ) (*)

Contribution du progrès technique (non contenu dans la contribution TIC)

Contribution du facteur travail

Contribution du capital hors TIC

Contribution du capital TIC

Taux de croissance de la production

Log (Yt) = Log (At) + a1 Log (KTICt) + a2 Log ( KHTICt) + â Log ( Lt ) 

Impact des Technologies de l'Information et de la Communication (TIC) sur le tissu productif des biens et services au Maroc

ROYAUME DU MAROC

*-*-*-*-*-*-*-*

HAUT COMMISSARIAT AU PLAN

*-*-*-*-*-*-*-*-*-*-*-*-*-*

INSTITUT NATIONAL

DE STATISTIQUE ET D'ECONOMIE APPLIQUEE

Projet de Fin d'Etudes

*****

Préparé par : M. NGASSI-NGAKEGNI Ghynel

M. SAKANDE Souleymane

Sous la direction de : M. Abdessalam FAZOUANE (INSEA)

M. Abdallah BERRADA (EDESA)

Soutenu publiquement comme exigence partielle en vue de l'obtention du

Diplôme d'Ingénieur d'Etat

Option : Statistique

Devant le jury composé de :

· M .Abdessalam FAZOUANE (INSEA)

· M .Faissal GUEDIRA (INSEA)

· M. Abdallah BERRADA (EDESA)

Juin 2010.

RESUME

Dans de nombreux débats et analyses, les technologies de l'information et de la communication (TIC) sont présentées comme un vecteur de plus en plus important de la croissance économique. Le cas de l'économie américaine, où la croissance soutenue des années récentes coïncide avec une diffusion accélérée des TIC, est souvent donné comme l'exemple premier.

Ces technologies de l'information et de la communication (TIC) sont à l'origine de grandes innovations dans tous les secteurs d'activité à travers le monde entier.

« Les changements spectaculaires intervenus quant à l'importance et la portée des moyens techniques d'information ont été le fait marquant des années 90 et continuent de l'être » (Isaacs, 2 Broekman & Mogale, 2005 : 1).

De ce fait les TIC marquent un impact considérable dans tous les secteurs au niveau mondial en général et du Maroc en particulier.

En effet, vu l'embellie qu'a connue le Maroc et la place prépondérante qu'il occupe toujours dans le secteur des TIC1(*), ce dernier pourrait contribuer largement à l'amélioration de certains indicateurs du pays, en l'occurrence l'Indice du développement humain(IDH).Dans cette perspective, l'intégration d'un nouvel indicateur sur les TIC aux trois autres indicateurs2(*) de l'IDH pourrait hisser le rang du Maroc dans le classement du PNUD.

C'est dans cette optique que le présent travail a pour objet de mettre en évidence l'impact et l'importance du secteur des TIC dans le développement économique et social du pays.

Ainsi avons-nous d'une part construit un premier modèle économétrique qui a permis l'évaluation de l'impact du secteur des TIC sur la croissance économique au Maroc et d'autre part un deuxième modèle économétrique qui a mis en évidence les variables socio-économiques et démographiques ayant une influence sur l'accès des TIC par la population marocaine. Nous nous sommes également appesantis sur des prévisions de l'évolution des TIC que nous avons réalisées jusqu'à l'horizon 2020 à travers la méthode de Box and Jenkins.

Les résultats obtenus à partir des données annuelles de 1980 à 2008 montrent que le premier modèle est globalement significatif. Dans la suite du travail, partant de l'hypothèse selon laquelle, il existerait une relation entre l'évolution des TIC et certaines variables socio-économiques et démographiques ; nous avons pu mettre en évidence ce lien à travers un modèle vectoriel à correction d'erreur(VECM) dont notre variable endogène a été un indicateur de l'évolution des TIC qui est le nombre de lignes téléphoniques pour 100 habitants. Ce modèle, quoique moins satisfaisant fait état d'existence de relation à court terme entre certaines variables et d'une autre de long terme entre d'autres variables. Enfin, avec l'idée selon laquelle, les TIC connaissent une expansion prodigieuse, nous avons pu constater cela à travers chacun des modèles de prévisions valides pour chacun des deux indicateurs des TIC à savoir le nombre de lignes téléphoniques pour 100 habitants et le nombre d'ordinateurs personnels pour 100 habitants.

De façon globale, les résultats obtenus dans ce travail ont été plus ou moins satisfaisants et il convient de signaler que des problèmes liés aux données utilisées étaient en partie la cause de l'obtention de certains résultats non attendus.

MOTS CLES : TIC, Modèle Vectoriel à Correction d'Erreur, Stationnarité, Cointégration, Croissance Economique.

Dédicace

Au Nom de Dieu, le Tout Miséricordieux, le Très Miséricordieux !

Je dédie cet évènement marquant de ma vie :

A la mémoire de mes grands-parents qui nous ont devancé dans l'autre monde.

A mes très chers parents qui ont beaucoup fait pour moi. Mes chers parents que je ne peux en remercier jamais suffisamment, si aujourd'hui j'accomplis de choses, je sais que c'est sur vous qu'il faudra que je pose les lauriers qui me seront décernés. Mes chers parents que j'aime infiniment, sachez que partout à la ronde, je veux que vous soyez si fiers de moi, et aussi être ce symbole que vous êtes pour moi.

A tous mes chers frères et soeurs de sang, en particulier SAKANDE Abdoul Razack et SAKANDE Aboubacar Sidiki qui honorent la famille par leurs efforts dans les études.

A tous mes grands parents, mes tantes et mes oncles, en particulier SAKANDE Bibata et El hadj SANFO Saïdou qui ne se lassent de m'apporter leur soutien.

A chaque cousin et cousine.

A tous mes meilleurs amis en particulier ZONGO André avec qui, nous avons passé les moments inoubliables d'enfance.

A tous les frères et soeurs du groupe SEFI.

A tous les frères, soeurs et camarades de l'INSEA, en particulier SADAT avec qui nous avons passé ensemble les nuits de labeur durant les trois années d'études à l'institut.

J'ai encore une infinie liste de personnes et je ne ferai pas le pari de les énumérer sans risque d'en omettre certains. Je m'astreins à un devoir de reconnaissance à l'égard de tous.

SAKANDE Souleymane.

Dédicace

Je dédie ce modeste travail

A mes très chers parents,

Que nulle dédicace ne puisse exprimer ce que je vous dois, pour votre bienveillance, affection et soutien... Trésors de bonté, de générosité et de tendresse, en témoignage de mon profond amour et ma grande reconnaissance, j'espère que vous trouverez à ce travail l'accomplissement de l'effort déployé.

A mes frères et soeurs,

En témoignage de mes sincères reconnaissances pour l'amour et soutien que vous m'apportez et ce depuis toujours et ce malgré la distance qui nous sépare.

A mes très chers oncles,

En particulier à Albert DIMI, Antoine NGAKEGNI, Jonas NGAKEGNI et Marti OSSERE.

Aucun mot, aucune dédicace ne saurait exprimer mon respect, ma considération et l'amour éternel pour les sacrifices que vous avez consentis pour mon instruction et mon bien être.

A tous mes ami(e)s,

En particulier à Boris OLENGOBA IBARA, Darcin OTSESSA, Fabrice VOUIDIBIO, Michael ITOUA MOUBOULA, Milan OBA SAMOUSSA,.... Je vous suis infiniment reconnaissant pour votre appui et encouragement.

Je ne saurai finir cette dédicace sans souligner ma profonde gratitude à Dieu notre père céleste qui m'a aidé à surmonter toutes épreuves auxquelles j'ai été confronté durant mon parcours scolaire.

NGASSI NGAKEGNI Ghynel.

Remerciements

Louange à Dieu, l'Unique, Seigneur de l'univers, Celui par qui tout se réalise !

La réalisation de ce projet de fin d'études fut une occasion merveilleuse de rencontrer et d'échanger avec de nombreuses personnes. Nous ne saurons pas les citer toutes sans dépasser le nombre de pages raisonnablement admis dans ce genre de travail. Nous reconnaissons que chacune a, à des degrés divers, mais avec une égale bienveillance, apporté une contribution positive à sa finalisation. Nos dettes de reconnaissance sont, à ce point de vue, énormes à leur égard.

Ainsi, nous tenons à remercier vivement notre professeur Abdessalam FAZOUANE pour avoir accepté de nous encadrer ainsi que le temps qu'il nous a consacré pendant toute la période du stage.Nous tenons à adresser également nos plus sincères remerciements au Pr Abdallah BERRADA responsable du cabinet d'Etudes Démographiques Economiques et Statistiques Appliquées (EDESA), qui en nous proposant un sujet de Projet de Fin d'Etudes d'actualité et en nous offrant l'opportunité d'effectuer ce projet au sein de son cabinet, nous a permis de mettre en application l'essentiel des connaissances et techniques acquises durant notre formation d'Ingénieurs d'Etat à l'Institut National de Statistique et d'Economie Appliquée(INSEA).

Vos orientations nécessaires et vos conseils pertinents nous ont été d'un appui considérable dans notre démarche.

Nous présentons aussi nos remerciements à notre Pr Faissal GUEDIRA, professeur à l'INSEA qui nous a fait l'honneur d'accepter de juger notre travail.

Notre gratitude s'adresse également à Mr Ilyes BOUMAHDI du Ministère de l'Economie et des Finances pour tout le temps qu'il a bien voulu consacrer pour répondre à nos besoins de données. Il en est de même pour tous les personnels des différents organismes qui nous ont fourni les informations utilisées dans cette étude, notamment ceux de l'ANRT.

Nous ne saurions oublier dans nos remerciements tout le corps professoral de l'INSEA pour la formation qu'il nous a prodiguée.

Que tous ceux qui nous ont aidé de près ou de loin, trouvent ici l'expression de notre profonde gratitude.

Table des matières

Le graphique présentant les diagrammes de dispersion des variables deux à deux, laisse entrevoir l'existence d'une relation linéaire entre le Ln_PIB et les autres variables : Ln_KTIC, LnKHTIC et Ln_L. 31

Ces résultats suggèrent un modèle de régression linéaire multiple expliquant le PIB en fonctions des trois variables explicatives. 31

Test de Dickey Fuller 64

Figure 30 : Stratégie du test ADF. 64

Liste des abréviations

ACF : Autocorrelation Function ;

ADF : Dikey-Fuller Augmenté ;

ADSL: Asymmetric Digital Subscriber Line;

AIC: Akaike Information Criterion ;

ANRT : Agence Nationale de Régulations des Télécommunications ;

APEBI : Association des Professionnels de Technologies de l''Information ;

AR : Auto Régressif ;

ARPA: Advanced Research Projects Agency;

ARPAnet  : Advanced Research Projects Agency network;

ATP : Africa Telecom People ;

BM : Banque Mondiale;

BVC : Bourse des Valeurs de Casablanca ;

CDG : Caisse de Dépôt et de Gestion ;

CDMA: Code division Multiple Access ;

CERI : Centre pour la Recherche et l'Innovation dans l'Enseignement ;

CSTI : Comité Stratégique des Technologies de l'Information ;

DCN : Direction de la Comptabilité Nationale ;

DF : Dickey-Fuller ;

DOI : Digital Opportunity Index ;

DS : Differency Stationnary ;

EAU : Émirats Arabes Unis ;

EIU : Economist Intelligence Unit ;

FAI : Fournisseur d'Accès à Internet ;

FEM : Forum Economique Mondial

 

GCC : Conseil de Coopération du Golfe ;

GITR : Global Information Technology Report ;

GPS: Global Positioning System ;

GSM: Global System for Mobile Communications;

HTML: Hypertext Markup Language;

HTTP: HyperText Transfer Protocol;

IAM : Itissalat Al-Maghreb ;

IBM: International Business Machines;

IDH : Indice du Développement Humain ;

IEA : International Energy Agency ;

INSEAD : Institut Européen d'Administration des Affaires ;

IP : Internet Protocol ;

KEI : Knowledge Economy Index ;

KI : Knowledge Index ;

LMS : Learning Management System ;

MA : Moving Average : Moyenne Mobile ;

MAD : Dirham marocain ;

MCE: Modèle à Correction d'Erreur ;

MCO : Moindres Carrés Ordinaires ;

MMS : Multimédia Messaging Service ;

MPLS : Multi-Protocol Label Switching;

MSN : Main Serial Number : Numéro de série principal ;

MVNO: Mobile Virtual Network Operator;

NCSA : National Center for Supercomputing Applications ;

NREN: National Research and Education Network;

NRI : Networked Readiness Index ;

NTIC : Nouvelles technologies de l'information et de la communication ;

OCDE : Organisation de Coopération et de Développement Economiques ;

ONA : Omnium Nord Africain ;

ONE: Office National de l'Electricité ;

ONPT : Office National des Postes et Télécommunications ;

ONU : Organisation des Nations Unies ;

PACF : Partial Autocorrelation Function ;

PIB : Produit Intérieur Brut ;

PME : Petites et Moyennes Entreprises ;

PNB : Produit National Brut ;

PNUD : Programme des Nations Unies pour le Développement ;

PPA : Parité Pouvoir d'Achat ;

PVD : Pays en Voie de Développement ;

RSSI : Responsable de la Sécurité du Système d'Information ;

SAGE : Semi-Automatic Ground Environment ;

AIC : Akaike Information Criterion ;

SEPTTI : Secrétariat d'État auprès du Premier Ministre chargé de la Poste, des Télécommunications

et des Technologies de l'Information ;

SFR : Société Française du Radiotéléphone ;

SGBD : Systèmes de Gestion de Bases de Données ;

SITES: Second Information Technology in Education Study;

SMS : Short Message Service ;

SOTELMA : Société des Télécommunications du Mali ;

SPSS: Statistical Package for the Social Sciences;

SQL : Structured Query Language ;

TIC : Technologies de l'information et de la communication ;

UIT : Union Internationale des Télécommunications ;

UNESCO : Organisation des Nations Unies pour l'Education, la Science et la Culture ;

URSS : Union des Républiques Socialistes Soviétiques ;

VA : Valeur Ajoutée ;

VAR: Vector Autoregressif ;

VECM : Vector Error Correction Model;

VIF : Variance Inflation Factor ;

WWW: World Wide Web.

 

Liste des tableaux

Le graphique présentant les diagrammes de dispersion des variables deux à deux, laisse entrevoir l'existence d'une relation linéaire entre le Ln_PIB et les autres variables : Ln_KTIC, LnKHTIC et Ln_L. 31

Ces résultats suggèrent un modèle de régression linéaire multiple expliquant le PIB en fonctions des trois variables explicatives. 31

Test de Dickey Fuller 64

Figure 30 : Stratégie du test ADF. 64

Liste des figures

Le graphique présentant les diagrammes de dispersion des variables deux à deux, laisse entrevoir l'existence d'une relation linéaire entre le Ln_PIB et les autres variables : Ln_KTIC, LnKHTIC et Ln_L. 31

Ces résultats suggèrent un modèle de régression linéaire multiple expliquant le PIB en fonctions des trois variables explicatives. 31

Test de Dickey Fuller 64

Figure 30 : Stratégie du test ADF. 64

Introduction générale

De nos jours, les technologies de l'information et de la communication (TIC) revêtent une importance primordiale au sein de la société et de ce fait, doivent être considérées comme un secteur stratégique contribuant dans une large mesure au développement économique et social.

Ces technologies qui permettent d'offrir des services aussi performants que diversifiés, ont largement contribué à la mondialisation de l'économie et à l'internationalisation des échanges.

Les effets macro-économiques de ces TIC, notamment sur la productivité et le rythme de croissance ont suscité un large débat en sciences économiques durant la dernière décennie, comme en témoignent les prises de position sur le paradoxe de la productivité3(*),mais une position des économistes consiste à affirmer sur la base de constations établies aux Etats-Unis et dans certains pays de l'OCDE (Australie, Nouvelle-Zélande, Canada), que les TIC jouent un rôle majeur dans l'accélération du potentiel des croissances économiques des pays (Boudson, 2002 ; Jorgensen et Stiroh ,2001 ; Jorgensen, 2001 ; Colecchia et Schyerer ,2001 ; Gordon, 2002 ; Petit, 2003 etc.).

C'est dans l'objectif de mettre en évidence l'impact de ce secteur et son importance dans le développement économique et social du Maroc que notre travail a été réalisé. La présente réflexion est donc articulée comme suit :

Une première partie présentant un aperçu général sur les TIC et s'attardant particulièrement sur le cas du Maroc. Dans cette partie, le secteur des TIC pour certains pays étrangers sera également présenté pour des fins de comparaison internationale.

Une deuxième partie qui dans un premier temps met en exergue l'impact des TIC sur la croissance économique à travers une modélisation économétrique de la fonction Cobb-Douglass, puis dans un second temps met en évidence les variables socio-économiques et démographiques influant sur l'accès aux TIC à la population marocaine et enfin un modèle de prévisions de l'évolution du secteur des TIC jusqu'en 2020.

Partie I : Approche théorique.

Introduction

"Une approche théorique est une structure potentielle d'explication qui comporte un certain nombre d'éléments. Elle comprend d'abord des postulats qui traduisent la vision des choses sur laquelle elle s'appuie ainsi que des concepts qui permettent de cerner et de classifier les phénomènes à étudier. Elle précise, par des propositions, l'ensemble des relations postulées entre les différents concepts et sous-concepts de l'approche et pose quelques hypothèses sur des relations entre concepts qui, si elles peuvent être vérifiées et confirmées, pourront être transformées en lois générales ou en généralisations théoriques. Ce n'est que lorsqu'on aboutit à de telles lois générales que l'on peut parler de théories." (Mace, 1992).

En effet, le cadre théorique qui est le fondement de toute étude appuie et renforce la problématique, sert à clarifier les concepts et permet de définir chaque concept pour l'arrimer au problème de recherche.

C'est pourquoi, cette partie est relative à l'aspect théorique et s'intéresse d'abord aux généralités sur les TIC et ce, concernant leur nature et définition, leur historique, leurs caractéristiques essentielles, les catégories de TIC qui existent et le rapport que ces dernières ont avec les autres domaines. Il s'agira ensuite dans cette partie de faire un aperçu des TIC dans les autres pays du monde en général et en particulier ceux du Maghreb, de l'Afrique subsaharienne afin de pouvoir situer le Maroc par rapport à ces pays. Enfin, cette partie mettra l'accent sur les TIC au Maroc plus particulièrement sur son historique, son bilan, ses effets sur la croissance économique, l'action du gouvernement marocain en sa faveur et l'impact de son utilisation chez les différents agents.

Chap. I : Contexte général : Les TIC ! De quoi s'agit-il ?

I. Nature et définition des TIC

Les notions de technologies de l'information et de la communication (TIC) et de nouvelles technologies de l'information et de la communication (NTIC)(en anglais, Information and communication technologies, ICT) regroupent les techniques utilisées dans le traitement et la transmission des informations, principalement de l' informatique, de l' internet et des télécommunications.

Par extension, elles désignent aussi le secteur d' activité économique de technologies de l'information et de la communication.

Le concept de « technologies de l'information et de la communication » présente deux caractéristiques typiques des notions nouvelles : s'il est fréquemment évoqué dans les débats contemporains, sa définition sémantique reste floue. On peut d'ailleurs observer que dans cette expression le terme technologie, qui en toute rigueur signifie discours sur la technique, est utilisé à la place de technique qui serait à la fois plus simple et plus exact.

Les Nouvelles Technologies de l'Information et des Communication (NTIC) désignent les TIC qui viennent d'être inventées. Les premiers pas vers une société de l'information furent entamés lors de l'invention du télégraphe électrique, du téléphone fixe, de la radiotéléphonie et, enfin, de la télévision. L'Internet, la télécommunication mobile et le GPS peuvent être considérés comme des NTIC. Le rapprochement entre l'informatique et les télécoms date de la dernière décennie du XXe siècle ; les appareils miniaturisés « multifonctions » sont sur le marché en 2005-2006 (suivi de programmes télévisuels sur téléphone portable).

Cette notion de NTIC a été créée à l'initiative de nombreux ingénieurs réseaux qui suite à l'évolution des technologies réseaux ont pensé nécessaires de distinguer ces technologies des anciennes. Toutefois aucune délimitation n'existe entre les TIC et les NTIC et donc on peut légitimement se demander quand est ce qu'une NTIC devient ancienne. Cela conduit à une tendance qui est la disparition de ce terme.

Dans les différentes littératures on constate qu'il n'y a pas un consensus sur la définition des TIC vu leurs hétérogénéités et leurs complexités. En effet, on peut distinguer selon les auteurs les définitions suivantes :

HERBERT SIMON : (prix Nobel des sciences économiques 1998). Selon cet auteur ces technologies aident à rendre :"Toute information accessible aux hommes, sous forme verbale ou symbolique, également sous forme lisible par ordinateur; les livres et mémoires seront stockés dans les mémoires électroniques..." Ainsi les technologies d'information et de communication peuvent être définies comme étant:" L'ensemble des technologies d'informatiques et de télécommunication, elles sont les résultats d'une convergence entre technologies. Elles permettent l'échange des informations ainsi que leurs traitements. Elles offrent aussi de nouveaux moyens et méthodes de communication".

CHARPENTIER : « Les (TIC) sont un ensemble de technologies utilisées pour traiter, modifier et échanger de l'information, plus spécifiquement des données numérisées. La naissance de ces TIC est due notamment à la convergence de trois activités. Au sens strict, les TIC sont composées :

· du domaine des télécommunications qui comprend lui-même les services et les équipements ;

· du domaine de l'informatique qui comprend le matériel, les services et les logiciels ;

· du domaine de l'audiovisuel qui comprend principalement la production et les services audiovisuels ainsi que l'électronique grand public. »

Quant à l'OCDE, sa définition est un peu plus large puisqu'elle inclut en outre le commerce de gros d'équipements industriels. Le principe consiste à retenir l'ensemble des secteurs d'activités économiques qui contribuent à la visualisation, au traitement, au stockage et à la transmission de l'information par des moyens électroniques.

II. Historique des TIC 

II.1. Développement des ordinateurs 

II.1.1. Automatisation des calculs

L'histoire des ordinateurs est étroitement liée aux découvertes théoriques dans le domaine des mathématiques et de la logique et aux développements technologiques comme la carte perforée, le système binaire etc.

Le système binaire est un système de numération utilisant la base 2. On nomme couramment bit (de l'anglais binary digit, soit « chiffre binaire ») les chiffres de la numération binaire. Ceux-ci ne peuvent prendre que deux valeurs, notées par convention 0 et 1.C'est un concept essentiel de l'informatique. En effet, les processeurs des ordinateurs sont composés de millions de transistors (imprimés sur un circuit électronique) qui chacun ne gère que des bits 0 (« le courant ne passe pas ») et 1 (« le courant passe »).Un calcul informatique n'est donc qu'une suite d'opérations sur des paquets de 0 et de 1, appelés octets lorsqu'ils sont regroupés par 8.

La carte perforée (parfois appelée carte Herman Hollerith) et le ruban perforé ont été les premiers supports d'entrée-sortie et les premières  mémoires de masse utilisés dans les débuts de l' informatique.

L'histoire de l'ordinateur est également marquée par la volonté de l'homme d'automatiser les calculs afin de les rendre plus précis tout en accélérant cette tâche fastidieuse. Cette volonté va de pair avec celle de traiter l'information pour la communiquer et la contrôler. D'ailleurs, plus on progressera dans l'automatisation des opérations arithmétiques et logiques, plus grande sera la nécessité de trouver des moyens sophistiqués pour communiquer avec la machine, afin de lui donner les instructions nécessaires pour qu'elle effectue ces opérations. Alors que les premières machines à calculer pouvaient tenir dans la main de l'homme, les premiers ordinateurs étaient des monstres mécaniques et électriques qui occupaient des pièces entières d'un immeuble. On assiste aujourd'hui à un retour à l'échelle humaine avec les petits ordinateurs personnels, grâce au développement technologique qui est allé dans le sens de la miniaturisation et de la plus grande puissance de calcul.

II.1.2. Première génération d'ordinateurs : le passage à l'électronique

Le passage à l'électronique, dans la mise au point d'ordinateurs, s'est fait grâce à l'invention du tube à vide en 1906, par l'Américain Lee De Forest. Le tube à vide permettait de produire un courant direct d'électrons dans un tube sous vide capable de générer deux états : ON\OFF. Le tube à vide était donc prédestiné au calcul binaire. On peut se demander pourquoi il a fallu attendre plus de 30 ans avant que cette invention soit appliquée aux premiers ordinateurs. En 1907, exilé au Canada, De Forest invente la triode.

Le premier ordinateur électronique programmable, le Colossus est mis au point en Angleterre, durant la Deuxième guerre mondiale en 1943.

II.1.3.La deuxième génération d'ordinateurs : l'ère du transistor

John Bardeen, Walter Brattain et William Shockley inventent le transistor aux Bell Laboratoires du New Jersey, en 1947. Le transistor fait le même travail que la lampe à vide des premiers ordinateurs mais il est infiniment plus petit, moins cher à fabriquer et beaucoup plus fiable. Cependant, en raison de problèmes de production, ce n'est qu'à la fin des années 1950 que le transistor s'est répandu.

Le premier ordinateur à base de transistors, le Leprechaun, a été construit dans les laboratoires Bell en 1956.

II.1.4.La troisième génération d'ordinateurs : l'ère des circuits intégrés

L'invention du transistor va vite appeler le développement d'une technologie qui permettra de rapetisser les autres composants de l'ordinateur et surtout de les intégrer, car les liaisons électriques multiples qui doivent se faire entre chaque transistor sont complexes, coûteuses à réaliser, pas assez rapides et peu fiables, en tout cas pas assez pour les militaires qui intègrent les composants électroniques dans le guidage des avions. Le circuit imprimé va résoudre ce problème puis le circuit intégré. Dans les premiers ordinateurs, les éléments des circuits, tels les lampes, étaient reliées entre eux par des réseaux extrêmement complexes de fils. Le premier développement important avec l'apparition du transistor a été de monter les transistors sur une même plaque de circuits et de graver les fils qui les reliaient dans la plaque; on a appelé cela des circuits imprimés.

Par la suite, grâce d'abord aux travaux d'un ingénieur de la Texas Instruments, Jack Kilby, et ensuite, d'un ingénieur de Fairchild Semi-conducteurs, Robert Noyce, en 1959, on a été capable de relier entre eux tous les éléments du circuit, transistors, diodes, condensateurs, fils, etc. dans des circuits dits complètement intégrés, manufacturés en une seule opération.

Les années 1964 à 1975 ont vu l'arrivée de plusieurs mini-ordinateurs de différentes grandes compagnies. Ces ordinateurs dits de troisième génération sont caractérisés par l'utilisation massive de circuits intégrés. C'est aussi l'époque des mini-ordinateurs dont l'unité centrale de traitement manipule des mots de 16 ou de 32 bits.

II .1.5.La quatrième génération d'ordinateurs : l'ère des microprocesseurs

La mise au point des microprocesseurs va entraîner la miniaturisation des composants d'ordinateurs et partant, l'apparition de deux nouveaux types d'ordinateurs : le super ordinateur et le micro-ordinateur ou ordinateur personnel. La miniaturisation va aussi permettre l'invention des calculatrices de poches, des montres à affichage numérique, des contrôles numériques d'appareils domestiques comme le four à micro-ondes, la machine à laver, etc.

II .2.Développement des logiciels 

II.2.1 Le développement des langages de programmation 

Augusta Ada Lovelace Byron (1816-1852) est née à Londres et son père est Lord Byron. Elle est la grande collaboratrice de Babbage. C'est à elle qu'on doit la description systématique de la calculatrice analytique de Babbage. Sa description publiée en 1843, comprend de véritables programmes et elle préfigure les ordinateurs modernes. Elle est reconnue comme ayant écrit les premiers programmes. Elle a été en contact avec la machine analytique de Babbage et elle a composé un programme pour calculer les nombres de Bernoulli (calcul exponentiel et infinitésimal). Elle a aussi écrit des notes sur l'utilisation répétitive de séries de cartes de mêmes instructions, préfigurant les sous-routines que l'on connaît dans la programmation moderne sous le nom de boucles et de branchements. La boucle est une série d'instructions répétitives qui sont effectuées jusqu'à ce qu'une condition soit remplie pour sortir de la boucle. Le branchement suppose que le résultat d'une opération détermine l'ordre dans lequel le reste des instructions est exécuté. Le langage ADA créé en 1979 a été nommé en son honneur.

II.2.2. Le développement des systèmes d'exploitation 

Un ordinateur sans instruction, ne sert pas à grand-chose. Les instructions sont contenues dans des programmes qu'on appelle logiciels (software). Parmi ces programmes, il en est un qui est essentiel au fonctionnement de l'ordinateur. Il s'agit du système d'exploitation : c'est l'ensemble des programmes de base d'une machine permettant d'utiliser tous les services disponibles et assurant en particulier la gestion des travaux, les opérations d'entrée-sortie sur les périphériques, l'affectation des ressources aux différents processus, l'accès aux bibliothèques de programmes et aux fichiers ainsi que la comptabilité des travaux (Larousse de l'informatique, 1981).

Le tout premier système d'exploitation pour ordinateur a été mis au point par Gene Amdahl pour un gros ordinateur IBM 704 en 1954.

II.2.3. Le développement des logiciels d'application 

Le succès des micro-ordinateurs n'est venu que dans la mesure où on a développé pour eux des logiciels pour réaliser des applications utiles, particulièrement dans le monde des bureaux. Ces applications seront d'abord des systèmes d'exploitation puis, des traitements de texte, des tableurs et des bases de données. Il faut dire également que la plupart des logiciels de cette génération seront des produits originaux créés spécialement pour les micro-ordinateurs; certains types de logiciels n'existaient même pas avant l'arrivée des micro-ordinateurs.

II.3 Réseaux et télécommunications 

Le développement des réseaux et des télécommunications a été évolutif depuis 1940, en effet on peut retenir les différentes dates suivantes :

1940 : première communication à distance entre machines à calculer :Le 11 septembre 1940, George Stibitz de Bell Labs communique par téléscripteur à partir du Dartmouth College, New Hampshire, et fait fonctionner à distance, une machine à calculer à relais située à New York.

1957 : lancement du projet ARPA :Le lancement du satellite Sputnik par l'URSS amène les Américains à créer à l'intérieur de son département de la défense une agence nommée ARPA (Advanced Research Projects Agency) dont le but est d'établir une avance américaine dans le domaine de la science et de la technologie à des fins militaires.

1960 : le premier réseau d'ordinateurs : C'est en 1960, qu'on a installé le premier véritable réseau d'ordinateurs, dans le cadre du système de surveillance aérienne SAGE (Semi-Automatic Ground Environment). Des dizaines de radars postés aux frontières stratégiques se partageaient le soin de constituer en temps réel, une carte complète du ciel qui était centralisée grâce à quarante ordinateurs géants reliés par des lignes téléphoniques (Breton et Proulx, 1989).

1962 : premier réseau commercial : en 1962, American Airlines est la première entreprise commerciale au monde à se doter d'un système de réservation de billets d'avion par ordinateur. C'est le premier grand réseau commercial d'ordinateurs, le SABRE, installé par IBM.

1969 : ARPAnet, premier réseau informatique pour la recherche : ARPAnet (Advanced Research Projects Agency network) est, à l'origine, d'un réseau conçu par le département américain de la défense pour étudier le fonctionnement des réseaux d'ordinateurs et pour permettre à des chercheurs de s'échanger de l'information. La communication sur le réseau se fait par paires d'ordinateurs possédant chacune une adresse, qui s'échangent des informations selon un protocole appelé Internet Protocol (IP). Sur le réseau, n'importe lequel ordinateur est capable de communiquer avec n'importe quel autre. De plus, ARPAnet permet de réorienter la communication sur un autre noeud du réseau, en cas de brisure de la communication. Cette façon de faire permet de garder fonctionnel le réseau même si l'un des noeuds tombe en panne; il ne faut pas oublier que ce réseau est conçu au départ pour les communications militaires. ARPAnet a tellement de succès qu'il sera divisé en deux, le MILNET pour les sites militaires et le nouveau ARPAnet pour les non-militaires qui va se transformer en Internet.

1971 : invention d'un logiciel de courrier électronique : Ray Tomlinson de BBN crée un logiciel pour envoyer des messages à l'intérieur d'un réseau distribué.

1973 : premières connections internationales à l'ARPANET : L'University College of London d'Angleterre et le Royal Radar Establishment de Norvège se branche à ARPANET.

1973 : Ethernet : Bob Metcalfe dans une thèse de la Harvard University trace les grandes lignes de Ethernet, ce protocole de réseau local.

1978 : le Vidéotex : Le vidéotex (ou vidéographie) est une technologie qui permet de transmettre de l'information textuelle ou graphique stockée dans un ordinateur, sur des écrans de télévision, que ce soit sous forme interactive (Videotex) ou non interactive (Télétexte). Les Anglais et les Français ont été les premiers à expérimenter cette technologie dans leur projet Prestel et Minitel, avec les succès que l'on connaît aujourd'hui. Le Canada a eu son projet de vidéotex, Télidon, mais il n'a jamais pu vraiment recevoir l'adhésion du grand public de telle sorte qu'il est de nos jours passé dans l'oubli.

1980 : Internet : Au début des années 1980, prolifère dans les universités américaines, toute une génération de postes de travail individuel qui viennent remplacer les gros ordinateurs à temps partagés. Ces postes de travail tournent sous UNIX et permettent la communication en réseau. Désormais, ce ne sont plus seulement quelques grosses machines qui sont branchées sur le réseau ARPAnet mais de nombreuses petites machines individuelles. La National Science Foundation américaine installe cinq super-ordinateurs à des fins de recherche et les relie par un réseau le NSFNET. Puis des réseaux régionaux sont mis en place et interconnectés grâce à NSFNET. Ce système de réseaux fonctionne si bien qu'il finit par remplacer ARPAnet en 1990 mais les super-ordinateurs n'ont pas le succès escomptés et sont mis de côté. En 1991, sous l'impulsion du sénateur Al Gore, devenu par la suite vice-président des États-Unis, le Congrès américain vote un budget de 400 millions de dollars à la National Research and Education Network (NREN) pour relier des chercheurs entre eux et permettre aux écoles américaines de la maternelle jusqu'à la fin du high school d'être reliées au réseau Internet. On décide également d'ouvrir Internet au commerce. L'idée est lancée de créer l'autoroute de l'information. C'est ainsi qu'Internet connaît une expansion formidable non seulement aux États-Unis mais également partout dans le monde.

1985 : Apple lance son réseau AppleTalk : Apple lance une technologie de réseau local bien plus convivial et moins cher que les réseaux des IBM et compatible. C'est l'AppleTalk qui fera partie intégrante de tous les micro-ordinateurs Apple. Mais 3Com annonce également qu'elle produira un réseau Ethernet pour les Macintosh, réseau local jusque-là réservé aux PC.

1990: naissance du World Wide Web (WWW): Au début de 1990, le Centre d'étude et de recherche nucléaires, le CERN, dont le siège est situé à Genève en Suisse, lance le World Wide Web (WWW) pour permettre aux chercheurs d'échanger rapidement des informations textuelles y compris des images fixes ou animées et du son. Cette nouvelle façon d'échanger de l'information deviendra très vite populaire grâce aux logiciels de navigation hypertextuelle qui en facilitent l'accès. Le premier de ceux-ci, Mosaic, a été mis au point au National Center for Supercomputing Applications (NCSA) à University of Illinois, par un groupe d'étudiants dirigé par Marc Adreessen, alors lui-même étudiant en maîtrise. Il est mis gratuitement à la disposition des usagers du WWW en avril 1993. Le CERN continue à être le lieu où on définit et supporte les langages et les protocoles du WWW comme HTTP, HTML, etc.

1994 : explosion d'Internet avec le World Wide Web (WWW) :L'année 1994 est l'année d'Internet qui connaît une expansion fulgurante avec l'arrivée massive des entreprises sur le World Wide Web qu'on accède grâce à des interfaces graphiques comme Mosaic ou Netscape.

II.4 Technologies audiovisuelles 

L'histoire des technologies audio-visuelles va de pair avec le désir de l'être humain de reproduire la réalité, c'est-à -dire de la représenter comme si c'était elle. Cela va des ombres projetées dans les cavernes, des premiers dessins préhistoriques, des premières images cinématographiques de l'arrivée d'un train en gare, du Cinérama à l'Omnimax, des images de synthèse à la réalité virtuelle. Cela va également des premiers battements de tambours des volutes de fumée pour communiquer aux communications télégraphiques et aux premières conversations téléphoniques, des sons enregistrés sur des cylindres de métal, puis sur des disques de vinyles et des rubans magnétiques aux disques optiques numériques.

Le système télégraphique à bande perforée, l'enregistrement sonore, le gramophone, le disque par Berliner, l'enregistrement magnétique, le vidéodisque au laser, premier lecteur CD-ROM, ont été respectivement inventé en 1874, 1877, 1882, 1887, 1898, 1972, 1984.

III. Caractéristiques des TIC 

Caractérisons d'abord les TIC comme phénomène général:

· plus: les TIC nous apportent des moyens nouveaux en plus de ceux que nous avions déjà; de nouveaux moyens de communiquer, de s'exprimer, de créer, de travailler, d'apprendre; et ce phénomène se perpétue à une vitesse qui semble toujours aller en s'accélérant.

· plus vite: ce que l'on pouvait faire avant sans les TIC, on peut le faire dorénavant beaucoup plus rapidement avec les TIC, et encore toujours de plus en plus rapidement.

· plus petit: la miniaturisation est une caractéristique importante des TIC; cela se manifeste tant au niveau des appareils que des supports d'information, par exemple.

· plus abordable (coût, convivialité): le coût de l'acquisition et de l'utilisation des TIC est, semble-t-il, constamment à la baisse pour un niveau d'utilisation donné, ce qui les rend accessible à une partie toujours croissante de la population, donnant ainsi à chacun des moyens puissants (démocratisation des médias); leur utilisation est également, pour la plupart, de plus en plus aisée, ce qui en facilite évidemment l'expansion

· plus puissant, plus grand: les possibilités des outils TIC (appareils et logiciels) vont constamment en s'accroissant, permettant un maximum d'effet, d'"output".

· La multicanalité : les TIC utilisent trois canaux à savoir le canal textuel, le canal image et le canal son. Le dernier étant moins répandu.

Le canal textuel : Informations concernant l'utilisation du cederom ou du site, type expositif, narratif, article, texte littéraire.

Le canal image : fixe, animée, de synthèse, icônes.

Le canal sonore : musique, chansons, paroles (dialogue, monologue, instructions concernant l'utilisation du cederom ou site).

IV. Les différents types des TIC 

Selon l'OCDE, le secteur des TIC est la somme de trois secteurs : le secteur informatique, le secteur électronique et le secteur des télécommunications. On distingue donc les catégories suivantes relatives au secteur des TIC :

· Le secteur informatique dans lequel on a : machines de bureau, ordinateur personnels, grands ordinateurs, serveurs, matériels de réseaux, périphériques, cartes etc.

· Le secteur électronique dans lequel on a : composants électroniques, semi conducteurs, circuits imprimés, équipements de l'électronique grand public (téléviseurs, récepteurs radio, lecteurs de disques, magnétoscopes), instruments de mesure, instruments de navigation, computeurs, productique etc.

· Le secteur des télécommunications dans lequel on a : équipements professionnels de transmission, commutateurs, relais, terminaux destinés aux usagers, câbles, fibres optiques etc.

V. Rapport des TIC avec d'autres domaines 

Après quelques années de développement volontariste des technologies de l'information et de la communication au sein des sociétés, il nous apparaît nécessaire de marquer un temps d'arrêt pour essayer de regarder où en sommes-nous réellement sur la place qu'elles occupent dans la société. En effet dans cette partie nous allons essayer de mettre en évidence le rapport qui existe entre les TIC et d'autres disciplines ; telles que : le politique, l'éducation, l'environnement, la santé....à travers lesquelles le développement durable est favorisé.

V.1. Les TIC et le politique 

Au regard de la réflexion sur la société de l'information, mais aussi par rapport aux renouvellements des formes de la mobilisation dans l'espace politique, l'étude des relations entre le politique et les TIC, fait l'objet d'un développement récent et important, notamment dans la littérature anglo-saxonne (Hague, Loader, 1999; Pal, Alexander, 1998). Elle tente de saisir les enjeux théoriques relatifs à l'espace public des expressions politiques.

Dans sa volonté de maintenir sa place au sein de ce dispositif représentatif, le personnel politique instaure de plus en plus de nouvelles pratiques de médiation auxquelles ils s'intéressent aux formes émergentes de régulations offertes par les TIC. En effet, les TIC contribuent au renouvellement des différentes formes de médiation politique en participant, par exemple, à la transformation des règles de la communication politique avec les nouvelles possibilités techniques, le personnel politique local ( les candidats , élus locaux, équipes de campagne,...), tentent d'instaurer une nouvelle forme de dialogue, basée sur une série de perceptions positives attribuées aux TIC, alliées à des possibilités technologiques mis en place.

En gros, l'apport des TIC dans la sphère politique peut se résumer par :

· La rénovation démocratique : utilisée comme des outils de rénovation des formes de la participation démocratique (démocratie participative) ; innovation et modernisme (progrès technologiques comme de progrès politique) ;

· La transparence : Accès aux sources et appropriation personnelle de l'information, publication des opinions et jugements ;

· L'interactivité : Expression-médiation en vie de réorganisation ;figure d'un usager actif, d'un citoyen soucieux de construire sa propre information, logique d'accès à l'information , simultanéité, instantanéité et permanence, réappropriation et reformulation des messages ;

· La proximité : Abolition de l'espace (géographie physique et institutionnelle), connexion directe, fragmentation des intérêts directs des pratiques sociales ;

· La transversalité : Dissociation entre la construction et l'accessibilité de l'information avec l'espace national (globalisation), dématérialisation géographique de l'information.

V.2.Les TIC et la Santé 

Les technologies de l'information et de la communication (TIC) appliquées à la santé connaissent, depuis plusieurs décennies, un développement rapide. De nombreuses applications informatiques se sont développées depuis une dizaine d'années dans le domaine sanitaire. Ces évolutions sont porteuses de progrès considérables pour le système de soins dans la société ; elles entraînent des bouleversements importants dans le comportement des acteurs du système de santé. Face à ce développement rapide du système sanitaire, nous assistons de nos jours à la mise en place d'un certain nombre de techniques avancées pour le traitement des patients en médecine, telles que :

La télémédecine : Elle regroupe les pratiques médicales permises ou facilitées par les télécommunications. C'est un exercice de la médecine par le biais des télécommunications et des technologies qui permettent la prestation de soins de santé à distance et l'échange de l'information médicale s'y rapportant. Plus largement, on désigne aussi ce concept par de la téléprésence. Par-delà les initiatives très médiatisées de télé-chirurgie, on enregistre le développement de nombreuses autres applications dans le cadre des réseaux de soins : le télédiagnostic, le télé-encadrement, la télésurveillance ou encore la téléformation médicale. Il convient de souligner la dimension internationale de certaines de ces applications : les professionnels de santé peuvent établir des contacts avec d'autres professionnels et bénéficier d'une expertise complémentaire ; ils peuvent participer plus efficacement à des actions sanitaires à l'étranger.

L'e-santé : C'est une application émergente des (TIC) appliquées à la santé. C'est le domaine qui enregistre les évolutions les plus importantes, à travers le développement d'une multitude de sites consacrés à la santé en ligne. Elle permet aux professionnels de santé et aux patients de consulter des portails de santé (banques de données, annuaires, liens vers des sites spécialisés...) et avoir accès à des sites interactifs (forums de discussion, conseil médical personnalisé en ligne...).

V.3.Les TIC et l'environnement 

Les TIC ont longtemps été perçus essentiellement du point de vue de leur apport, incontestable, à la productivité de l'économie et au bien-être de la population.

Ce n'est que récemment que leur impact environnemental est devenu une préoccupation majeure au niveau des sociétés. Selon la Commission Européenne, les TIC contribuent pour 2% aux émissions mondiales de gaz à effet de serre. Ce chiffre pourrait cependant s'alourdir en raison de la très forte croissance du marché et malgré des évolutions technologiques permettant de réduire notamment les niveaux de consommation électrique. Nonobstant cette remarque, le premier enjeu est de permettre, grâce à l'innovation technologique, de réduire les 98% d'émissions restants.

En effet les TIC favorisent l'adoption de comportements de plus en plus respectueux de l'environnement dans toute l'économie. Ils jouent un rôle déterminant dans l'élaboration de systèmes d'aide à la décision environnementale ainsi que dans la possibilité qu'elles offrent aux différents acteurs de moduler leur comportement en fonction d'une gestion et d'une utilisation durable des ressources naturelles.

La « télédétection spatiale » permet notamment d'analyser par satellite l'évolution de certains phénomènes (sécheresse, désertification, pollution des terres, de l'air et de l'eau, urbanisation...) et d'en anticiper les conséquences pour les limiter ou les neutraliser.

C'est grâce au développement des TIC que l'on a pu et pourra encore réduire l'empreinte écologique des transports et développer les modes de transports collectifs (nouveaux tramways, équipement GPS pour optimiser les trajets, télépéages sans arrêt, bornes de stationnement pour vélos-urbains...). L'automobile de 2020, condensé de TIC, disposera des moyens de définition et de réalisation des trajets, par communication avec les infrastructures, pour une sécurité optimale et une consommation énergétique encore réduite.

L'introduction des TIC a favorisé également la consommation énergétique des industries et des bâtiments, en réalisant des progrès considérables, en permettant notamment l'optimisation de la gestion de l'éclairage, du chauffage et de la climatisation.

V.4.Les TIC et l'éducation 

Les chercheurs en psychologie cognitive qui s'intéressent de près aux avantages des TIC en matière d'apprentissage, de mémorisation, de compréhension, nous disent que généralement on retient 20% de ce qu'on entend , 30% de ce qu'on voit , 50% de ce qu'on voit et qu'on entend , 10% de ce qu'on lit , 80% de ce qu'on dit , 90% de ce qu'on fait .Ainsi, comprenons que les TIC sont d'une grande utilité dans le domaine de l'éducation.

Le développement des applications de l'ordinateur en éducation passe d'abord par l'idée d'individualiser l'enseignement. Cette idée est influencée par des conceptions de l'apprentissage qui seront d'abord de type mécaniste avec Pavlov, Thorndike, Watson et Skinner. Ils participeront à un mouvement important de la psychologie américaine, le béhaviorisme. Cette individualisation de l'enseignement prendra d'abord la forme de l'enseignement programmé papier-crayon puis de l'enseignement programmé assisté de machines à enseigner et enfin, de l'enseignement assisté par ordinateur. Petit à petit, dans la foulée des travaux de Piaget qui commence à être connu aux États-Unis, se développera une alternative à l'enseignement programmé par ordinateur fondée sur une approche constructiviste de l'apprentissage dont Seymour Papert du MIT se fera le promoteur à travers un langage spécialement développé pour l'éducation, LOGO. Depuis un certain temps se développe un nouveau concept des TIC dans l'éducation qui est le E-Learning, processus d'apprentissage à distance s'appuyant sur des ressources multimédias, qui permet à une ou plusieurs personnes de se former à partir de leur ordinateur. Les supports multimédias utilisés pouvant combiner du texte, des graphismes en 2 ou 3 dimensions, du son, de l'image, de l'animation et même de la vidéo.

Vraisemblablement, les TIC ont divers impacts positifs ou négatifs sur les résultats des apprentissages. Parmi les effets positifs, on pourrait mentionner les améliorations attribuées à l'utilisation des TIC dans les salles de classe, et parmi les effets négatifs l'influence plus générale d'une utilisation intensive des TIC sur les capacités cognitives et langagières des élèves (OCDE, 2006d). Malgré l'importance de ce sujet, il semble qu'il y ait peu de statistiques montrant ces impacts à un niveau national ou international. Concernant les implications des TIC sur les attentes à l'égard de l'apprentissage et sur les performances scolaires, le rapport de la réunion d'experts OCDE/CERI de mars 2007 (OCDE, 2007c) déclare : « il n'est pas surprenant que les résultats, comme le montrent un certain nombre de comptes rendus sur les recherches, soient au moins indécis, voire contradictoires ».

L'association internationale pour l'évaluation du rendement scolaire (IEA) a réalisé des enquêtes et des études de cas sur la relation entre les TIC et l'éducation. Un des modules de son projet SITES (Second Information Technology in Education Study) porte sur un ensemble d'études de cas sur les pratiques innovantes faisant appel aux TIC (174 études dans 28 pays) (IEA, 2003).

D'après une analyse des 174 études de cas SITES mentionnées ci-dessus, « la technologie contribue à d'importants changements dans l'enseignement en classe. Elles présentent une image très différente de celle de la classe traditionnelle où l'enseignant fait son cours devant la classe et les élèves prennent des notes ou travaillent sur des feuilles d'exercices. Dans beaucoup de pays autour du monde, elles montrent d'importantes similarités dans la façon dont la technologie est utilisée ». (IEA, 2003).

VI. Effet des TIC sur la croissance économique 

Dans la littérature économique, on identifie cinq (5) canaux de transmission complémentaires des TIC sur la croissance : l'effet multiplicateur dû à l'investissement en TIC, l'effet "déflateur" sur l'inflation suite à la baisse des prix dans le secteur des TIC et leur répercussion dans les autres secteurs, l'effet "capital deepening" traduisant une amélioration du rendement du travail suite à la substitution capital/travail, l'effet "qualité" traduisant l'amélioration des caractéristiques des TIC et, par effet ricochet, l'amélioration de la qualité de nombreux biens et services et enfin, l'effet "productivité globale des facteurs" : une accélération de la productivité suite à l'investissement en TIC.

VI.1. Les effets multiplicateurs 

Les outputs du secteur des TIC sont acquis par les entreprises comme des biens d'investissements et/ou comme des biens de consommation intermédiaire, mais également, comme biens de consommation finale. La forte croissance des équipements de la part des entreprises et des consommateurs en biens dérivés des TIC s'est traduite par une augmentation de la croissance économique globale. Le mécanisme principal sur lequel repose l'argument s'apparente à un multiplicateur d'investissement keynésien4(*) en ce qui concerne les TIC plus important que le multiplicateur d'investissement en matériel non TIC. Compte tenu de leur caractère générique (Helpman, 1998), les TIC semblent exercer des effets économiques plus importants sur le reste de l'économie. Pohjola (2002) définit un seuil critique du secteur TIC à partir duquel on constate l'apparition d'effets dynamiques et significatifs sur le reste des économies. A titre d'exemple aux Etats-Unis le secteur des TIC dépasse les 8% du PIB alors qu'en France il est à l'ordre de 5%. Il pourrait se situer autour de 6.5% du PIB marocain pour l'année 2006.

VI.2. L'effet déflateur 

Le second effet concerne l'impact de la baisse des prix propres aux TIC en général, et des prix des ordinateurs en particulier, sur le reste de l'économie. En effet, la baisse continue des prix dans le secteur des TIC et notamment celle liée à la baisse des prix des microprocesseurs a conduit les entreprises à accroître considérablement leur investissement dans ce domaine. Derrière l'accélération du rythme de la productivité et de la croissance américaine, on trouve une accélération du rythme de la baisse des prix des ordinateurs et des équipements périphériques. Cette baisse substantielle des prix des technologies de l'information conduit les firmes à surinvestir dans les TIC.

Les gains de productivité réalisés dans le secteur des TIC agissent sur le reste de l'économie comme un déflateur technologique, ils permettent de maîtriser l'inflation et/ou d'accroître les revenus réels et la croissance. A titre d'exemple, puisque le secteur des ordinateurs compte pour 1,4% du PIB américain et que leurs prix ont chuté de 29% sur la période 1996-1998, un simple calcul de règle de trois permet d'apprécier un effet déflateur de 0,37%.Gordon estime que la contribution des ordinateurs à la croissance est essentiellement due à la maîtrise de l'inflation et qu'elle serait de l'ordre de 0,5 % par an en moyenne pour l'économie américaine. Dans une étude récente, Collecchia et Schreyer (2001) ont généralisé l'approche afin de calculer le déflateur technologique associé au TIC pour neuf pays de l'OCDE.

VI.3. L'effet de substitution du capital au travail 

Cet effet désigne l'augmentation relative de la part du capital comparativement au travail dans l'usage des inputs, où les TIC sont envisagés comme des technologies biaisées. Elles conduisent à favoriser le capital par rapport au travail et le travail qualifié par rapport au travail non qualifié (David, 2001 ; Jorgenson, 2001 ; Quah, 2001). En d'autres termes, le processus de croissance favorise l'accumulation du capital qui se traduit par une diminution du taux relatif d'emploi du facteur travail et par une augmentation de la part relative du facteur capital. L'intensité capitalistique (la part par salarié d'unités de capital) et la productivité augmentent. A titre d'exemple, Gordon (2002) estime que deux tiers de l'accélération de la productivité américaine durant la période 1996-2001 est due à l'effet de substitution. Toutefois, il convient de signaler que le capital TIC est un capital à obsolescence rapide, contrairement aux autres formes de capitaux5(*). Cette propriété nécessite donc un amortissement rapide et exige des entreprises une plus grande rentabilité.

VI.4. L'effet qualité 

Les technologies de l'information peuvent être associées à des augmentations touchant les composantes intangibles des outputs comme leur variété, la convenance des consommateurs et les services qui leur sont associés. L'effet apparent concerne l'enrichissement du contenu informationnel des biens et services incorporant des TIC. Elles augmenteraient la qualité et favoriseraient la différenciation des produits. Ces bénéfices permettraient d'améliorer l'effet d'utilité pour les consommateurs sans pour autant modifier ni le prix ni la quantité de produits incorporant des TIC. L'effet utilité est difficile à prendre en compte mais conditionne les résultats des travaux portant sur la question. Des efforts récents engagés par l'OCDE, sur le plan méthodologique, ont été entrepris afin d'améliorer la prise en compte de ces effets qualitatifs mais ils restent encore difficiles à cerner.

Différentes sources seraient à l'origine de l'augmentation du taux de croissance due aux effets d'amélioration de la qualité des produits induits par les TIC. Quatre d'entre-elles méritent d'être signalées, elles concernent : les innovations portants sur les effets de variétés, la personnalisation des biens (versionning), les améliorations sensibles des principes de la qualité des produits et des externalités positives générées par les TIC.

VI.5. L'effet productivité globale des facteurs 

De nature générique, les externalités liées aux TIC se sont largement diffusées dans l'ensemble de l'économie. Cette large diffusion permettrait d'accroître l'efficacité productive et le rythme du progrès technique. Ceci se traduit par un accroissement du résidu de Solow (la part de la croissance non expliquée par les facteurs de production séparément). Ce constat traduit une meilleure complémentarité entre les facteurs travail et capital. Pour certains économistes comme Askenazy et Gianella (2000), Greenan et alii (2002), cette complémentarité passe par l'utilisation des innovations organisationnelles. Les TIC permettraient d'augmenter le progrès technique diffus. Par ailleurs, les PVD, contrairement aux pays industrialisés bénéficient d'un effet de structure positif. En effet, l'adoption des TIC par les PVD coïncide avec la transformation de leurs économies fondée au départ sur les ressources naturelles et sur l'agriculture à une économie plus fondée sur l'industrie. Ceci pourrait accentuer les gains de productivité.

Les cinq canaux principaux qui viennent d'être évoqués favorisent la transmission des performances des TIC au niveau macro-économique. La manifestation de ces effets dépend de la position du pays (producteur vs importateur de TIC) (Dirk et Lee, 2001), de sa taille (grand pays vs petit pays), de sa spécialisation internationale, de ses dotations factorielles initiales (Antonelli, 2003) et de la présence ou de l'absence d'actifs complémentaires (innovations organisationnelles, institutions, capital humain, incitations...).

Chap. II : Benchmarking

Avant de procéder à une analyse détaillée de la situation actuelle du développement des TIC au Maroc, une étude comparative est nécessaire afin de situer le Maroc par rapport à d'autres pays en utilisant comme base comparative les indicateurs TIC pertinents, et de procéder à une étude approfondie de best practices (des meilleures expériences internationales) adoptés dans le cadre de stratégies volontaristes de développement des TIC dans d'autres pays.

I. Présentation des outils de Benchmarking 

Plusieurs indicateurs sont utilisés pour mesurer le niveau d'utilisation des TIC dans un pays donné, ces indicateurs permettent également de comparer les différents pays en matière d'utilisation des TIC. Ces indicateurs sont élaborés par des structures différentes, chacune utilisant un certain nombre de critères pour chaque type d'indicateur donné. Il s'agit avant tout de fournir des indicateurs clairs que les décideurs et autres responsables pourront utiliser pour évaluer le développement de leur propre pays dans le contexte général.

Ainsi, avons-nous :

Les indicateurs KEI (Knowledge Economy Index) et KI (Knowledge Index) qui sont fournis par la BM (Banque Mondiale). L'indicateur KI est calculé en fonction de 3 critères : le niveau d'innovation, l'éducation et l'organisation du secteur des TIC. L'indicateur KEI dispose d'un critère supplémentaire : l'encouragement à l'investissement.

Les indicateurs ICT-OI (ICT Opportunity Index) et DOI (Digital Opportunity Index) qui sont calculés par l'UIT (Union Internationale des Télécommunications).Le premier indicateur, à savoir ICT-OI est la synthèse de deux autres indices, le Digital Access Index (calculé par l'UIT) et le Digital Device Index (évalué par l'Orbicom - UNESCO). Le calcul de ces indices est effectué à partir de critères reflétant la densité informatique. Sont pris en compte : le nombre de postes de télévision dans les foyers, le nombre d'utilisateurs d'Internet haut débit, etc. Quant au second indicateur, Il se différencie du premier en ce qu'il exclut le critère de l'éducation. Mais depuis mars 2009, l'UIT publie maintenant un nouvel indice UIT de développement des TIC (IDI). On dresse cet indice à partir de 11 indicateurs qui, ensemble, constituent une référence aux niveaux mondial, régional, et national. Les indicateurs de référence concernent d'une part l'accès aux TIC, d'autre part, leur utilisation et les compétences y relatives. Entrent aussi en considération dans ces critères, la téléphonie fixe et mobile, la largeur de bande Internet, le nombre de ménages pourvus d'un ordinateur, le nombre d'internautes, les taux d'alphabétisation dans le pays...

L'indicateur NRI (Networked Readiness Index) est un indice élaboré par le FEM (Forum Economique Mondial) mesurant la capacité d'un pays à bénéficier du développement du secteur des TIC. Cet indice est élaboré à partir de l'environnement macroéconomique, du niveau d'engagement individuel et du niveau d'utilisation générale des TIC.

L'indicateur e-readiness est calculé par l'EIU (Economist Intelligence Unit).Cet indicateur est un indice composite pondéré qui est fonction de plusieurs indicateurs partiels, groupés en six grandes catégories : la connectivité et l'infrastructure technologique, l'environnement des affaires, l'adoption du «e-business» par les ménages et les entreprises, l'environnement politique et réglementaire, l'environnement culturel et social et les services de support «e-services ».

Cependant, notre analyse portera sur les indicateurs élaborés par les organismes UIT et FEM et ce, en s'appuyant sur leurs derniers rapports qui constituent chacun une opportunité pour chaque pays de s'inspirer des différentes expériences et stratégies réussies au niveau international.

Le dernier rapport du FEM est le 9ème rapport global sur la technologie de l'information pour 2009-2010 (The Global Information Technology Report 2009-2010) (GITR).Ce rapport qui est à sa 9è édition consécutive a fait le classement à l'échelle mondiale sur la base de 133 pays. Ce rapport, produit conjointement par le Forum Economique Mondial (FEM) et l'Institut Européen d'Administration des Affaires (INSEAD), évalue l'aptitude des pays (133 pays) à maîtriser les technologies de la communication selon trois principaux critères: le climat politique et économique approprié pour le développement des nouvelles technologies, le degré d'utilisation des nouvelles technologies de l'information et de la communication et le niveau de l'évolution technologique. Ce rapport, paru cette année, sur le thème « la technologie de l'information et de la communication au service de la durabilité», et dont les résultats ont été rendus publics, jeudi 25 mars, à New York, demeure l'un des rapports d'évaluation les plus exhaustifs et les plus fiables à l'échelle internationale concernant l'impact des TIC sur le processus de développement des nations ainsi que sur leur compétitivité.

Pour ce qui est du dernier rapport de l'UIT, il a été publié également en mars 2010, le rapport intitulé «Mesurer la société de l'information» offre une analyse du plus haut intérêt sur la façon dont la société de l'information évolue aux niveaux mondial et régional ainsi que par pays. Ce rapport comporte le nouvel indice UIT de développement des TIC (IDI) et le panier des prix des TIC ; deux outils d'évaluation pour mesurer la société de l'information. Il utilise le nouvel indice UIT de développement des TIC (IDI) pour mesurer le niveau de développement des technologies de l'information et de la communication (TIC) dans 159 pays du monde et compare les progrès réalisés entre 2002 et 2008 en ce qui concerne la réduction de la fracture numérique.

II .Les TIC dans le Monde 

En dépit de la crise économique, l'utilisation des services des technologies de l'information et de la communication (TIC), par exemple téléphonie mobile et Internet, continue d'augmenter dans le monde entier. A la fin de 2009, on estimait à 4,6 milliards le nombre d'abonnés au mobile cellulaire, soit un taux de 67 pour 100 habitants à l'échelle de la planète (Figure1). L'année dernière, la pénétration du mobile cellulaire dans les pays en développement a dépassé le cap des 50 pour 100 pour atteindre, selon une estimation, 57 pour 100 habitants à la fin de 2009; même si ce pourcentage reste bien au-dessous de la moyenne des pays développés, dont le taux de pénétration dépasse les 100 pour cent, le taux de progression reste remarquable: dans les pays en développement, la pénétration du mobile cellulaire a en effet plus que doublé depuis 2005, année où elle n'était que de 23 pour 100.

L'utilisation de l'Internet a elle aussi continué de progresser, bien qu'à un rythme moins rapide. En 2009, on estimait que 26 pour 100 de la population mondiale (soit 1,7 milliard) utilisait l'Internet. Dans les pays développés le pourcentage reste beaucoup plus élevé que dans les pays en développement, dont quatre habitants sur cinq n'ont toujours pas accès aux avantages de pouvoir être en ligne; et là, la Chine à elle seule représentait un tiers des utilisateurs de l'Internet. Le taux de pénétration de l'Internet dans les pays développés a atteint 64 pour cent à la fin de 2009, alors que dans les pays en développement il n'était que de 18 pour cent (et uniquement de 14 pour cent si on retranche la Chine). Un important problème pour accroître le nombre des usagers «en ligne» est la disponibilité limitée de l'accès à la large bande fixe, qui est l'apanage essentiellement des internautes des pays développés et de certains pays en développement. Plus de la moitié des abonnés à la large bande fixe dans les pays en développement se trouvent en Chine, pays qui a dépassé les Etats-Unis comme plus grand marché de la large bande fixe dans le monde en 2008. Le taux de pénétration du large bande est de 23 pour 100 habitants dans les pays développés contre quatre pour cent seulement dans les pays en développement (ou deux si on retranche la Chine). Dans le secteur du large bande mobile on observe par contre des tendances prometteuses. L'avènement de l'accès à grande vitesse à l'Internet mobile dans un nombre de pays de plus en plus important favorisera davantage le nombre d'internautes, particulièrement dans les pays en développement. De fait, le nombre des abonnés au large bande mobile a augmenté de façon régulière et en 2008 a dépassé celui du large bande fixe: à la fin de 2009, on estimait à 640 millions le nombre d'abonnés mobiles contre 490 millions pour les abonnés au large bande fixe.

Figure 1 : Evolution des TIC l'échelle mondiale.

III. Les TIC dans les pays Arabes 

Pendant la décennie passée, la région des états d'Arabes a accompli un progrès significatif quant à l'accès et à l'utilisation des TIC. Sur le marché mobile, un certain nombre d'opérateurs nationaux ont augmenté leurs services aux clients à travers et au delà de la région. La téléphonie mobile s'est développée à un taux annuel de 55 pour cent, atteignant un niveau de pénétration de 63 pour cent à la fin de 2008. Il y a maintenant 16 utilisateurs d'Internet par 100 habitants, comparés seulement à 4 en 2003. Néanmoins, comparé à d'autres régions, l'utilisation d'Internet, et l'accès à bande large particulier, est plutôt encore limité et hors de l'extension de la plupart des personnes dans la région, en particulier ceux vivant dans des zones rurales. Les états arabes sont caractérisés par des disparités importantes en termes de niveaux de revenu, qui correspondent aux différences dans le développement des TIC. Les pays du Conseil de Coopération du Golfe (GCC), qui sont parmi les économies plus riches dans le monde entier, ont connu une croissance élevée du niveau des TIC. Les EAU étaient le premier pays à surpasser les 200 pour cent en ce qui concerne la pénétration de la téléphonie cellulaire mobile en 2008. D'autres pays (tels que les Comores, Djibouti, la Mauritanie, le Soudan ou le Yémen), d'une part, sont parmi les pays les plus pauvres dans le monde, avec un niveau très bas du taux de pénétration des TIC. La région comporte également plusieurs pays de population élevée, tels que l'Egypte, le Soudan, l'Algérie, le Maroc, l'Irak et l'Arabie saoudienne, qui fournissent des marchés importants de croissance pour des services de TIC, constituant une extension élevée des abonnements mobiles, des utilisateurs d'Internet, et des abonnés à bande large en 2008.

Mais un certain nombre de défis reste à relever dans la région afin d'augmenter l'accès aux TIC et apporter les avantages des TIC à une grande partie de sa population. Il y a une relation linéaire entre la population de la région des états Arabes, qui représente actuellement autour 5% de la population globale, et sa part dans l'utilisation globale des TIC.

Pendant la décennie passée (1999-2008), la téléphonie mobile a connu une croissance exponentielle, augmentant à un taux annuel de 55% et atteignant 63 % de pénétration vers la fin de 2008. En même temps, la région a eu 10 lignes téléphoniques fixes pour 100 habitants, et 16 environ sur 100 habitants utilisaient l'Internet. Quant au développement de la bande large, les états arabes sont toujours à un niveau bas vers la fin de 2008 ; les abonnés à bande large fixes et les abonnements à bande large mobiles ont atteint 1% et 3% de pénétration, respectivement. Le graphique suivant illustre l'évolution des TIC dans les pays arabes :

Figure 2 : Evolution des TIC dans les pays arabes.

Lorsqu'on compare à la moyenne du monde, les états arabes affichent un taux plus élevé d'adoption seulement quant aux abonnements cellulaires mobiles. La région traîne derrière au niveau des taux de pénétration fixes de ligne téléphonique et d'utilisateur d'Internet et est également considérablement derrière la moyenne du monde en termes d'utilisation de la bande large fixe et mobile. Par conséquent, en date de 2008, les états arabes ont expliqué 5% des abonnements cellulaires mobiles du monde, 3% des lignes fixes de la téléphonie du monde et 4% des utilisateurs de l'Internet du monde. Le graphique suivant nous montre la situation des pays arabes par rapport au reste du monde concernant l'évolution des TIC :

Figure 3 : Situation des pays arabes par rapport au reste du monde concernant l'évolution des TIC.

Selon le dernier rapport du FEM, certains indicateurs pour le Maghreb concernant l'année 2008 peuvent être résumés dans le tableau suivant :

Tableau 1 : Indicateurs clés de chaque pays du Maghreb.

Source : Rapport de mars 2010 du Forum Economique Mondial

Selon les rapports du FEM et l'UIT, nous disposons également des rangs occupés par les pays du Maghreb qui sont récapitulés dans les tableaux suivants pour certaines années.

Tableau 2 : Rangs occupés par les pays du Maghreb selon le NRI.

Pays

Année

Algérie (rang)

Libye (rang)

Maroc (rang)

Mauritanie (rang)

Tunisie (rang)

2009-2010 (133)

113

103

88

102

39

2008-2009 (134)

108

101

86

109

38

2007-2008 (127)

88

105

74

97

35

Source : Rapport de mars 2010 du Forum économique mondial.

Tableau 3 : Rangs occupés par chaque pays du Maghreb selon l'IDI.

Pays

Année

Algérie (rang)

Libye (rang)

Maroc (rang)

Mauritanie (rang)

Tunisie (rang)

2008-2009 (159)

100

78

97

126

85

2007-2008 (159)

97

79

103

128

83

Source : Rapport de mars 2010 de l'Union internationale des télécommunications

IV. Les TIC en Afrique subsaharienne 

L'augmentation du nombre d'abonnements à la téléphonie cellulaire mobile au cours des cinq dernières années a fait mentir toutes les prévisions et l'Afrique subsaharienne reste la région où la progression de la téléphonie mobile a été la plus forte. Fin 2008, on comptait en Afrique 246 millions d'abonnements mobiles, avec un taux de pénétration qui est passé de tout juste 5% en 2003 à plus de 30% aujourd'hui. Le nombre élevé d'abonnements à la téléphonie cellulaire mobile par rapport au nombre de lignes téléphoniques fixes et le fort taux de croissance de la téléphonie cellulaire mobile donnent à penser que l'Afrique subsaharienne a montré la voie en ce qui concerne le passage de la téléphonie fixe à la téléphonie mobile, tendance que l'on observe dans le monde entier. Le nombre d'internautes a lui aussi augmenté plus vite que dans d'autres régions. Malgré une croissance rapide, les taux de pénétration des TIC en Afrique subsaharienne pour 2009 sont bien en deçà de ceux observés dans le reste du monde et très peu de pays d'Afrique subsaharienne atteignent des niveaux de pénétration des TIC comparables aux moyennes mondiales. Moins de 5% des Africains utilisent l'Internet et les niveaux de pénétration de la large bande fixe et de la large bande mobile sont insignifiants. Les pays d'Afrique subsaharienne rencontrent un certain nombre de difficultés pour faire progresser les niveaux de pénétration des TIC: pas de libéralisation totale des marchés et disponibilité limitée de l'infrastructure, par exemple le manque de largeur de bande Internet internationale. En outre, les prix des services TIC restent très élevés par rapport aux niveaux des revenus et les services Internet large bande sont financièrement hors de portée de la plupart des Africains.

Entre 2003 et 2008, le nombre d'abonnements à la téléphonie cellulaire mobile en Afrique a augmenté deux fois plus rapidement que dans le monde, en témoigne le graphique suivant :

Figure 4 : Evolution des TIC en Afrique, taux pénétration, 1998-2008.

Même si l'Afrique a réalisé des progrès impressionnants en ce qui concerne les taux de pénétration des TIC, elle est largement distancée par les autres pays du monde, cela est remarquable sur le graphique suivant :

Figure 5 : Adoption des TIC en Afrique dans les pays en développement et dans le monde, 2008

Tableau 4 : Indicateurs clés de quelques pays de l'Afrique subsaharienne.

Pays

Indicateurs clés

Botswana

Maurice

Sénégal

Rép.sud Afr

Congo

Burkina

Population (millions), 2008

1,90

1,30

12,20

48,7

4,01

15,2

PIB par Habitant ($), 2008

14,90

12,01

1,73

10,13

4

1,26

Nombre d'abonnés aux téléphones cellulaires mobile pour 100 habitants

77,30

80,70

44,10

90,60

ND

16,8

Nombre d'utilisateurs Internet pour 100 habitants

6,20

22

8,40

8,40

5,3

0,9

Bande passante Internet (Mb/s) pour 10.000 habitants ,2007

2,20

3,6

2,30

0,70

ND

0,1

Licence délivré par million d'habitant

0,0

0,0

0,0

1,90

0,0

0,0

Source : Rapport de mars 2010 du Forum Economique Mondial

ND : Non disponible

Tableau 5 : Rangs occupes par quelques pays de l'Afrique subsaharienne selon le NRI.

Pays

Année

Botswana (rang)

Maurice (rang)

Sénégal

(rang)

Rép.sud Afr

(rang)

Congo

(rang)

Burkina Faso

(rang)

2009-2010 (133)

86

53

75

62

ND

108

2008-2009 (134)

77

51

80

52

ND

113

2007-2008 (127)

78

54

85

51

ND

103

Source : Rapport de mars 2010 du Forum économique mondial

Tableau 6 : Rangs occupes quelques pays de l'Afrique subsaharienne selon l'IDI.

Pays

Année

Botswana

(rang)

Maurice (rang)

Sénégal (rang)

Rép.sud Afr

(rang)

Congo (rang)

Burkina

(rang)

2007

(159)

110

68

136

91

135

155

2008

(159)

109

72

131

92

132

155

Source : Rapport de mars 2010 de l'Union internationale des télécommunications.

V .Synthèse des rapports sur le classement des pays en de matière de TIC 

V.I. Selon le rapport du FEM

C'est la Suède qui arrive en tête de liste du rapport regroupant 133 pays, devant Singapour et le Danemark, qui occupait le sommet du classement depuis trois ans.

Les autres pays nordiques continuent de figurer en bonne place dans le classement NRI 2009-2010, la Finlande, la Norvège et l'Islande aux 6ème, 10ème et 12ème positions respectivement.

En Asie, plusieurs pays figurent au top 20 de l'indice global. Il s'agit de Singapour (2ème), de Hong Kong (8ème), de Taiwan (11ème) et de la Corée du Sud (15ème). La Chine et l'Inde, souvent encensées pour leurs efforts en matière de nouvelles technologies, n'occupent que la 40ème (gagnant 16 places) et la 43ème place respectivement.

Au niveau du monde arabe, les Emirats Arabes Unis se confirment à la 23ème position.

Ce résultat est dû, en particulier, aux efforts du gouvernement et des professionnels dans le domaine de la qualification et au climat de transparence entre organisations gouvernementales, non gouvernementales et le secteur privé. A remarquer par ailleurs l'amélioration continue des classements du Bahreïn (37 au 29ème), de l'Arabie Saoudite (40 au 38ème).Les pays comme la Jordanie (du 44 au 44ème), l'Oman (50 au 50ème), du Qatar (du 29ème au 30ème rang) n'ont pas progressé.

De son côté, le Maroc se positionne au 88ème rang parmi les 133 pays retenus, reculant de 2 rangs par rapport à l'année dernière. Il est devancé par de nombreux pays de la région comme la Tunisie (39ème au niveau mondial et 1ère en Afrique), l'Arabie Saoudite (38ème), la Jordanie (44ème), Oman (50ème) et l'Egypte (70ème).

L'Afrique subsaharienne quant à elle renferme la majorité des pays (Burkina Faso, Cameroun, Burundi, Zimbabwe, Tchad.....) se trouvant en bas de l'échelle par contre certains pays de l'Afrique subsaharienne se sont distingués en réalisant certains progrès dans le domaine des TIC et sont même mieux classés que le Maroc quand bien même certains ont reculé dans le classement par rapport à l'année dernière ; il s'agit de l'Île Maurice (du 51 au 53ème), de l'Afrique du Sud (du 52è au 62ème), le Sénégal (du 80è au 75ème), le Botswana (du 77 au 86ème).

Tableau 7 : Evolution du classement des 5 premiers pays en matière de TIC selon le FEM depuis 2004.

Pays

2010

2009

2008

2007

2006

2005

2004

 

 

Taille de l'échantillon

133

134

127

122

115

104

102

Variation

(2009-2010)

Suède

1

2

2

2

8

6

4

1

Singapour

2

4

5

3

2

1

2

2

 ?

Danemark

3

1

1

1

3

4

5

-2

 ?

Suisse

4

5

3

5

9

9

7

1

Etats-Unis

5

3

4

7

1

5

1

-2

 ?

Source : rapport 2010 du FEM

V.2. Selon le rapport de l'UIT:

Selon ce rapport, c'est encore la Suède arrive au premier rang et ce pour la deuxième année consécutive. Les dix premiers pays du classement dans ce rapport font partie, à part le Japon et la Corée du Sud, de l'Europe. Ces pays dans l'ordre du classement 2008 sont: la Suède, le Luxembourg, la République de Corée, le Danemark, les Pays-Bas, l'Islande, la Suisse, le Japon, la Norvège et le Royaume Uni.

Les pays qui ont réalisé les meilleures progressions entre 2007 et 2008 sont : Bahreïn (de 35 à 33ème), Cap Vert (107 à 102ème), Grèce (31 au 30ème), Macédoine (de 63 au 51ème), Nigéria (du 134 au 122ème), Emirats Arabes Unis (33 au 29ème) et Vietnam (93 à 86).

Le Maroc (de 103 à 97) progresse au classement de 4 places en 2008 par rapport à 2007 grâce notamment à un meilleur classement d'un des trois sous indice de l'IDI qui est le sous indice usage. Si les scores de l'IDI ont évolué pour tous les pays comparés au Maroc en 2008, les classements n'ont pas eu la même tendance. Au Maghreb, le Maroc et la Libye ont gagné quelques places en 2008 par rapport à 2007 alors que, la Tunisie (83 au 85ème), l'Algérie (97 au 100ème) ont régressé.

Encore, selon ce rapport, la majorité des pays les moins « connectés » au monde sont ceux de l'Afrique subsaharienne, mais cette dernière regorge également des pays qui ont des rangs considérables par au Maroc ; ce sont en exemple Seychelles (de 62 à 66ème), Maurice (68 à 72ème), l'Afrique du sud (91 à 92ème).

Tableau 8 : Evolution du classement des 5 premiers pays en matière de TIC selon l'UIT depuis 2002.

Pays

2008

2007

2002

Variation (2007-2008)

Echantillon

159

159

154

Suède

1

1

1

0

Luxembourg

2

6

21

4

 ?

Corée_du_sud

3

2

3

1

?

Danemark

4

3

4

1

 ?

Pays-Bas

5

5

6

0

Source : rapport 2010 de l'UIT.

Tableau 9 : Classement des 5 premiers pays par région selon l'UIT.

Source : rapport 2010 de l'UIT.

Malgré sa position au niveau mondial, les rapports soulignent cependant que le Maroc a enregistré un certain niveau de progrès en matière des TIC qui ont permis d'octroyer des possibilités meilleures aux citoyens, de promouvoir leurs affaires et d'améliorer leurs conditions de vie. Le progrès considérable, rendu possible avec l'essor de la téléphonie mobile et de l'Internet, a impulsé un changement notable au niveau des entreprises, des méthodes d'enseignement, des moyens d'échanges d'informations ... au Maroc.

Vraisemblablement, le Maroc connaît aujourd'hui une évolution remarquable dans le secteur des TIC par rapport à certains pays qui le surclassent dans les rapports ; cela s'explique par le fait qu'il y a des limites méthodologiques au niveau de ces rapports. En guise d'exemple, Le NRI met surtout en avant les variables d'opinion publique dans la composition de l'indice global. En effet, 3/5 des variables (68 au total) sont établis sur la base de sondages d'opinion publique (variables qualitatives), d'où le risque d'avoir des réponses erronées reflétant soit une information incomplète des enquêtés, soit des perceptions, des motivations subjectives ou des préférences des personnes interrogées.

Ajoutons, d'un autre côté, à ces limites, le biais culturel des enquêtes internationales d'opinion à cause des différences culturelles vis-à-vis des enquêtés. En effet, les personnes interrogées peuvent faire preuve d'un patriotisme ou d'un esprit critique très variable d'un pays à l'autre, éventuellement sous l'influence des objectifs de l'organisme qui réalise l'enquête.

Ainsi, il serait donc intéressant de découvrir dans le chapitre suivant la situation des TIC au Maroc.

Chap. III : les TIC au Maroc

I. Aperçu historique des TIC et action des pouvoirs publics en faveur du développement des TIC au Maroc 

Le Maroc, pays en voie de développement, s'est ouvert sur l'Europe il y a de nombreuses années vu son histoire et son emplacement géographique stratégique. Ses relations extérieures lui ont permis certes d'être au courant des mutations technologiques, mais aussi de les suivre dans la mesure du possible ; « ...Le monde aujourd'hui vit des évolutions civilisationnelles, scientifiques et technologiques fondamentales. Chaque jour qui passe nous apporte son lot de nouveautés. Parmi les éléments les plus marquants de ces changements, la mutation des systèmes de production et des modèles de consommation, l'émergence des nouvelles technologies de l'information et de la communication et le développement rapide des services vont amplifier la mondialisation, la globalisation des marchés et l'internationalisation des acteurs. La mise en place de cette société de communication annonce un monde où l'information représente la ressource de base des économies et des sociétés. Cette évolution fait de plus en plus appel aux technologies de la connaissance et préfigure un monde où le savoir devient une des clés de la compétitivité des entreprises et des économies » a déclaré Feu SM le Roi Hassan II en s'adressant aux participants des 2èmes journées Nationales des Télécommunications tenues en 1994.

Le Premier Ministre A. Youssoufi a également, dans une déclaration faite devant les deux chambres du parlement en 1998, indiqué que : "Le Maroc est plus que jamais condamné à s'adapter, à s'ouvrir à la nouvelle société émergente de l'information et du savoir, à se positionner dans les nouvelles technologies et créneaux économiques et à s'imprégner des idées et valeurs universelles. Le gouvernement conduira une politique permettant l'entrée du Maroc dans la société de l'information. Il définira et mettra en oeuvre une stratégie nationale globale et intégrée dans la poste, les télécommunications, l'informatique, l'audiovisuel et la communication. Il s'attachera à généraliser l'utilisation des technologies de l'information; à maîtriser la libéralisation du secteur en favorisant la concurrence; à garantir l'accès à l'information et au savoir; à mettre en place un plan de déploiement des autoroutes de l'information et à accélérer le programme d'équipement du pays".

En effet, la volonté du Maroc d'entrer dans l'ère des nouvelles technologies de l'information se concrétise avec sa stratégie nationale menée par le SEPTTI6(*) et qui vise à l'insertion de l'ensemble de l'économie marocaine dans la société de l'information.

Le SEPTTI, successeur du ministère des postes et des télécommunications depuis 1998, joue un rôle important au sein du gouvernement. Il est l'unité administrative du gouvernement responsable de l'élaboration et de la mise en exécution des politiques relatives aux technologies de l'information et de la communication. Il participe à la conceptualisation des orientations générales des politiques gouvernementales en matière de technologies de l'information, des télécommunications, de la poste et du développement des réseaux. En outre, il participe avec l'ANRT au comité permanent des radiocommunications. Le SEPTTI organise des conférences et prépare les plans d'action du gouvernement dans les domaines mentionnés précédemment. Le plan quinquennal 1999-2003 du gouvernement en TIC a été conçu et préparé par le SEPTTI.

Sa stratégie s'articule autour des axes de développement suivants :

§ Élaborer une législation capable de répondre à la problématique actuelle (protection des noms de domaines commerciaux, protection des données nominatives, commerce électronique, etc.) ;

§ Amorcer un tournant au niveau de l'éducation (alphabétisation, intégration des outils informatiques et d'Internet aux écoles, etc.) ;

§ Éviter la fracture numérique par des politiques qui favoriseraient le déploiement des nouvelles technologies dans les régions et les couches de population les plus démunies ;

§ Financer la création d'entreprises de la nouvelle économie du savoir (capital risque, prêt au démarrage des entreprises à contenu technologique, etc.) ;

Au fil des années, le secteur des TIC a connu une évolution allant dans le sens d'une volonté politique ; certaines dates importantes peuvent être citées :

§ 1956 : Création du Ministère des Postes et des Télécommunications ;

§ 1984 : Office Nationale des Postes et des Télécommunications(ONPT) voit le jour .En effet, un contrat programme 1993-1997 conclu entre l'Etat et l'ONPT (Office National des Postes et Télécommunications) a eu le mérite d'engager le Maroc dans un processus d'extension et de modernisation de ses réseaux des télécoms. De plus, la réflexion menée dès 1995 au sein de l'initiative « Maroc Compétitif », a abouti en 1996 à la définition de stratégies de développement de la compétitivité pour quatre grappes, dont l'électronique et les technologies de l'information. Cette réflexion a débouché sur la formulation de plusieurs orientations concrètes pour la dynamisation de ce secteur.

Par ailleurs, et conformément aux Hautes Directives Royales, le Maroc entreprit une restructuration du secteur grâce à l'adoption de la loi 24-96 en août 1997 qui a permis de lancer une première étape de libéralisation du secteur des télécommunications qui s'est traduite notamment par :

§ Création de l'Agence Nationale de Réglementation des Télécommunications (ANRT) ;

§ Création de deux nouvelles entités, Maroc Telecom en tant que société anonyme chargé du développement et de l'exploitation des réseaux et services de télécommunications et Poste Maroc en tant qu'établissement public chargé du développement et de l'exploitation des réseaux et services postaux et financiers ;

§ Création de deux nouvelles entités, Maroc Telecom (Itissalat Al Maghrib SA - IAM) et Poste Maroc (Barid Al Maghrib) ;

§ Octroi de nouvelles licences télécoms.

D'autre part, au cours de la période 1993-1997, voire au-delà, plusieurs initiatives ont été prises par le Gouvernement marocain en termes de gouvernance de la politique de la Société de l'Information

§ 1995 : Introduction de l'internet au Maroc ;

§ 1996 : Initiative « Maroc Compétitif »

§ 1997 : Création en juin du Groupe de Technologies de l'Information par le Ministère du commerce et de l'industrie et organisation du premier séminaire national sur le "développement des télé-services au Maroc" ;

§ 1997 : Promulgation de la loi 24-96 portant réforme du secteur des télécommunications ;

§ 1998 : Création du secrétariat d'Etat auprès du premier ministre chargé de la poste et des Technologies des Télécommunication et de l'Information, le SEPTTI ;

§ 1998 :Création en place du comité public et privé de suivi des Technologie de l'Information (CSTI), composé de représentants des sphères publique et privée qui publiera quelques mois plus tard le rapport sur « Le Maroc et les technologies des l'information : bases d'une stratégie » ;

§ 1998 : Création d'une Autorité indépendante de régulation ;

§ 1999 : Insertion dans le Plan Quinquennal 1999-2003 de la volonté d'inscrire le développement des télécommunications et des TIC comme une priorité nationale et une option stratégique du développement économique, industriel et social du Royaume ;

§ 1999 : Attribution d'une licence pour un 2ème réseau GSM pour 1,08 milliard US$

§ 2001 : Signature entre le Gouvernement et l'Association des professionnels des TIC, l'APEBI, d'un contrat-progrès appelant à une "rupture positive" ;

§ 2001 : Publication de la Lettre de Politique Sectorielle présentant le "Programme de développement des infrastructures de l'information" et organisation du Symposium national sur la Société de l'Information ;

§ 2001 : Présentation du premier document " Stratégie e-Maroc : propositions pour une mise en oeuvre opérationnelle" ;

§ 2001 : Octroi de 8 licences satellitaires ;

§ 2003 : Instauration du Comité National e-Gov pour le développement de l'administration électronique ;

§ 2004 : Le CSTI7(*) devient le Comité Stratégique des TIC organisé en plusieurs pôles ;

§ 2004 : Lancement du processus de libéralisation de l'Audiovisuel ;

§ 2004 : Nouvelle loi des télécommunications 55-01 modifiant et complétant la loi 24-96 ;

§ 2004 : Introduction de 15% du capital de l'opérateur historique en bourse (Casablanca et Paris) ;

§ 2004 : Vision de développement du secteur des télécommunications 2004-2008 ;

§ 2005 : Elaboration et lancement de la Cyber-Stratégie nationale e-Maroc 2010.Cette stratégie nationale pour le développement de la Société de l'Information et l'Economie du Savoir a été baptisée e-Maroc 2010.Dès son élaboration et depuis son lancement en Janvier 2005, e-Maroc 2010 a pu bénéficier du consensus des différents acteurs intervenant dans le secteur des TIC (départements gouvernementaux, comités en place, secteur privé et société civile). L'assertion fixant « Le développement de l'Economie du Savoir au Maroc » comme vision commune et concertée de la stratégie e-Maroc 2010, a pu ainsi être dégagée. Elle s'articule autour de deux objectifs stratégiques majeurs fortement liés : Réduction de la fracture numérique et Positionnement du Maroc au niveau international dans le domaine des TIC.

« Réduire la fracture numérique » s'articule autour de 4 axes stratégiques majeurs visant le développement :

§ Développement d'un contenu marocain utile et pertinent ;

§ Disponibilité d'infrastructures performantes au meilleur prix ;

§ Accès à la société de l'information pour l'ensemble des marocains ;

§ Formation en TIC adaptée à tous les niveaux.

« Positionner le Maroc à l'échelle internationale » s'articule autour de 4 axes stratégiques majeurs visant le développement:

§ D'une l'industrie des TIC productive et compétitive ;

§ De l'industrie des télé-services, notamment tournée vers l'export ;

§ De l'accès au profit des Entreprises TIC (en commun avec le premier objectif stratégique);

§ De la formation des compétences TIC (en commun avec le premier objectif stratégique).

§ 2007 : Maroc Connect qui était créé en 1999 en tant que deuxième  fournisseur d'accès à Internet au Maroc en partenariat avec  Wanadoo devient Wana, troisième opérateur à devenir global après  Maroc Telecom et Meditelecom

§ 2009 : Wana obtient la 3ème licence 2G (GSM) devenant ainsi un opérateur de télécommunications global. L'opérateur koweïtien  Zain acquiert 31% du capital de Wana.

2009 : Lancement du programme « Maroc Numeric 2013 ». Ce programme, baptisé « Maroc Numeric 2013 » et doté de 5,2 milliards de dirhams est lancé pour développer la technologie numérique. Il s'articule autour du développement de quatre axes : l'internet haut débit, l'e-gouvernement, la filière locale des TIC des petites et moyennes entreprises (PME).Lors de la présentation de cette nouvelle stratégie, quatre conventions ont été signées visant :

§ La mise en place d'un programme d'e-gouvernement permettant d'accéder aux services de l'administration sur Internet à partir du Maroc et de l'étranger.

§ Le développement d'Injaz, offre permettant à 80.000 ingénieurs et assimilés d'acquérir un portable et un accès Internet subventionnés à 85%.

§ La mise en place de Centres d'Accès Communautaire permettant aux populations rurales d'avoir accès aux télécommunications (Internet grand public Maroc Numeric 2013)

§ La création d'un fonds public-privé de 100 millions de dirhams afin d'encourager le développement de projets technologiques au Maroc.

Les TIC qui constituent 8% du PNB marocain, devraient, grâce à ce programme, atteindre les 12% en 2012. Des objectifs clairs et chiffrés à horizon 2013 sont entre autres l'obtention d'un PIB additionnel de 7 milliards de Dhs MAD, un volume d'emplois de 58000 comparé à 32000 en 2008.

§ 2010 : Wana lance l'offre GSM  INWI et devient le troisième opérateur mobile au  Maroc.

§ 2010 :Note d'orientations générales pour le développement du secteur des télécommunications à l'horizon 2013.Ainsi, dans le but de maintenir la croissance du marché et agir contre la fracture numérique, tout en assurant la visibilité pour tous les acteurs, actuels et potentiels, le Gouvernement met en oeuvre des orientations générales pour le développement du secteur des télécommunications durant la période à horizon 2013 et qui visent :

§ Le soutien de la poursuite de l'investissement dans le secteur des télécommunications considéré comme un des pôles majeurs dans le développement global de l'économie marocaine.

§ Le déploiement d'infrastructures adaptées répondant à l'évolution des usages et traduisant la détermination du Gouvernement de réduire la fracture numérique qui concerne désormais l'accès, l'usage et le contenu.

§ L'élargissement de l'accessibilité aux services des télécommunications (voix et Internet) par la mise en place des conditions à même de stimuler une baisse significative des prix des communications réduisant ainsi leur impact sur les dépenses des ménages et des entreprises.

§ La poursuite de la croissance des différents segments du marché par l'activation de leviers de régulation à même de développer la concurrence entre les différents acteurs. Pour ce faire, le Gouvernement procédera au renforcement du rôle du régulateur en le dotant des moyens nécessaires, y compris réglementaires, lui permettant la mise en place des conditions de déploiement effectif des leviers de régulation et de la concurrence.

Ces orientations générales s'intègrent dans la continuité du Plan «Maroc Numeric 2013» présenté devant Sa Majesté Le Roi, que Dieu L'assiste, le 10 octobre 2009. Elles traduisent la volonté du Gouvernement de tout mettre en oeuvre afin d'assurer au secteur un environnement propice pour son développement avec des objectifs chiffrés pour le marché des télécommunications à horizon 2013 : un parc fixe et mobile de 34 millions d'abonnés, un parc de 2 millions d'abonnés à Internet et un chiffre d'affaires global de l'ordre de 40 milliards de dirhams.

Aussi, pour atteindre ces objectifs tout en assurant un développement accru des usages, les orientations générales pour la période s'articulent autour de quatre axes majeurs :

§ Déploiement de mesures de régulation ;

§ Adoption d'un calendrier de libéralisation donnant la visibilité nécessaire aux acteurs existants et/ou potentiels du marché ;

§ Elaboration d'un plan d'actions national pour le développement de l'Internet très haut débit ;

§ Révision du cadre législatif et réglementaire.

II. Etat de lieux des TIC au Maroc 

Le secteur des technologies de l'information et des communications (TIC) connaît une véritable explosion au Maroc. Les chiffres pour plusieurs indicateurs ont en effet galopé, et de nouveaux outils qui ont été développé dans ce secteur connaissent un essor remarquable.

Ainsi, disposons-nous des dernières statistiques (de 2009) sur l'évolution des TIC au Maroc :

II.1. Régulation et réglementation 

Le secteur des télécommunications est régulé au Maroc par l'ANRT (Agence Nationale de Régulations des Télécommunications) qui est une agence performante et autonome, crée en 1997 suite à des réformes et restructurations dans le secteur des télécommunications. L'ANRT est dotée de larges prérogatives. Le conseil des ministres a adopté trois décrets les renforçant davantage. L'objectif étant de renforcer la mission de l'ANRT, pour intégrer, outre la veille à la concurrence, la possibilité de trancher et arbitrer les litiges, afin de pouvoir évoluer dans un environnement concurrentiel loyal.

Selon les dernières informations publiées sur le site de l'ANRT, le secteur des télécommunications se dote d'une nouvelle note d'orientations générale à l'horizon 2013.Il est également annoncée que L'ANRT a été désignée en tant que «Meilleur Régulateur Afrique du Nord» pour l'année 2009 lors de la dernière conférence d'Africa Telecom People (ATP), qui s'est tenue le vendredi 12 février 2010 à Paris.

II.2. Opérateurs téléphoniques 

En plus des trois principaux opérateurs téléphoniques que sont Maroc Telecom, Meditelecom, Wana, le Maroc compte douze(12) opérateurs satellites fournissant chacun des services divers sur le marché des télécommunications.

II.2.1. Maroc Telecom 

Maroc Télécom (ÇáãÛÑÈ ÇÊÕÇáÇÊ = Itissalat-Al-Maghreb), ou IAM, est la 1re société de télécommunications au  Maroc. Privatisé par le Royaume du Maroc à partir de 2001, elle devient une filiale du groupe français Vivendi.

1) Historique

§ En 1999, L'ONPT, Office National des Postes et Télécommunications, est divisée en 2 entités séparées : la Poste Maroc et Maroc Télécom, cette dernière devient une société anonyme indépendante appartenant à 100% à l'Etat marocain.

§ En décembre 1999, acquisition de 80% du capital de Casanet, l'un des premiers fournisseurs d'accès à  Internet au  Maroc, qui a créé en 1995 le site  Menara.

§ Le 20 février 2001, Vivendi a acquis 35% du capital de IAM, en obtenant l'appel d'offres international relatif à sa privatisation.

§ Avril 2001 : Suite à l'appel d'offres international lancé par le gouvernement mauritanien, Maroc Télécom a acquis 54% du capital du groupe Mauritel, l'opérateur historique mauritanien, né en 1999.

§ Le 17 octobre 2001, Casanet est devenue une filiale à 100% de Maroc Télécom.

§ Décembre 2003, multiplication par 3 du chiffre d'affaires annuel de Casanet. Son activité est centrée sur des offres entreprises et la gestion de portails, dont le portail  Menara.

§ Novembre 2004 :  Vivendi augmente sa participation à 51% du capital de IAM.

§ Décembre 2004 : Maroc Télécom introduit une partie de son capital à la BVC de Casablanca et à la Bourse de Paris.

§ Décembre 2007 : au terme d'un programme d'échange d'actions entre royaume du Maroc par l'intermédiaire de la Caisse de Dépôt et de Gestion ( CDG) du Maroc et Vivendi. ce dernier acquière 2% supplémentaires, ce qui porte ainsi sa participation à 53% du capital contre 30% pour la  CDG. les 17 % étant détenu par le public coté en bourse de  Bourse de Paris et de  Bourse de Casablanca (2e place boursière d' Afrique).

2) Activités

Les chiffres consolidés à la fin juin 2008 comprenant les marchés du Maroc, France, Belgique, Mauritanie, Burkina Faso et Gabon.

§ Téléphonie mobile : 16,71 millions de clients.

§ Téléphonie fixe : 1,736 millions de clients.

§ Internet : 560 000 clients.

3) Filiales et participations

§ Mauritel (52 %) -  Mauritanie

§ Onatel (51%) -  Burkina Faso

§ Gabon Télécom (51%) -  Gabon

§ Mobisud ( MVNO) (66% et 16% détenu par  SFR) -  FranceBelgique

§ SOTELMA -  Mali

§ Médi1Sat (télévision) (39%) -  Maroc

§ Casanet ( FAI) (100%) -  Maroc

§ Menara Portail FAI (100%) -  Maroc

4) Indicateurs d'activités

En 2008, Maroc Télécom a annoncé des bénéfices record en progression de 19,6% pour un chiffre d'affaires de 2,5 milliards d'euros. Bien que son chiffre d'affaires ne constitue que 10% de celui de sa maison mère Vivendi, les bénéfices représentent eux 25% du total, la rentabilité elle se situe à 44% ce qui a fait dire qu'elle défiait les lois de la pesanteur.

5) Concurrence

Avec plus de 22,615 milliards de Dhs de chiffres d'affaires en 2006, Maroc Télécom est le leader historique sur le marché des télécommunications au Maroc avec plus de 60% de part de marché dans la téléphonie mobile, et près de 90% de part de marché en ce qui concerne la téléphonie fixe et l'Internet. Il partage le marché marocain, avec 2 autres opérateurs: Meditelecom et Wana Corporate.

II.2.2. Meditelecom 

Meditelecom ou Meditel est le premier opérateur de téléphonie privée au Maroc. Médi Telecom s'est vu octroyer en août 1999 la deuxième licence GSM au terme d'un concours officiel de mise en candidature de sept compagnies de télécommunications.

1) Historique

§ Meditelecom fut créée en  1999 conjointement par  Telefónica et  Portugal Telecom qui en détenaient 32,18% chacun.

§ En  septembre 2009, les groupes marocain  Finance Com et  CDG rachètent les parts de  Telefónica et Portugal Telecom.

2) Actionnariat

Le capital est composé de : Fipar Holding : 49,77 %, Finance Com : 37,18 %, RMA Watanya : 13,06%

3) Indicateurs d'activité

§ Parc clients Mobile (au  30 juin  2009) : 8,634 millions (+21,9%)

§ Chiffre d'affaires  2008 : 5,2 milliards de MAD

§ Résultat net  2008 : 457 millions de MAD.

4) Réseaux de distributeurs

Meditelecom possède un modèle de distribution externalisé. Elle a ainsi confié l'intégralité de sa distribution grand public à un réseau de distributeurs dont : AVEPHONE, First Telecom, BestMark, Mobil om, Mobile Phone, IlaïCom.

II.2.3. Wana Corporate 

Wana (anciennement Maroc Connect) est depuis le premier janvier 2007 un  opérateur de télécommunications global. Filiale du  Groupe ONA, Wana est le troisième opérateur de téléphonie du Maroc. Elle commercialise ses produits sous la marque  Bayn avec trois déclinaisons : Bayn Familial, Bayn Personnel et Bayn Internet.

1) Historique

§ 1999 : Création de Maroc Connect en tant que deuxième  Fournisseur d'accès à Internet au Maroc en partenariat avec  Wanadoo.

§ 2000 : Maroc connect est le premier fournisseur en Afrique du nord à lancer des solutions d'entreprise basés sur la technologie IP MPLS, il acquiert 80% du marché.

§ 2004 :  Attijariwafa Bank et la  Caisse de dépôt et de gestion (CDG) entrent dans le tour de table de Maroc Connect suite au désengagement de  France Télécom.

§ 2005 : Le  Groupe ONA, 1er Groupe privé Marocain, est devenu l'actionnaire de référence de Maroc Connect, par ailleurs un partenariat stratégique a été conclu avec l' Office National d'Electricité dont le réseau de fibres optiques couvre la totalité du Maroc avec un accès direct sur l'Europe via l'Espagne.

§ 2006 : Maroc Connect acquiert une licence mobile 3G  CDMA en  juillet  2006.

§ 2007 : Maroc Connect devient Wana, troisième opérateur à devenir global après  Maroc Telecom et Meditelecom.

§ 2008 : Wana devient un opérateur avec plus de 1 000 000 de clients en mobilité restreinte  CDMA.

§ 2009 : Wana obtient la 3ème licence 2G (GSM) devenant ainsi un opérateur de télécommunications global. L'opérateur koweïtien  Zain acquiert 31% du capital de Wana.

§ 2010 : Wana lance l'offre GSM  INWI et devient le troisième opérateur mobile au  Maroc.

2) Activités

§ Téléphonie fixe (mobilité restreinte  CDMA), ce type de fixe (considéré comme tel par l'ANRT) ne dépasse pas un périmètre de 35 km dans la zone d'activation, mais l'envoi et la réception des SMS sont assurés.

§ Téléphonie mobile ( CDMA) avec un prix de 3 dh/min pour tous les opérateurs

§ Internet (Technologie  CDMA), la connexion a trois types : le « Huawei EC325 » avec un débit limité à 24 ko/s (128 kpbs) dans les meilleures conditions, le « LG ldu 800 » avec un débit limité à 120 ko/s (1028 kpbs) dans les meilleures conditions, le « LG ldu 1900 » pas d'informations disponibles.

§ Bladibox (Service de voIP) (disponible pour les marocains à l'étranger)

§ WanaOne (Double Play) (pour les entreprises).

II.3. Services offerts par les principaux opérateurs 

II.3.1. Téléphonie mobile 

Au terme de l'année 2009, le parc des abonnés mobile a enregistré une croissance annuelle de 10,94% en atteignant 25 310 761 abonnés contre 22.815 694 abonnés une année auparavant. Comme pour l'année 2008, le taux de croissance trimestriel des abonnés du mobile a enregistré des évolutions moyennes tout au long de l'année mais avec des ampleurs différentes d'un trimestre à l'autre. En effet, le troisième trimestre de l'année écoulée a connu la plus grande hausse avec un taux de croissance trimestrielle de 6,56% suivi du premier trimestre avec 3,07% de croissance.

Cette performance du segment de la téléphonie mobile s'est répercutée positivement sur le taux de pénétration qui a gagné plus de 7 points en une année en affichant 81,18% à fin décembre 2009 contre 73,98% en 2008.

Figure 6 : Evolution du parc des abonnés et du taux de pénétration du Mobile au Maroc (2004-2009).

Source :ANRT Maroc

En termes de part de marché, l'opérateur historique détient la plus grande part du parc mobile avec 60,34% du marché et 37,27% pour son concurrent Medi Telecom alors que Wana Corporate détient désormais 2,39% du marché. Ces parts étaient de 63,36%, 34,73% et 1,91% pour les trois opérateurs respectivement une année auparavant.

En ce qui concerne la répartition des clients du mobile par type d'abonnement, on constate qu'il n'y a aucun changement dans la structure du marché par rapport à l'année dernière et que le prépayé prédomine toujours avec une part de 96% (95,96% à fin décembre 2008) contre 4% pour le postpayé. On note également que les deux types d'abonnement ont terminé l'année avec une hausse de 11% pour le prépayé et de 9,65% pour le postpayé par rapport à fin 2008.

II.3.2. Téléphonie fixe 

Le marché de la téléphonie fixe a terminé l'année 2009 avec une hausse de l'ordre de 17,56% comparativement à l'année précédente. Ainsi, le parc global d'abonnés a atteint 3 516 281 au 31 décembre 2009 (contre 2 991 158 abonnés en décembre 2008).

Le taux de pénétration du fixe est de l'ordre de 11,28% à la fin de l'année 2009 contre 9,70% en 2008.

Figure 7 : Evolution du parc des abonnés et du taux de pénétration du fixe au Maroc (2004-2009).

Source : ANRT Maroc

En ce qui concerne les parts des différents segments du marché, on remarque que les clients résidentiels occupent la première place avec 84,49% (+2,39% par rapport à fin 2008) suivi des professionnels avec 11,01% et les publiphones avec 4,51% (12,54% et 5,35% respectivement en décembre 2008).En termes de part de marché, l'opérateur Wana Corporate détient 64,60% du marché suivi d'IAM avec 35,10% et Medi Telecom avec 0,30%.

II.3.3. Publiphones8(*) 

Au 31 décembre 2009, le marché des publiphones a connu une baisse de 1,59% par rapport à fin 2008. Ainsi, le parc global des publiphones a atteint 172 101 à fin décembre 2009 (contre 174 890 à fin 2008).

Figure 8 : Evolution du parc des publiphones au Maroc (2005-2009).

Source : ANRT Maroc

Quant aux parts de marché, IAM détient 92,05% (+0,52% qu'en 2008) du marché des publiphones à fin décembre 2009 contre 7,95% pour son concurrent Medi Telecom.

II.3.4. Internet 

Le Maroc s'est relié au noeud international internet en novembre 1995 et est présent sur le web avec le domaine « .ma ».Ce domaine comprend :

§ Les organismes académiques, d'éducation, les écoles et universités sous l'extension

«ac.ma » ;

§ Les organisations commerciales : « co.ma » ;

§ Les organisations gouvernementales, les ministères et les administrations : «gov.ma» ;

§ Les fournisseurs d'accès Internet, de services et les cybercafés : «net.ma» ;

§ Les organismes à but non lucratif : « org.ma » ;

§ Les organismes de presse : « press.ma ».

Il ya aujourd'hui, plus de 8000 noms de domaine « .ma » et plus de 10000 domaines toutes connexions confondues. Cela favorise le développement du secteur de l'internet qui ne cesse de révéler des chiffres satisfaisants.

En effet, fin 2009, le parc total Internet9(*) a atteint 1 186 923 abonnés en réalisant une hausse de 56,70% par rapport à 2008 (757 453 abonnés).

Figure 9 : Evolution du parc des abonnés et du taux de pénétration des l'internet au Maroc (2004-2009).

Source : ANRT Maroc

En termes de part de marché, IAM détient 53,96% du parc Internet suivi de Wana Corporate avec 32,87% et de Medi Telecom avec 12,94%.

Le parc des abonnés Internet bas débit, en comptabilisant les utilisateurs de l'option d'accès Internet « sans abonnement »3 a atteint 4 019 abonnés en décembre 2009 soit un recul de 26,32% par rapport à fin 2008.

Le nombre d'abonnés Internet ADSL a enregistré un recul de 1,70% au cours de l'année 2009 (1,34% de croissance en 2008 et 21,9% de croissance en

2007), en passant de 482 791 abonnés en décembre 2008 à 474 561 abonnés

en 2009.

Le parc des abonnés à l'Internet 3G a connu une croissance soutenue durant l'année écoulée en passant de 268 131 à 707 137 abonnés soit une hausse annuelle de plus de 163,73%.

La répartition des abonnés par mode d'accès donne l'avantage à l'accès Internet 3G qui représente 59,58% du parc global Internet suivi de l'ADSL avec 39,98%.

II.4. Le secteur offshore 

Le domaine du offshore est très prisé partout du fait de la grande compétitivité en matière de main d'oeuvre bon marché et de bonne qualité avec des compétences de très haut niveau (multilingues, capacités d'adaptation etc.).L'offshore est identifié comme une niche à très haute valeur ajoutée, que ce soit les activités de développements informatiques confiées à des sociétés marocaines ou délocalisées (offshore) programming, ou bien l'infogérance consistant à sous-traiter des systèmes d'information métier d'entreprises par un prestataire spécialisé local.

De nombreux secteurs ont été précisés comme offrant un marché potentiel important pour les activités offshore notamment les banques, les assurances et les contenus multimédias.

A cet effet, de nombreuses entreprises de calibre mondial spécialisées dans les TIC et un vivier de PME étrangères très dynamiques dans ce domaine, ont d'ores et déjà délocalisé leurs activités au Maroc. Plusieurs centres créés au Maroc permettent en effet le développement du secteur des TIC au Maroc ; il s'agit entre autres de Technopolis à Salé, du Technoparc de Casablanca, de Casa-offshore à Casablanca, Tanger-offshore à Tanger, des centres d'appels qui se trouvent dans de nombreuses villes du Royaume, etc....

Ces différents centres sont les lieux privilégiés du développement de diverses entreprises dans plusieurs domaines en général et en particulier dans celui des TIC. Ces centres contribuent à la réduction du chômage par des créations d'emplois et participe à la croissance économique du pays.

En guise d'exemple, selon un bilan en 2006, cinq(5) ans après la création(en 2001) de Technoparc de Casablanca, les résultats étaient satisfaisants. Ainsi, pouvons-nous constater que ce ne sont pas moins de 60 entreprises qui sont créées chaque année sur ce site. Depuis 2001, ce sont plus de 300 entreprises qui ont bénéficié des services du Technopark. Actuellement 160 entreprises sont accompagnées dont 30 ont été créées par des Marocains qui ont décidé de rentrer au bercail. Sur un autre registre, le Technopark a permis la création de 1200 emplois qualifiés sur une période de cinq ans. Actuellement, plus de 900 cadres et ingénieurs travaillent au sein de ces différentes entreprises. Enfin, la contribution à l'économie du pays devient de plus en plus importante. En 2005, ces entreprises ont généré plus de 500 millions de DH de chiffre d'affaires, ce qui représente près de 10% du secteur des TI (à l'exclusion des télécommunications).

Encore faut-il le signaler, le nombre des centres d'appel installés au Maroc a atteint 180 Centres en 2006 en assurant un chiffre d'affaires du Maroc de 350 Millions d'euros. Ces chiffres expliquent l'impact très positif ressenti au niveau sur l'emploi (25000 postes en 2006), malgré que l'essentiel de l'activité des centres d'appel soit essentiellement orienté vers la France et l'Espagne.

II.4.1. Les cybercafés 

Plusieurs facteurs permettent d'expliquer la croissance du nombre des utilisateurs d'Internet. Il s'agit entre autres l'augmentation spectaculaire du nombre des cybercafés qui a dépassé les 7664 cybers en Juin 2007 (83% des accès se font dans ces espaces) avec des tarifs variant entre 3 et 5 MAD/h.

II.4.2. Télé-services 

Le développement des e-services, notamment ceux liés au e-gouvernement tels que définis par la stratégie «Maroc Numeric 2013», aux services de banque en ligne et au e-Learning grâce aux programmes de généralisation des technologies de l'information dans l'enseignement (GENIE, ...), peut représenter de réelles potentialités de croissance du marché durant la période à venir.

Le Maroc connaît ainsi ces dernières années le développement de plusieurs services électroniques mais nous nous limiterons à citer quelques uns.

1) E-Learning

Le e-Learning est un concept de formation en ligne basé sur du contenu multimédia. Les supports multimédia utilisés peuvent combiner du texte, des graphismes en 2 ou 3 dimensions, du son, de l'image, de l'animation et même de la vidéo. Ces supports permettent de révolutionner l'approche pédagogique, d'employer des méthodes plus ludiques où l'interactivité joue un grand rôle, de diversifier les outils employés, de s'adapter davantage au processus d'apprentissage de l'apprenant, qui devient le pilote de sa formation. Ce dernier pourra se former à son rythme en fonction de ses besoins et de ses disponibilités, ce qui est particulièrement important à une époque où la formation se décline tout au long d'une vie.

Le concept de E-Learning englobe trois éléments :

§ Du contenu pédagogique multimedia (textes, images, animations, son, vidéos) disponible sur Intranet ou Extranet ou Internet ou CD-ROM,

§ Un système de tutorat synchrone ou asynchrone,

§ Un outil de gestion et de suivi de la formation (LMS : Learning Management System).

L'adoption du e-learning par les entreprises est assez récente et s'est développée rapidement à partir de 1999. Seulement 6.8 % des entreprises utilisaient cette technique de formation avant 1998 et elles sont 65 % à l'avoir introduite depuis l'an 2000. Aujourd'hui dans les pays développés, le e-learning représente plus de 60 % du budget formation des entreprises contre moins de 10 % pour les pays en voie de développement.

Le e-learning au Maroc est un outil permettant de mettre à niveau la population et réduire le taux d'analphabétisme. Pour les entreprises qui adoptent le e-learning, cela leur permettra de réaliser des innovations technologiques, de développer un plus fort potentiel de compétences et d'améliorer le rendement de l'entreprise. 

2) E-Gov

Le programme e-Gouvernement a pour but d'améliorer le processus de traitement de l'information effectué par l'Administration et la mise en ligne de ses services au profit de l'entreprise et du citoyen. L'objectif recherché est de réduire les coûts supportés par le contribuable, d'améliorer la qualité du service rendu et de diminuer les délais de traitement.

Quand bien même le E-gouvernement se développe de plus en plus au Maroc (inscrit dans le plan Maroc Numeric 2013), des efforts restent encore à consentir ; en effet, dans son indice "2010 UN Global E-Government readiness survey", l'ONU évalue le degré d'application des technologies de l'information et de la communication (TIC) par les administrations publiques de manière à améliorer leurs prestations de services. Cet indice a classé le Maroc 126ème sur 192 pays, derrière Tunisie (66ème), Oman (82ème), l'Égypte (86ème), le Liban (93ème) et la Libye (114ème).

Quelques indicateurs de performance E-gov sont présentés dans le tableau suivant :

Tableau 10 : quelques indicateurs de performance E-GOV.

3) E-Commerce

Le commerce électronique ou vente en ligne, désigne l'échange de biens et de services entre deux entités sur les réseaux informatiques notamment internet.

D'après Maroc telecommerce.com, le montant total des paiements effectués auprès des e-marchands affiliés à Maroc Telecommerce et proposant majoritairement (plus de 99%) le paiement par carte bancaire a dépassé 52,9 millions de DH au 1er Trimestre 2010. Ce montant constitue une progression de 25% par rapport au 4ème Trimestre 2009 et la moitié du montant réalisé en 2009 (107 millions de DH). Le nombre de transactions en ligne progresse également pour dépasser les 59 mille transactions en trois mois. Ce nombre constitue une progression de 31% par rapport au 4ème Trimestre 2009 et plus de la moitié du nombre de transactions réalisé en 2009 (107 mille) .Le panier moyen s'établit pour sa part au dessus de 1000 Dhs pour les paiements par carte bancaire, en baisse de 11 % par rapport au dernier trimestre 2009 (plus de 1100 DH).

III .Utilisation des TIC au Maroc : quels impacts ?

III.1. Impacts dans les entreprises 

L'ère de la mondialisation témoigne une utilisation phénoménale de matériels, de logiciels et de services s'appuyant sur l'informatique, l'électronique, les télécommunications
(notamment les réseaux), le multimédia et l'audiovisuel de toutes sortes. Ces technologies, lorsqu'elles sont combinées et interconnectées, permettent de rechercher, de stocker, de traiter et de transmettre des informations, sous forme de données de divers types (texte, son, images fixes, images animées, etc.), et permettent l'interactivité entre les personnes, et entre les personnes et les machines. L'utilisation de plus en plus étendue des Technologies de l'Information et de la Communication par les entreprises a un impact significatif sur leurs activités. Ces entreprises exploitent ces technologies pour tirer profit de l'information dans le but de créer de la valeur pour leurs clients et permettant d'assurer des opérations rentables.

L'adoption de ces technologies dans l'entreprise, induira et ne cessera d'induire des changements fondamentaux dans les fonctions de l'entreprise. L'entreprise marocaine ne faisant pas exception à ces changements, nous pouvons donc constater un impact considérable des TIC sur cette dernière.

De façon générale, la décision d'intégrer les TIC dans leur processus d'affaires repose sur le désir des entreprises marocaines de réduire les coûts, d'augmenter la productivité ainsi que la qualité des tâches réalisées avec ces outils. Ainsi ces technologies sont devenues une composante intégrante des entreprises, en témoigne l'enquête sur les indicateurs des TIC réalisée par l'Agence nationale de régulation des télécommunications (ANRT).

La part d'investissement dans les TIC a atteint 9% en 2008. Le secteur technologique est naturellement celui où ce taux est le plus élevé (30%), suivi du secteur des services/transport (8%). De même, la part du budget de formation consacrée aux TIC a atteint près de 4% en 2008. L'enquête, qui a porté sur un échantillon de 500 entreprises, indique que la quasi-totalité est connectée à Internet, soit 91%. Le mode de connexion privilégié reste l'ADSL, avec une forte augmentation par rapport à l'année dernière. La 3G, elle, a fait sa percée avec un taux de 13% des entreprises connectées. La part des postes de travail connectés à Internet a continué à augmenter en 2008 pour atteindre 75% (+5 points par rapport à 2007). Côté parc, celui-ci est majoritairement constitué d'ordinateurs fixes desktops à hauteur de 85%. En moyenne, deux employés partagent 1 ordinateur. Le secteur technologique reste naturellement le mieux équipé. Par ailleurs, l'utilisation d'Internet au sein de l'entreprise reste limitée aux cadres. Dans le secteur industriel, près des trois quarts des utilisateurs sont des cadres. En revanche, le secteur technologique connaît une répartition assez équitable de l'accès à Internet des salariés, cadres et non cadres. L'enquête indique aussi que 50% des entreprises interrogées déclarent connaître les services 3G. Ces derniers ont réalisé une percée notoire relativement à leur entrée très récente sur le marché. Le commerce électronique accuse un faible développement auprès des entreprises aussi bien sur le plan de la vente que de l'achat en ligne étant donné le faible taux d'utilisation et le désintérêt constatés. Les intentions de commerce en ligne restent limitées et diminuent année après année. Depuis 2006, les intentions d'achat en ligne ont continué de baisser pour atteindre 5% en 2008. Même son de cloche pour les intentions de vente en ligne: 7% en 2008. Pour 38% des entreprises ayant accès à Internet, la clientèle n'est pas prête à acheter en ligne, alors que 37% déclarent que leurs produits sont peu adaptés au commerce en ligne. Le risque d'insécurité de paiement est souvent cité comme frein au commerce en ligne (27%). A signaler que la messagerie et la recherche d'information restent les principaux usages d'Internet dans les entreprises (95%). L'obtention d'information auprès d'organismes publics a connu elle aussi une forte augmentation (78%). Globalement, les entreprises marocaines ont commencé à se mettre au diapason de l'ère numérique. En 2008, 16% d'entre elles disposent d'un site web. La majorité (61%) des sites d'entreprises sont des sites plutôt à caractère commercial. La plupart des entreprises qui disposent d'un site web possèdent un nom de domaine propre. Globalement, les extensions en «.ma» et en «.com» sont les plus répandues.

A titre indicatif, signalons que l'analyse de données provenant du ministère de l'industrie du commerce et des nouvelles technologies a permis de conclure qu'il existe une relation positive entre les investissements en TIC, c'est-à-dire le ratio de dépenses en matériels TIC et la productivité des entreprises marocaines. 

III.2. Impact dans l'administration publique 

Durant ces dernières décennies, la révolution numérique a suscité d'importants changements dans différents secteurs publics : production, services, transport, etc, et ce partout dans le monde. Elle a entraîné une réduction des coûts, a rapproché les administrations de leurs citoyens, les fournisseurs de leurs clients,... et leur a ainsi permis de mieux répondre à leurs besoins. Ceci est d'autant plus important lorsqu'on on sait que dans un monde en TIC, l'efficacité, la rapidité et l'optimisation, sont les maîtres mots de la compétitivité. Ces technologies de l'information ont un rôle essentiel dans la transformation et la modernisation de l'administration. Elles facilitent la mutualisation, la rationalisation et l'adaptation des ressources aux besoins.

Dans le but d'un meilleur suivi du développement des technologies de l'information et de la communication dans les secteurs publics marocain, la question est de savoir à quel niveau d'équipement et d'accès aux technologies de l'information (TIC) a atteint l'administration marocaine ? C'est à cette question d'actualité que répond la première étude exhaustive sur les TIC dans les secteurs publics réalisée par le ministère de la modernisation de services publics, cette enquête est basée sur la réalisation d'une cartographie sur l'utilisation des TIC dans les Secteurs Publics. Cette cartographie a été établie sur la base d'un questionnaire déployé auprès de 256 entités (ministères, hauts commissariats et établissements publics) pendant la période allant d'octobre 2008 à juin 2009.

D'emblée, les résultats de la cartographie ont mis en évidence un taux de présence élevé de structure informatique chez l'ensemble des entités gouvernementales, soit 86%.Cependant, le Maroc enregistre un faible pourcentage de départements ministériels ayant une structure informatique avec un niveau hiérarchique élevé.

La maturité du processus d'appropriation des TIC continue par contre à se renforcer. Pour preuve, au niveau global, 47% des entités sondées disposent d'un schéma directeur ou d'un plan informatique. Le même taux est observé au niveau des administrations disposant d'un plan de sécurité informatique. Cet intérêt pour cet aspect sensible explique que presque 70% des organismes publics disposent d'un responsable de la sécurité du système d'information (RSSI).Cette cartographie fait ressortir un faible taux des ressources humaines dans les TIC. Et pour cause, les informaticiens ne représentent que 1% par rapport à l'effectif global du personnel des différents organismes de l'Etat.

En corrélation avec l'emploi, l'étude a fait le point sur le taux d'équipement. Le résultat de cet indicateur met en évidence qu'il existe seulement en moyenne un poste (desktop et portable) pour quatre fonctionnaires. Pire encore, seule la moitié des ordinateurs sont connectés à Internet, avec une dominance de l'accès à hauteur de 256 kbps (une entité sur quatre). Cette faiblesse d'accès explique en partie que seuls 12% du personnel du secteur public ont une adresse e-mail professionnelle.

Paradoxalement, la disponibilité d'un nom de domaine se généralise puisque plus de 79% des entités ont un nom de domaine professionnel. Mais, l'étude n'a recensé que 287 sites web pour l'ensemble des organismes des secteurs publics.» Outre le nombre limité de sites gouvernementaux, même ceux qui sont en ligne, ne fournissent pas des informations actualisées et de proximité.

S'agissant des réseaux locaux dans l'administration, leur généralisation s'intensifie. Le rapport indique que plus de 90 des entités sondées disposent de tels réseaux y compris dans les départements ministériels. Pour ce qui est des systèmes de gestion de bases de données (SGBD) utilisés par les entités des secteurs publics, ils sont, dans environ 92% des cas, parmi quatre logiciels qui sont sur le marché. (SQL Server, MySQL, Oracle, et MS-Access).

Autre fait marquant de cette cartographie, sa radioscopie de l'usage de l'open source. Au niveau global, plus d'une entité sur trois déclarent disposer de logiciel libre pour leur bureautique. Au niveau global, et parmi les entités qui disposent de SGBD, 39,25% utilisent un logiciel libre.

Enfin, pour ce qui est de l'e-gov, l'étude révèle que le Maroc compte 286 télé-services via différents canaux de diffusion (Web, centre d'appels, borne interactive ...).

III.3. Impact dans l'enseignement et l'éducation 

Aujourd'hui, l'intérêt des écoliers, collégiens et lycéens, universitaires ...pour les études ainsi que leur degré d'implication sont intimement liés à l'usage des TIC et au taux d'équipement des établissements. Sauf que côté infrastructures, le Maroc accuse encore du retard.

Si au Royaume-Uni, l'on compte 17 ordinateurs pour 100 élèves et 8 postes pour 100 en France, au Maroc, l'on ne dispose pas encore de chiffres. Tout compte fait, l'on est à peine à une dizaine d'ordinateurs par lycée. Sachant qu'un lycée compte en moyenne plus d'un millier d'élèves. Ce qui en dit long sur le faible taux de connexion des établissements scolaires tous niveaux confondus. En plus du déficit en termes d'équipements et matériel numérique, s'ajoutent les retards en termes de formation et initiation du corps enseignant à l'utilisation des technologies de l'information en tant que support pédagogique de formation.

L'introduction des (TIC) dans l'enseignement au Maroc, puis leur intégration progressive pour accompagner les programmes scolaires nationaux, représentent deux étapes importantes dans la mise en oeuvre de la réforme du secteur de l'éducation. Cette réforme a été consacrée par la Charte nationale de l'éducation et de la formation de 1999 qui a tracé les grandes lignes des modifications et des adaptations que doit connaître le système éducatif national durant la période 2000 - 2009.

Le Gouvernement a adopté en mars 2005 une stratégie ayant pour objectif la généralisation des TIC dans l'enseignement scolaire public. Il a ainsi mis en place un programme qui vise à équiper, à l'horizon 2008, tous les établissements scolaires (écoles primaires, collèges et lycées) en salles multimédia (dits «Environnements Numériques de Travail») connectées à Internet. Ce programme concernera également l'enseignement supérieur (équipement des facultés et universités). La mise en place de ce programme au niveau de l'enseignement primaire et secondaire devrait permettre de garantir l'accessibilité aux moyens et services TIC à plus de 22% de la population marocaine, avec des contenus appropriés et dans divers lieux.

III.4. Impact sur les ménages 

A l'instar de tous les pays dans lesquels les TIC sont développées, au Maroc leurs impacts sont directs et palpables sur les individus et les ménages. En effet, grâce aux divers outils disponibles, les distances sont réduites pour des proches éloignés. Vous pouvez entrer en communication avec votre famille ou vos amis à partir de n'importe quel pays, que ce soit par téléphone ou par Internet. Ce dernier offre en plus de nombreuses options comme le mail, tchat, ou la téléconférence. Certains ménages utilisent aussi Internet pour chercher des informations sur un sujet précis, profiter des meilleures offres commerciales, rester au courant de l'actualité dans le monde, nouer de relations et pourquoi pas trouver l'âme soeur.

Ainsi, vu l'importance de l'usage des TIC par les ménages marocains, une étude réalisée en 2008 par l'observatoire des TIC au Maroc de l'ANRT, basée sur les résultats de l'enquête de collecte des indicateurs TIC pour l'année 2007 révèle un degré assez important d'utilisation des TIC au niveau des particuliers/ménages au Maroc. La population cible étant constituée des plus de 12 ans (jusqu'à 65 ans) vivant en zones électrifiées10(*) soit 21.1 millions de personnes (ou encore 69% de la population nationale).

D'après les résultats, pour les différents outils des TIC, nous avons :

III.4.1.Téléphonie fixe 

On estime en 2007 que 30 % des ménages marocains en sont équipés contre seulement 18,1 % en 2006 ; cette hausse par rapport à 2006 s'expliquerait par le succès de Wana.

III.4.2. Téléphonie mobile 

Après le boom de l'équipement des ménages entre 2004 et 2005 (le taux d'équipement étant de 41,5 % et 58,8 % respectivement pour les deux années), la croissance se poursuit en 2006 et 2007 à un taux moins élevé mais ce dernier reste cependant fort (59,1 % en 2006 et près de 64 % en 2007).Le multi-équipement reste élevé: 71% des personnes interrogées ont plusieurs téléphones mobiles (au sein de leur ménage).

Pour ce qui est de la communication à domicile, le besoin à ce niveau des ménages marocains est toujours majoritairement satisfait par l'usage d'un téléphone mobile: plus de 55% des individus déclarent que le mobile (au moins un) est le seul équipement de téléphonie du ménage. Près de 37% des individus interrogés déclarent que leur ménage est doté à la fois d'un fixe (au moins) et d'un mobile (au moins).

En termes d'usages, plus de 50% des utilisateurs de mobiles utilisent les SMS ; en moyenne 10.36 SMS sont envoyés chaque mois par contre une utilisation toujours modeste des MMS est remarquable (moins de 10%). Quant à la durée totale des appels effectués au cours d'un mois habituel, elle est de 45 minutes en moyenne.

Pour les services 3G (Internet mobile, voix, visiophonie, télévision mobile, transferts de données...) 21% des individus déclarent connaître les nouveaux services 3G, 14% des individus interrogés disent vouloir utiliser ces nouveaux services dans les 12 prochains mois sur leur mobile (8% sur leur ordinateur).

III.4.3.Micro ordinateur 

Le parc estimé d'ordinateurs individuels est de 1 100 000 unités en 2007 (920 000 unités en 2006 et 745 000 unités en 2005).Les principaux usages de l'ordinateur personnel reste la bureautique (69% des individus) et l'Internet (55% des individus).Parmi les individus équipés au sein de leur ménage 16% disent posséder un ordinateur portable. L'analphabétisme (près de 24% des individus), le prix trop élevé (près de 54%) sont cités comme les principaux freins à l'acquisition d'un ordinateur. A cela s'ajoute également l'absence de besoin (32 %).

III.4.4. Internet 

A domicile, on estime qu'environ 420 000 ménages sont connectés et que plus de 88% des accès à domicile sont de type haut débit (ADSL, 3G).Pour ce qui est de l'usage, le principal usage des individus qui accèdent à l'Internet reste « rechercher des informations » à près de 92%, 70% des individus qui disposent d'une connexion Internet à domicile utilisent la téléphonie sur Internet (Skype, MSN, ...). On note un usage « régulier » pour ceux qui disposent d'une connexion à domicile: plus de 80% se connectent au moins 1 à 2 fois par semaine et 58% le font tous les jours.

36% des individus déclarent disposer d'un accès hors domicile, et 28.4% des individus ne disposent que d'un accès hors domicile. Les cybercafés représentent 86,7% des lieux d'accès à Internet hors domicile. Le prix trop élevé est la principale raison pour plus de 50% des personnes qui ne disposent pas d'un accès au domicile suivie de l'absence d'utilité et d'usage.

On remarque cependant un très peu d'achats en ligne : 94% des répondants, pourtant 10% expriment le désir d'effectuer un achat en ligne dans les 12 prochains mois.

Conclusion

Au regard des multiples avantages, utilisations et impacts que représente le secteur des TIC dans la quasi-totalité des domaines, tant au niveau mondial qu'au Maroc, nécessité s'est fait sentir de construire un modèle mettant en évidence la contribution de ce secteur dans l'économie marocaine, c'est ainsi que la partie suivante consacrée à la modélisation, nous aurons entre autres celle de l'impact du secteur TIC dans l'économie marocaine.

Partie II : Modélisation

Introduction 

Cette partie est relative à la modélisation ; l'objectif est présenter de façon concise mais mathématiquement complète des modèles nous permettant de confirmer ou d'infirmer les hypothèses émises quant à la contribution des TIC dans la croissance économique, leur évolution et les déterminants de leur évolution. Pour ce faire nous disposons d'un échantillon de données annuelles de la période 1980 à 2008. L'objectif du modèle statistique est d'approcher au mieux les caractéristiques du modèle réel. L'approche inférentielle et confirmatoire permet de valider ou infirmer les hypothèses formulées a priori ou après la phase exploratoire, et d'extrapoler certaines propriétés de l'échantillon à une population plus large. Les hypothèses sont validées par l'utilisation de tests statistiques ou de modèles probabilistes. Ce type d'analyse fait appel aux méthodes explicatives et prévisionnelles.

Chap. I : Etude empirique de l'impact du secteur TIC sur la croissance économique : Modèle de régression linéaire multiple.

I. Présentation théorique du modèle 

La régression multiple est définie comme un outil permettant d'étudier et de mesurer la relation existant entre une variable (Y), dite variable expliquée, et d'autres variables, dites variables explicatives. Effectuer une régression multiple consiste à se baser sur les données d'un échantillon afin de déterminer une estimation de la relation mathématique entre la variable expliquée et les variables explicatives.

Etant donné un échantillon, t= 1,..., n on cherche à expliquer, avec le plus de précision possible, les valeurs prises par Y, dite variable endogène, à partir d'une série de variables explicatives . Le modèle théorique, formulé en termes de variables aléatoires, prend la forme suivante :

t=1, ..., n

Où est l'erreur du modèle qui exprime, ou résume, l'information manquante dans l'explication linéaire des valeurs de à partir des (problème de spécifications, variables non prises en compte, etc.). sont les paramètres à estimer.

De façon matricielle, ce modèle peut s'écrire de la façon suivante :

Soit de la manière compacte :

Avec :

· Y est de dimension (n, 1)

· X est de dimension (n, k + 1)

· â est de dimension (k+1, 1)

· å est de dimension (n, 1)

· la première colonne sert à indiquer que nous procédons à une régression avec constante.

Les résultats d'une régression multiple sont donnés d'une part à travers l'équation de régression qui détermine la relation entre la variable expliquée et les variables explicatives, et d'autre part à travers divers coefficients et graphiques qu'il s'agira d'analyser afin :


· d'établir le degré de fiabilité de l'estimation ;


· d'examiner la significativité des résultats ;


· d'examiner si la relation entre la variable expliquée et chaque variable explicative est réelle ou seulement apparente.

La régression multiple peut faire l'objet de différents usages selon les attentes. Elle peut être utilisée afin de décrire des relations entre les variables explicatives et d'analyser leur action sur la variable expliquée, afin de faire des estimations ou des prédictions, ou bien même afin de pouvoir utiliser l'équation de régression comme un outil de contrôle (si vous souhaitez par exemple savoir de quelle manière modifier la valeur d'une variable explicative afin d'obtenir une valeur fixée de Y).

I.1. Diagramme de dispersion 

Le nuage de points ou diagramme de dispersion est la représentation graphique dans le plan cartésien de l'ensemble des paires de données. Ces données proviennent d'une série statistique de variables obtenues à partir d'une étude menée sur un échantillon ou sur une population.

Une fois la représentation graphique effectuée, il est facile de soupçonner l'existence d'une certaine relation entre les variables deux à deux (caractères étudiés). Il faut maintenant chercher à exprimer cette relation à l'aide d'une équation mathématique Ce constat pourrait être est confirmé par le tableau des corrélations.

I.2. Estimation des paramètres 

Il existe plusieurs méthodes permettant d'estimer le modèle théorique par le modèle empirique ; il s'agit entre autres de la méthode des moindres carrés et de la méthode de la vraisemblance. La méthode habituellement utilisée est celle des moindre carrés que nous allons également adopter.

Cette méthode essaie de construire une droite de régression empirique qui minimise la somme des carrés des distances verticales entre cette droite et chacun des points observés.

On appelle résidu ou erreur empirique ou écart de prévision, la valeur , soit la différence (l'écart vertical) entre la valeur observée yi de Y et la valeur estimée obtenue à partir de la droite de régression, lorsque x= xi. À travers cette méthode, on recherche minimisant

I.3. Validation du modèle 

I.3.1. Test statistique sur les coefficients du modèle 

La liaison globale entre Y et est-elle significative ?

Modèle :

Test : H0 : = ... = = 0 (Y = + ne dépend pas des X)

H1 : Au moins un j 0 (Y dépend d'au moins un X)

Statistique utilisée :

Décision de rejeter H0 au risque de se tromper :

Rejet de H0 si F ;   étant le Fractile d'une loi de Fisher-Snedecor.

L'apport marginal de est-il significatif ?

Modèle :

Test : H0 : j = 0 (On peut supprimer)

H1 : j 0 (Il faut conserver)

Statistique utilisée :

Décision de rejeter H0 au risque de se tromper :

Rejet de H0 si ; le Fractile d'une loi de Student.

I.3.2. Etude de la colinéarité 

Le problème de multicolinéarité produit une instabilité des coefficients estimés. Elle peut être à la source d'une non significativité de certaines variables qui sont en réalité significatives. En cas de multicolinéarité parfaite, l'estimation des coefficients est même parfois impossible. Il convient dès lors de s'assurer que cette contrainte ne se pose pas dans le cas d'espèce. Pour y arriver, nous mettons en oeuvre un test de détection de la présence de multicolinéarité. Le test retenu est celui de Farrar D.E. et Glauber R.R. (1967). Le principe de ce test est le suivant :

La première étape de ce test consiste à calculer la matrice des coefficients de corrélation entre les variables explicatives.

ï On calcule le déterminant D de la matrice des coefficients de corrélation entre les variables explicatives du modèle.

ï

Test : : D = 1 (les séries sont orthogonales) Vs

: D < 1 (les séries sont dépendantes)

ï Statistique : avec

ï Si lu dans la table à ddl et au seuil á choisi : rejet de : il y a présomption de colinéarité.

ï : on accepte l'hypothèse d'orthogonalité.

On peut également mesurer la multicolinéarité avec d'autres critères comme la tolérance et le VIF.

Mesure de la multi-colinéarité : Tolérance et VIF

ï

Tolérance = 1 - (; Autres X) ; Il est préférable d'observer une tolérance supérieure à 0.33.

ï VIF = Variance Inflation Factor = 1 / Tolérance ; Il est préférable d'observer un VIF inférieur à 3.

ï

est la somme des carrés expliquée par les variables .

F partiel :

ï

On obtient un petit si : est petite ou bien R2 ( ; Autres variables X) est grande.

I.3.3. Coefficient de détermination R2 

Il existe trois mesures possibles pour quantifier l'intensité de la relation entre X et Y: le coefficient de détermination de Y en fonction de X, le coefficient de corrélation entre X et Y, la covariance entre X et Y.

Le coefficient de détermination théorique de Y en fonction de X, noté mesure la proportion de la variation de Y qui est expliquée par la régression ou qui est expliquée par la variable X au niveau de toute la population

Le coefficient de détermination indique si le modèle linéaire défini colle aux données. En pratique est inconnu, car on ne possède pas d'information sur toute la population mais seulement sur un échantillon de taille n, alors on estimera à partir de l'échantillon.

A travers la formule de décomposition suivante :

Cette estimation nous donne :

Cette qualité de l'ajustement et l'appréciation que l'on a du doivent être tempérées par le degré de liberté de l'estimation. En effet, lorsque le degré de liberté est faible, il convient de corriger le a fin de tenir compte du relativement faible nombre d'observations comparé au nombre d'observations de facteurs explicatifs par le calcul d'un  corrigé noté  :

I.3.4. Vérification des hypothèses du modèle 

Avant une régression, plusieurs hypothèses sont en général émises et il convient de vérifier si ces hypothèses sont respectées à la fin de l'étude. Ces hypothèses principalement liées au terme d'erreur sont :

ï

L'erreur est une variable aléatoire d'espérance 0 :

ï

La variance de , dénotée ou , est la même pour toutes les valeurs de X :  ; homoscedasticité  des erreurs (variance constante) ;

ï

Les valeurs desont indépendantes :  ; pas d'autocorrélation des erreurs.

ï

L'erreur est distribuée selon une loi normale : .

I.3.5. Prévision de la variable dépendante connaissant les variables explicatives : Intervalle de prévision de

Modèle :

= future valeur de

= prévision de

Intervalle de prévision de yi au niveau 0.95 :

Formule simplifiée :; nous aurons ainsi une observation i qui sera mal reconstituée par le modèle si n'appartient pas à son propre intervalle de prévision.

II. Mise en pratique du modèle 

Etude empirique de l'impact du secteur TIC sur la croissance économique

Les études empiriques ayant pour objet d'évaluer l'impact des TIC sur la croissance économique se sont pour la plupart heurtées à des problèmes de définition et de mesure. Deux raisons principales expliquent cette difficulté : d'une part, le secteur des TIC présente des frontières floues, spécialement en ce qui concerne le domaine des télécommunications où l'éventail des produits et des services est important ; d'autre part, les résultats obtenus par les économètres varient en fonction des statistiques disponibles et des techniques économétriques utilisées. Dans les travaux empiriques, la définition du secteur a été souvent limitée aux sous-secteurs de l'informatique et/ou des télécommunications. Cette restriction est essentiellement due au manque de statistiques fiables sur une longue période. Nous nous bornerons dans notre étude au seul secteur des télécommunications compte tenu du manque des statistiques fiables sur le secteur de l'électronique et de l'informatique. En supposant que la valeur ajouté du secteur TIC, peut être considérée comme équivalente à la valeur ajouté du secteur des télécommunications, nous pouvons déjà analyser l'évolution du secteur.

Tableau 11: Part de la valeur ajouté de l'agriculture, de l'industrie, des secteurs TIC et hors TIC dans le PIB Marocain (%)

Année

VA_Agri/PIB

VA_Ind/PIB

VA_HTIC/PIB

VA_TIC/PIB

1980

18,43

16.83

43,04

1,3

1990

17,73

18,44

41,47

2,02

2000

13,83

17,57

44,12

2,28

2008

15,48

16,45

40,93

3,57

On peut constater à l'aide du tableau ci-dessus que le poids de l'économie de l'information est faible, mais croît au cours des 30 dernières années au Maroc. La part de ce secteur a presque triplé pendant cette période, elle est en effet passée de 1,3 % à 3,57 % du PIB en 2008, par contre dans d'autres secteurs on constate une variation plus ou moins modérée de leur contribution en pourcentage du PIB.

Tableau 12 : Part et croissance des investissements et de la valeur ajoutée du secteur TIC.

Année

2003

2004

2005

2006

2007

2008

FBCF_TIC/FBCF_Total

2.83

2.76

2.80

2.79

2.78

2.77

VA_TIC/PIB

3.29

3.47

3.76

3.83

3.58

3.57

CVPIB

-

6.54

7.51

4.71

0.43

3.44

On constate que pendant la période allant de 2003 à 2008, la part du secteur TIC dans le PIB est en moyenne de 2,98% annuellement , cette valeur a plus que doubler par rapport a la contribution de la valeur ajouté du secteur dans le PIB dans les année 1980, malgré une augmentation conséquente du PIB de 7,74 % en moyenne par an. Ceci a été rendu possible en raison d'une croissance rapide de 9,93 % de la valeur ajoutée du secteur des TIC. Durant la même période, l'évolution de la contribution du secteur des TIC à la variation du PIB (notée CVPIB), estimée par le rapport ?VATIC/?PIB, a été très fluctuante pendant la même période ; ce qui ne permet pas en effet d'avoir une idée précise sur la contribution réelle du secteur, d'où l'intérêt d'une illustration économétrique.

II.1. Les variables d'analyse 

D'un point de vue méthodologique, nous avons choisi d'évaluer la contribution du secteur des TIC à la croissance économique au Maroc à partir du modèle de Solow qui s'appuie sur la fonction de production (ou technologie) de type Cobb Douglass homogène à progrès technique neutre11(*) : Y=F(A,K, L)=AKaLß.Dans cette expression A représente la productivité globale des facteurs dont la variation relative (le progrès technique) représente la partie de la croissance de la production non expliquée par les montants de capital et de travail. Les coefficients á et â représentent respectivement les élasticités de production du travail, et du capital. Pour une entreprise qui cherche à réduire au minimum les coûts et dans des conditions de concurrence sur les marchés des facteurs, ces coefficients correspondent aux parts respectives des différents facteurs de production dans les coûts. Toutefois, afin d'évaluer la contribution du secteur des TIC, nous avons décomposé le stock de capital en deux parties selon qu'il s'agisse du secteur des TIC (KTIC) ou non (KHTIC). Cette distinction est adoptée dans la littérature économique consacrée (Jorgenson et Stiroh, 2000 ; Jorgenson, 2001 ; Gilles et L'Horty, 2003).

La variable KTIC peut faire apparaître une élasticité spécifique et se caractérise en général par des taux de dépréciation du capital différents et par des salaires qui sont, dans le domaine des TIC, plus élevés que dans les autres secteurs. L'absence de données statistiques sur les investissements dans le secteur TIC pour toute la période de notre étude (1980 à 2008) nous amène à limiter notre étude à l'examen du secteur des télécommunications comme indicateur de l'évolution du stock de capital dans le secteur des TIC. Ainsi, nous avons supposé que le stock de capital en télécommunications pour l'année 1980 est égal à la formation brute de capital fixe (FBCF)12(*) dans ce secteur fourni par les comptes nationaux. Par conséquent, la détermination du stock de capital pour la période 1980-2008 a été évaluée en faisant l'hypothèse que :

Kt+1= (1-ä) Kt + FBCFt+1 où ä représente le taux de dépréciation du stock de capital. Dans le secteur des télécommunications, il est généralement admis que ce taux est proche de 1/8, tandis que pour le reste des secteurs nous avons retenu le taux habituel de 8 %.

Pour le reste des secteurs la même démarche a été adoptée, leur FBCF ayant été obtenue en déduisant la FBCF du secteur TIC de la FBCF totale nationale.

La variable Y représente le PIB total calculé aux prix de 1980. Il est donné par les Comptes de la Nation publiés par la DCN (Direction de la Comptabilité Nationale de Rabat).

Pour l'emploi L, cette variable décrit la quantité d'effort fournie par les employés dans le processus de production et pour laquelle, ils sont embauchés et rémunérés. Face à l'impossibilité de quantifier cet effort, plusieurs estimations sont procédées, soit par:

- Le nombre d'employés contribuant directement ou indirectement dans le processus de production, en se justifiant, du fait que cet effort est fourni par eux donc il en sera fortement corrélé. Or le problème qui se pose est la négligence du niveau de qualification des travailleurs, de l'intensité de cet effort, et de la pénibilité du travail.

- Le nombre d'heures de travail : en plus des problèmes posés au dessus, ces heures ne peuvent être en général que celles de présence, ou celles payées et non celles effectivement oeuvrées. Mais malgré qu'elle constitue une base imparfaite (comme tous les auteurs le reconnaissent) la deuxième est la plus utilisée, avec quelque fois des améliorations, en essayant de résoudre les problèmes posés surtout celui de la qualification, en procédant par la pondération des heures travaillées par leurs coûts (toute charge comprise).

Pour notre cas, pour des raisons d'absence de données plus précises nous nous limitons, à la première méthode c'est-à-dire à la population active occupée en nous référant aux enquêtes nationales emplois et en complétant certaines années par rétropolation.

II.2. Formulation du modèle 

Une fois les variables identifiées, le modèle de la fonction de production pourrait se présenter sous la forme suivante :

En introduisant la fonction logarithme pour linéariser le modèle, on obtient l'expression suivante :

Avec la variable KTIC qui représente le stock de capital du secteur TIC, la variable KHTIC, représente le stock de capital du secteur hors TIC, la variable Y représente le PIB total calculé au Prix de 1980 et la variable L qui représente le stock de travail engagé à l'échelle nationale ou encore la population active occupée opérant sur le territoire Marocain.

II.3. Présentation du diagramme de dispersion

Figure 10 : Présentation du diagramme de dispersion entre variables.

Le graphique présentant les diagrammes de dispersion des variables deux à deux, laisse entrevoir l'existence d'une relation linéaire entre le Ln_PIB et les autres variables : Ln_KTIC, LnKHTIC et Ln_L.

Ces résultats suggèrent un modèle de régression linéaire multiple expliquant le PIB en fonctions des trois variables explicatives.

II.4. Estimation des paramètres du modèle 

L'application de la méthode des moindres carrés ordinaires nous a permis d'obtenir les résultats suivants :

Tableau 12 : Tableau des coefficients du modèle avant introduction de la variable Dummy.

Tableau des coefficients du modèle

 
 
 
 

Modèle

 

Coefficients non standardisés

Coefficients standardisés

t

Sig.

 
 

B

Erreur standard

Bêta

 
 
 

(Constante)

6,870

,255

 

26,968

,000

 

Ln_KTIC

,037

,042

,106

,891

,382

 

Ln_KHTIC

,415

,054

,898

7,719

,000

 

Ln_L

-,004

,010

-,014

-,415

,682

L'examen des résultats fournis par ce premier modèle nous donne les élasticités de la variable KTIC et L théoriquement non significatives et une valeur du test de Durbin-Watson qui ne permet pas de certifier l'inexistence d'auto-corrélation des erreurs. Pour cette raison nous avons jugé utile d'introduire une variable Dummy (binaire), afin de capter la volonté des pouvoirs publics en faveur du développement du secteur TIC au Maroc. Cette variable prend la valeur 0 entre 1980 et 1997 et 1 pour les autres années restantes.

Ainsi en tenant compte de nos remarques, nous pouvons réécrire l'équation générique du modèle à estimer de la manière suivante :

En estimant à nouveau notre modèle par la méthode des moindres carrés ordinaires (MCO), nous obtenons les résultats suivants :

Tableau 13 : Tableau des coefficients du modèle avec variable Dummy.

Tableau des coefficients du Modèle rectifié

 
 
 

Modèle

 

Coefficients non standardisés

Coefficients standardisés

t

Sig.

 
 

A

Erreur standard

Bêta

 
 
 

(Constante)

7,460

,288

 

25,892

,000

 

Ln_KTIC

,076

,038

,217

2,014

,056

 

Ln_KHTIC

,322

,055

,696

5,882

,000

 

Ln_L

,000

,008

,002

,059

,953

 

D_1998

,061

,020

,110

3,112

,005

a. Variable dépendante : Ln_PIB

 
 
 
 

D'où l'équation du modèle devient :

La valeur signifie qu'en moyenne, une augmentation de 1 % du capital TIC devrait se traduire par une augmentation de 7,56 % du PIB selon une certaine limite.

En comparant les coefficients du modèle, nous remarquons qu'ils sont plus élevés pour la variable KHTIC que pour la variable TIC. On peut interpréter ce résultat de la manière suivante : à un taux de croissance du facteur capital égal dans les deux secteurs, ce sont les investissements dans les secteurs hors TIC qui contribuent le plus à la croissance économique malgré le fait comme nous l'avions montré précédemment, que le secteur TIC soit devenu dynamique ces dernières années.

Aussi constatons-nous que le coefficient du facteur travail L n'est pas significatif. Nous décidons quand même de maintenir ce modèle malgré cela car le modèle aurait pu donner des résultats très satisfaisants s'il était appliqué à un pays développé. En effet, des facteurs limitatifs peuvent être à la base de résultats non escomptés dans un pays en développement. Parmi ces facteurs, nous pouvons retenir l'analphabétisme ; ainsi une augmentation du capital dans le secteur TIC pourrait ne pas avoir un effet significatif du fait qu'une part importante de la population ne saurait faire bon usage de ces technologies.

II.5. Validation du modèle 

II.5.1.Test statistique sur le modèle global

En examinant le tableau de l'analyse de la variance ci dessous,

Tableau 14 : Tableau ANOVA du modèle.

Tableau ANOVA

 
 
 
 
 

Modèle

 

Somme des carrés

ddl

Moyenne des carrés

F

Sig.

 

Régression

1,737

4

,434

562,269

,000a

 

Résidu

,017

22

,001

 
 
 

Total

1,754

26

 
 
 

b. Variable dépendante : Ln_PIB

 
 
 
 

Nous constatons que le test d'hypothèse,

Vs nous pousse à rejeter l'hypothèse au seuil car la statistique de Fisher-Snedecor observée est supérieure au fractile de la loi de Fisher-Snedecor lu sur la table au seuil d'où le modèle est globalement significatif, ceci par le fait que les variables Stock de capital TIC, Stock de capital hors TIC et le stock de travail engagé à l'échelle nationale (L) y compris la variable Dummy D_1998 sont globalement significatives.

II.5.2.Test statistique sur les coefficients du modèle

A partir des relations définies auparavant, le test statistique sur les coefficients du modèle, convient à calculer les ratios de student et de les comparer à la valeur lue dans la table au seuil 5% du fractile de student qui est égale a dans notre cas.

Tableau 15 : Tableau des coefficients du modèle avec intervalles de confiance des paramètres estimés

Tableau des coefficients du modèle avec intervalles de confiance des paramètres estimés

Modèle

Coefficients non standardisés

Coefficients standardisés

t

Sig.

95,0% % intervalles de confiance pour B

A

Erreur standard

Bêta

Borne inférieure

Limite supérieure

 

(Constante)

7,460

,288

 

25,892

,000

6,862

8,058

Ln_KTIC

,076

,038

,217

2,014

,056

-,002

,153

Ln_KHTIC

,322

,055

,696

5,882

,000

,208

,435

Ln_L

,000

,008

,002

,059

,953

-,017

,018

D_1998

,061

,020

,110

3,112

,005

,020

,102

D'après le tableau ci-dessus, nous obtenons :

. Pour l'hypothèse  Vs , on a on accepte l'hypothèse. D'où la variable Ln_KTIC ne contribue pas à l'explication de la variable Ln_Y.

. Pour l'hypothèse  Vs , on a on rejette l'hypothèse. D'où la variable Ln_KHTIC contribue à l'explication de la variable Ln_Y.

. Pour l'hypothèse  Vs , on a on accepte l'hypothèse. D'où la variable Ln_L ne contribue pas à l'explication de la variable Ln_Y

. Pour l'hypothèse  Vs , on a on accepte l'hypothèse. D'où la variable D_1998 contribue a l'explication de la variable Ln_Y.

II.5.3. Test de détection d'une multi-colinéarité (test de Farrar et Glauber ) .

Ce test revient à tester l'hypothèse (les séries sont orthogonales) Vs (les séries sont dépendantes).Avec D, le déterminant de la matrice des coefficients de corrélation des variables (Ln_KTIC, Ln_KHTIC, Ln_L et D_1998).

Le calcul du déterminant D, nous donne : =

La valeur empirique de calculée à partir de l'échantillon est :

Nous allons comparer cette valeur au fractile de chi-deux à degré de liberté pour un seuil on  ; on rejette l'hypothèse nulle.

Ceci dit qu'il y a présomption de multi-colinéarité entre les variables explicatives. L'aboutissement à ce résultat est toujours dû aux limites du modèle pour un pays en développement, comme nous l'avons déjà mentionné plus haut.

II.5.4.Coefficient de détermination

Tableau 16 : Tableau récapitulatif du modèle1.

Modèle

R

R-deux

R-deux ajusté

Erreur standard de l'estimation

1

,995a

,990

,989

,02779

En examinant ce tableau, nous enregistrons un coefficient de détermination  ; ceci peut s'expliquer par le fait que de variation totale du PIB est dû aux variables explicatives (KTIC, KHTIC, L et D_1998) et nous pouvons souligner que la qualité du modèle obtenu est relativement bonne.

II.5.5.Test sur les résidus du modèle

1) Test d'autocorrélation des résidus : statistique de Durbin-Watson

Tableau 17 : Test d'autocorrélation des résidus : statistique de Durbin-Watson.

Variable

Coefficient

Prob(F-statistic)

Durbin-Watson stat

2.523108

0.000000

La valeur de la statistique montre qu'il y a absence d'autocorrélation des résidus.

2) Test de normalité des résidus :statistique de Jarque Bera

Figure 11 : Test de normalité des résidus : statistique de Jarque Bera.

La probabilité de Jarque-Bera (0.956145) est supérieure à 5% ; cela implique que les résidus suivent une loi normale.

3) Test d'hétéroscédacticité des résidus : test de White

Tableau 18 : Test d'hétéroscédacticité des résidus : test de White.

White Heteroskedasticity Test:

 

 

F-statistic

1.039604

Probability

0.437108

Obs*R-squared

7.477394

Probability

0.380919

Les deux probabilités sont supérieures à 5% donc on accepte l'hypothèse d'homoscédasticité des erreurs. Les estimations obtenues par les moindres carrés ordinaires sont optimales.

4) Test de spécification

Il existe plusieurs tests de spécification (Ramsey, etc). Ici, nous retenons le test de Ramsey.

Le Reset13(*) teste les erreurs de spécification suivantes :


· Omission des variables explicatives


· Forme fonctionnelle incorrecte


· Corrélation entre explicatives et termes d'erreurs dues entre autres à des erreurs de mesure, des termes retardés de l'endogène corrélés aux erreurs.

Tableau 19 : Test de spécification.

Ramsey RESET Test:

 

 

 

F-statistic

0.143676

Probability

0.708459

Log likelihood ratio

0.184097

Probability

0.667876

Les deux probabilités sont supérieures à 5% donc on accepte l'hypothèse Ho, le modèle est bien spécifié.

5) Test de Rendement d'échelle constant

Ce test nous permet de tester si le PIB augmente dans une proportion identique aux facteurs de production ou pas.

Dans ce cas nous allons tester l'hypothèse suivante :

VS

La statistique de student calculée est donc égale, sous , à

Or la matrice des variances covariances des coefficients est donnée par :

Tableau 20 : Matrice des variances covariances des coefficients du modèle1.

 

LN_PIB

LN_KTIC

LN_KHTIC

LN_L

LN_PIB

0.06494543

0.18126123

0.1396375

0.14069251

LN_KTIC

0.18126123

0.53275143

0.39370923

0.4222887

LN_KHTIC

0.1396375

0.39370923

0.30463681

0.30901201

LN_L

0.14069251

0.4222887

0.30901201

0.7666345

Soit :

= 0.53275143+0.30463681+0.7666345+2*0.39370923+2*0.4222887+2*0.30901201 = 3.8540426


Nous avons 60% de risque de rejeter l'hypothèse à tort, nous pouvons considérer le rendement d'échelle comme significativement croissant. D'où La production augmente plus vite que les facteurs de production.

II.6. Présentation des résultats et interprétations : contribution des TIC à la croissance Economique.

On montre que la croissance de la production s'exprime relativement à la croissance des quantités de travail et du capital. Il est alors facile de raisonner en termes de contributions des facteurs. La croissance de la production est une somme pondérée de la croissance de la quantité de travail employée, de la quantité de capital utilisée, et d'un ensemble d'effets non liés à la variation des quantités de facteurs. Les deux premières composantes relèvent de la croissance extensive, la dernière de la croissance intensive. Cette dernière partie ne peut se mesurer que comme un résidu statistique.

La dérivée logarithmique par rapport au temps d'une variable x est égale au rapport de la dérivée de x par rapport au temps et de x : .Or cela est aussi égal au taux de croissance de cette variable.

Partant alors de notre modèle initial :

on a :

Aux fins d'application empirique, (X pouvant être égale à l'une des variable) sera approché par un taux de variation logarithmique14(*) 

Pour déterminer la contribution des TIC à la croissance marocaine, nous adoptons la démarche suivante ; soit la valeur de cette contribution, l'élasticité du PIB par rapport au facteur capital TIC (c'est-à-dire que u représente a1) et le taux de croissance de ce facteur (c'est-à-dire que ð représente =; on vérifie que. L'application de cette relation fait apparaître que pour la période 1998-2008, la contribution du secteur des TIC à la croissance économique au Maroc est de l'ordre de 6%. En effet, d'après notre modèle  . Les valeurs respectives de KTIC2008 et KTIC1998 (k=10) étant de 25987 et 12433, le log de leur rapport est 0,74 .Ainsi, le produit donne sensiblement 0,06. L'obtention de cette valeur considérable témoigne de l'efficacité des actions entreprises par les pouvoirs publics à partir de la période 1998-2008.

Chap. II: Etude empirique de l'impact des autres secteurs sur le secteur TIC : Modèle Vectoriel à Correction d'Erreur (VECM).

Modèle à Correction d'Erreur (MCE) pour la modélisation de l'impact sur le nombre de lignes téléphoniques pour 100 habitants.

Les méthodes économétriques classiques ont connu plusieurs critiques portant notamment sur leur instabilité. Les nouvelles théories économétriques ont remis en cause les résultats obtenus par les études économétriques utilisant des régressions de séries temporelles sans vérifier la stationnarité, l'existence de racine unitaire et leurs cointégrations. NELSON et PLOSSER (1982) ont étudié les différents travaux portant sur des séries macroéconomiques et ont montré qu'on ne pouvait pas rejeter l'hypothèse de racine unité pour la plupart des séries15(*). En effet, le fait de régresser une série stationnaire sur une série stationnaire ou non stationnaire peut donner lieu à des résultats « bizarres ». On parle parfois dans ce cas de régression fallacieuse (sperious regression).

La notion de stationnarité est importante dans la modélisation de séries temporelles, le problème de  régression fallacieuse montrant qu'une régression linéaire avec des variables non-stationnaires n'est pas valide. Plus précisément, la distribution des paramètres de la régression ne suit plus une  loi de Student mais un  mouvement brownien. Dans le cas où les variables ne sont pas stationnaires, un concept très proche, celui de  cointégration, permet de déterminer le type de modèle à utiliser.

I. Aspect théorique du Modèle à Correction d'erreur 

I.1. Niveau d'intégration d'une série 

I.1.1. Stationnarité 

Avant le traitement d'une série chronologique, il convient d'en étudier les caractéristiques stochastiques. Si ces caractéristiques - c'est-à-dire son espérance et sa variance- se trouvent modifiées dans le temps, la série chronologique est considérée comme non stationnaire ; dans le cas d'un processus stochastique invariant, la série temporelle est alors stationnaire.

De manière formalisée, le processus stochastique est stationnaire si :

et k donné, la moyenne est constante et indépendante du temps.

, la variance est finie et indépendante du temps.

, la covariance est indépendante du temps.

est appelé l'auto-covariance de délai k.

Une série non stationnaire notée I(1) est rendu stationnaire en la différenciant une fois au plus. En général, les séries sont stationnaires après une première différenciation.

I.1.2. Les tests de DICKEY-FULLER (DF)

Les tests de Dickey-Fuller (DF) permettent de mettre en évidence le caractère stationnaire ou non d'une chronique par la détermination d'une tendance déterministe ou stochastique.

Les modèles servant de base à la construction de ces tests sont au nombre de trois. Le principe des tests est simple: si l'hypothèse est retenue dans l'un de ces trois modèles, le processus est alors non stationnaire.

Modèle autorégressif d'ordre 1.

Modèle autorégressif avec constante.

Modèle autorégressif avec tendance et constante.

L'hypothèse de marche aléatoire ou d'existence d'une racine unitaire implique.

Cette hypothèse est testée à l'aide de la statistique de Student du coefficient qui, sous l'hypothèse nulle, suit une distribution non standard. Par ailleurs, il est possible de tester les hypothèses nulles jointes et ; et ) et et). Les lois de ces distributions sont tabulées par les auteurs de ces tests.

Si alors on accepte l'hypothèse ; il existe une racine unité, le processus n'est donc pas stationnaire.

Les principaux logiciels d'analyse de séries temporelles calculent automatiquement les valeurs critiques.

La conclusion du test sous l'hypothèse nulle est alors :

: la série est au moins intégrée d'ordre 1 et possède une racine unitaire;

: la série est stationnaire et elle suit un processus I(0).

I.1.3. Les tests de DICKEY-FULLER augmentés 

Dans les modèles précédents, utilisés pour les tests de Dickey -Fuller simples, le processus est, par hypothèse, un bruit blanc. Or il n'y a aucune raison pour que, a priori, l'erreur soit non corrélée. On appelle tests de Dickey -Fuller Augmentés (ADF, 1981) la prise en compte de cette hypothèse.

Les tests ADF sont fondés, sous l'hypothèse alternative sur l'estimation par les MCO des trois modèles:

Avec

Pour les tests DF, il s'agissait de tester l'hypothèse nulle de la racine unitaire telle que le test se déroule de manière similaire aux tests DF simples, seules les tables statistiques diffèrent.

I.1.4. Détermination du nombre de retards p 

La valeur de p peut être déterminée selon les critères d'Akaike ou de Schwarz, ou encore, en partant d'une valeur suffisamment importante de p, on estime un modèle à p - 1 retard, puis à p-2 retards, jusqu'à ce que le coefficient du retard soit significatif.

Critère d'Akaike (AIC) 

Pour déterminer le nombre de retards p, on retient la valeur qui minimise la fonction de Akaike qui est donnée par :

Avec SCR p = sommes des carrées des résidus pour le modèle à p retards.

T = nombre d'observations disponible.

Critère de Schwarz (SC) 

On retient la valeur de p qui minimise la fonction de Schwarz :

Il existe d'autres critères qui permettent de déterminer le nombre de retard à savoir : le critère de Hannan-Quin et le FPE (final prediction error), qui se basent sur le même principe.

I.2. Modèle autorégressif vectoriel (VAR) et Modèle à correction d'erreur (MCE) 

La modélisation VAR repose sur l'hypothèse que l'évolution de l'économie est bien représentée par le comportement dynamique d'un vecteur de n variables : dépendant linéairement du passé, de sorte que l'on peut modéliser le vecteur X sous la forme :

Avec

Un tel modèle peut aussi s'écrire :

où :

.

L'estimation de ce type de modèle est réalisée par la méthode des MCO. Celle-ci suppose la stationnarité des variables pour la normalité asymptotique des estimateurs. Dans le cas contraire (séries non stationnaires), le modèle précédent peut être reformulé dans une version à correction d'erreur :

Où les matrices et contiennent les nouveaux paramètres du modèle ; les premières concernent les relations de court terme qui sont stationnaires, les secondes, de long terme, qui ne le sont pas. Afin de rendre I(0) le produit , de manière homogène avec les autres termes, alors que est I(1), nous introduisons l'hypothèse de cointégration qui sera traitée dans la suite.

Les MCE permettent de tester l'existence de relations de long terme entre des séries temporelles qui ne sont pas stationnaires, et d'estimer ces relations. De façon générale, une série stationnaire possède une valeur moyenne autour de laquelle elle fluctue, alors qu'une série non stationnaire évolue sans qu'aucune force de rappel ne la ramène à sa valeur moyenne.

Ces différences suggèrent que lorsqu'on représente sur un graphique les évolutions dans le temps des deux types de séries temporelles, la série stationnaire coupe souvent un axe horizontal correspondant à sa valeur moyenne ce qui n'est pas vérifié dans le cas d'une série non stationnaire.

Depuis les années 70, un travail intensif sur la plupart des séries macroéconomiques a fait apparaître que celles-ci sont souvent non stationnaires et plus précisément sont intégrées d'ordre 1. Une série temporelle est I(1) si sa différence première est stationnaire.

Deux séries non stationnaires sont dites cointégrées s'il existe une combinaison linéaire de ces deux séries qui est stationnaire. Ainsi, si nous notons les valeurs à la date t des deux séries cointégrées et , on pourra écrire :

Où est stationnaire et de moyenne nulle.

Engel et Granger (1987) ont donné de nombreux exemples de séries non stationnaires qui sont cointégrées. Ils ont aussi montré que des séries cointégrées peuvent être modélisées sous la forme d'un MCE. Celui-ci exprime la variation entre la date t-1 et la date t de chacune des séries comme une fonction de l'erreur commise à la date t-1 sur la relation de long terme existant entre les variables, où et des variations dans le passé de toutes ces variables, soit :

Il est alors possible de mesurer la vitesse d'ajustement, ou des différentes séries à tout choc intervenant sur la relation de long terme. Une vitesse d'ajustement non significativement différente de zéro traduira l'éxogénéité de la série correspondante, et ainsi son caractère « directeur » entre les séries.

Deux stratégies d'estimation d'une relation de cointégration sont alors possibles :

Ø Une procédure en deux étapes à la Engel et Granger (1987) qui consiste en :

· la régression d'une des deux séries sur l'autre et un test de stationnarité des résidus.

· L'estimation du MCE où l'erreur est établie sur le modèle de régression estimée précédemment.

Ø L'autre approche de la théorie de la cointégration, la méthode du maximum de vraisemblance, proposée par Johansen (1988, 1991) avec la collaboration de Juselius (Johansen et Juselius, 1990), a les avantages d'une approche multi variée. Elle permet de différencier plusieurs vecteurs cointégrants et de les estimer en faisant intervenir une dynamique d'ajustement.

I.3. L'approche de JOHANSEN de la cointégration

L'avantage de la procédure de Johansen et Juselius (1990) est qu'elle permet premièrement de tester l'existence d'une ou de plusieurs relations de cointégration entre les différentes séries. Ainsi cette approche évite l'application en deux étapes de la procédure d'Engel-Granger qui ne permet que d'avoir une seule relation de cointégration. Cette approche a également l'avantage de prévenir les problèmes de simultanéité. Enfin l'hypothèse de l'éxogénéité des variables n'est plus fondée et il n'est plus nécessaire d'imposer de restrictions sur les coefficients estimés pour déterminer les relations de court terme.

Le point fort de la méthode de Johansen est qu'elle détermine le nombre de relations de cointégration entre les séries. La méthode de Johansen est donc un test multi varié qui consiste à déterminer le nombre de relations (ou vecteurs) de cointégration pour les séries étudiées.

Une augmentation (diminution) du nombre de relations est interprétée comme un accroissement (baisse) dans la stabilité et l'intensité des relations de long terme des séries.

Selon Johansen (1988) et Johansen et Juselius (1990) le modèle à estimer pour mettre en évidence le nombre de vecteurs de cointégration qui est basée sur la fonction de maximum de vraisemblance peut être mise en oeuvre à partir des équations suivantes :

Soit à l'aide d'un VAR(p) de la forme suivante : 

Où xt est un vecteur de k variables non stationnaires ou I(1).

sont les matrices des coefficients à estimer,

est le terme constant

représente le vecteur des termes aléatoires supposés non corrélées.

Sous forme de différences premières, ce VAR en niveau s'écrit  sous la forme suivante :

Avec ou

Et ou

Le théorème de la représentation de Granger stipule que si le coefficient de la matrice est de rang r tel que r < n alors il existe nr matrices et telles que et est stationnaire. La matrice contient l'information pertinente à la dynamique de court terme des variables endogènes. r est le nombre de relations (vecteurs) de cointégration et les colonnes de la matrice représentent les vecteurs de cointégration. Ils décrivent l'équilibre ou les équilibres de long terme entre les variables. Enfin, est un vecteur de vitesse d'ajustement. Il capture la vitesse à laquelle les variables reviennent à l'équilibre de long terme après un choc.

La procédure de Johannsen (1991,1995) consiste alors à estimer la matrice sans imposer de restrictions pour déterminer le nombre de relations (vecteurs) de cointégration. La statistique de test proposé est la trace ou le rapport (ratio) du maximum de vraisemblance :

Avec T= nombre d'observations ;

= valeur propre

La statistique du rapport de vraisemblance (ou statistique de la trace) teste l'hypothèse nulle selon laquelle le nombre de relations de cointégration est plus ou moins égal à r contre l'hypothèse alternative générale c'est-à-dire contre de façon séquentielle en commençant par r=0 à r=k-1.

Alors trois cas peuvent se présenter :

·

rg =0 .cela signifie que r=0 : il n'existe pas de relation de cointégration .dans ce cas Xt est intégré d'ordre 1 mais non cointégrées. Il est alors possible d'estimer un modèle var (p-1) sur .

·

rg =r ; avec 0<r< n. cela signifie que est cointégrées de rang r et qu'il existe donc r relations de cointégration. Un modèle à correction d'erreur peut alors être estimé.

·

rg = n, donc est de plein rang. Dans ce cas il n'existe pas de relation de cointégration .un modèle var(p) peut être estimé directement sur.

I.4. Cas d'une seule variable explicative, modèle à correction d'erreur (MCE) 

Le modèle à correction d'erreur se présente, dans le cas simple de deux variables (y) et (x), comme suit :

(1)

Ce type de modèles décrit un processus d'ajustement vers un équilibre de long terme. Nous cherchons à modéliser la variable endogène afin de la faire coïncider avec une cible qui constitue l'objectif de long terme. Il combine alors une relation de cointégration (cible de long terme) et une spécification d'une dynamique de court terme comme rappel à la cible. est la vitesse de convergence ou la force de rappel vers l'équilibre de long terme.

Pour que cette écriture (1) soit possible et interprétable, tous les termes de la régression doivent être stationnaires (I(0)). Si c'est le cas, cela veut dire que le terme entre crochets est une relation de cointégration.

Les MCE facilitent ainsi l'interprétation des résultats en offrant donc la possibilité d'emboîter les deux modèles, le modèle en taux de croissance représentant une spécification de court terme et celui en niveau représentant la dynamique de long terme.

I.5. Synthèse de la procédure de test de cointégration et d'estimation du MCE

Ø Etape 1 :

Test de stationnarité sur les séries pour déterminer s'il y a possibilité de cointégration ou non.

Ø Etape 2 :

Si le test de stationnarité montre que les séries sont intégrées d'un même ordre, il y a alors risque de cointégration. On peut envisager l'estimation d'un modèle MCE. Pour ce faire, on commence par déterminer le nombre de retards p du modèle VAR(p) à l'aide des critères d'information (Akaike et Schwarz).

Ø Etape 3 :

Mise en place du test de Johansen permettant de connaître le nombre de relations de cointégration.

Ø Etape 4 :

Identification des relations de cointégration, c'est-à-dire des relations de long terme entre les variables.

Ø Etape 5 : Estimation par la méthode du maximum de vraisemblance du modèle MCE et validation des tests usuels : significativité des coefficients.

II. Application du modèle à correction d'erreur 

Présentations des différents déterminants du nombre de lignes téléphoniques pour 100 habitants.

Dans cette partie, il nous est utile de présenter les données qui vont nous servir à estimer notre modèle. Les enquêtes réalisées sur les TIC ont pour la plupart identifié certaines variables sociodémographiques et économiques comme étant un frein à l'accès des TIC par les populations des pays en voie de développement. Ainsi, pouvons-nous émettre l'hypothèse selon laquelle, les variables socio-économiques et démographiques influencent l'évolution d'un certain nombre d'indicateurs des TIC en l'occurrence le nombre de lignes téléphoniques pour 100 habitants.

Dans le souci de mieux opérationnaliser cette hypothèse, nous avons choisi un certain nombre de variables pour lesquelles nous essayons de montrer le lien existant entre ces variables et le nombre de lignes téléphoniques pour 100 habitants.

Les données de ces variables sont annuelles et couvrent la période 1980 à 2008. D'une manière générale, l'évolution de données présentées dans cette partie sera expliquée sous forme de graphiques.

· Nombre de lignes téléphoniques pour 100 habitants : NLT_100_Hab

Il s'agit de lignes téléphoniques reliant l'appareil d'un client à un réseau téléphonique public.

Figure 12 : Evolution nombre de lignes téléphoniques pour 100 habitants

( NLT_100_Hab).

Source : ANRT-Rabat

· Taux d'inscription aux études supérieures :Tx_insc_ET

Le taux brut d'inscription vise à déterminer le % de la population totale ayant été inscrite au niveau d'étude -ici le teritiaire- au moment où les personnes se sont retrouvées dans le groupe d'âge correspondant au niveau d'étude en question. Par niveau tertiaire, on inclut ici tous les types d'enseignement de niveau post-secondaire. Source spécifique: UNESCO.

Figure 13 : Evolution du taux d'inscription aux études supérieures (Tx_insc_ET).

Source : Ministère de l'Education

· Taille de la population urbaine : Taille_Pop_Urb

Il s'agit du pourcentage de la population totale qui vit dans un milieu défini comme urbain. Les définitions peuvent varier. Le plus souvent, les organismes entendent par population urbaine: «toutes les personnes domiciliées dans les villes et les villages d'au moins 1000 habitants, que ces villes et villages soient constitués ou non en municipalités» (Atlas du Canada). Rappel historique: en 1800, à peine 2% de la population mondiale vivait dans une zone urbaine. En 2000, c'est la moitié de la population mondiale qui se regroupe dans ces zones.

Figure 14 : Evolution de la taille de la population urbaine (Taille_Pop_Urb).

Source : Direction de la Statistique ; RGPH

· PIB par habitant : PIB_Hab

Le Produit intérieur brut (PIB) est l'indicateur le plus retenu pour évaluer la production de biens et services d'un pays pendant une année. Il illustre l'importance de l'activité économique d'un pays ou encore la grandeur de sa richesse générée. Quand il est formulé en Dirhams constants, comme c'est ici le cas, on peut procéder plus adéquatement à des comparaisons à travers les années puisqu'on tient alors compte de l'inflation ou de la déflation. Cette information tient compte de l'importance de la population. Enfin, pour des comparaisons internationales plus adéquates on doit examiner les données formulées en PPA (parité pouvoir d'achat).

Figure 15 : Evolution du PIB par habitant (PIB_Hab) .

Source : Direction de la Comptabilité Nationale-Rabat

· Dépense dans l'éducation : Dép_Educ

Il s'agit des dépenses consacrées à l'éducation publique en plus des subventions aux écoles privées de niveau primaire, secondaire et tertiaire, en pourcentage du Produit intérieur brut.

Figure 16 : Evolution des dépenses dans l'éducation (Dép_Educ).

Source : Direction de la Statistique

· Taux de chômage : Tx_Ch

Le taux de chômage exprime la part des chômeurs dans la population active âgée de 15 ans et plus. Ce taux est obtenu par le rapport de l'effectif des chômeurs à celui des actifs âgés de 15 ans et plus.

Figure 17 : Evolution du taux de chômage ( Tx_Ch).

Source : Direction de la Statistique

Nous constatons après observation graphique que l'évolution des variables n'est pas constante dans le temps ; on peut donc émettre l'hypothèse selon laquelle ces variables sont non-stationnaires.

Partant de l'analyse théorique nous allons tester économétriquement les différentes variables déterminantes de l'évolution du nombre de lignes téléphoniques pour 100 habitants (NLT_100_Hab), et leur pouvoir explicatif sur cette variable, à savoir :

Taux de chômage: Tx_Ch

Dépense dans l'éducation : Dép_Educ

PIB par habitant : PIB_Hab

Taux d'inscription aux études supérieures : Tx_insc_ET

Taille de la population urbaine : Taille_Pop_Urb

II.1. Test de DICKEY-FULLER Augmenté(ADF)

Nous avons appliqué le test de Dickey-Fuller sur l'ensemble des variables utilisées à l'aide d'EVIEWS. Nous présentons ici un exemple du test ADF pour la variable nombre de lignes téléphoniques pour 100 habitants (NLT_100_Hab) .Pour le reste des variables, la démarche reste la même.

Tableau 21 : Test ADF modèle (3) pour la série NLT_100_Hab.

Null Hypothesis: NB_100_HAB has a unit root

 
 

Exogenous: Constant, Linear Trend

 
 

Lag Length: 1 (Automatic based on SIC, MAXLAG=1)

 
 
 
 

t-Statistic

  Prob.*

Augmented Dickey-Fuller test statistic

-1.792706

 0.6778

Test critical values:

1% level

 

-4.374307

 
 

5% level

 

-3.603202

 
 

10% level

 

-3.238054

 

*MacKinnon (1996) one-sided p-values.

 
 

Augmented Dickey-Fuller Test Equation

 
 

Dependent Variable: D(NB_100_HAB)

 
 

Method: Least Squares

 
 
 

Date: 05/26/10 Time: 10:21

 
 
 

Sample (adjusted): 1982 2006

 
 
 

Included observations: 25 after adjustments

 
 

Variable

Coefficient

Std. Error

t-Statistic

Prob.  

NB_100_HAB(-1)

-0.126433

0.070526

-1.792706

0.0874

D(NB_100_HAB(-1))

0.759317

0.160886

4.719604

0.0001

C

0.123809

0.105337

1.17536

0.253

@TREND(1980)

0.018856

0.015504

1.216174

0.2374

R-squared

0.5388

    Mean dependent var

0.1284

Adjusted R-squared

0.472914

    S.D. dependent var

0.318168

S.E. of regression

0.230992

    Akaike info criterion

0.052779

Sum squared resid

1.120503

    Schwarz criterion

0.247799

Log likelihood

3.340265

    F-statistic

 

8.177785

Durbin-Watson stat

1.383439

    Prob(F-statistic)

0.000851

 

Au vu de la sortie d'EVIEWS :

ï La série NLT_100_Hab est un processus DS16(*) car la statistique de test= -1.79>-3.60

ï On compare la statistique de la tendance à sa valeur critique qui 2.78 (table ADF) :

1.21<2.78 => Ho : la tendance n'est pas significative. On passe donc à l'étude du modèle (2) du test ADF.

Tableau 22 : Test ADF modèle(2) pour la série NLT_100_Hab.

Null Hypothesis: NB_100_HAB has a unit root

 
 

Exogenous: Constant

 
 
 

Lag Length: 1 (Automatic based on SIC, MAXLAG=1)

 
 
 
 

t-Statistic

  Prob.*

Augmented Dickey-Fuller test statistic

-1.635755

 0.4502

Test critical values:

1% level

 

-3.72407

 
 

5% level

 

-2.986225

 
 

10% level

 

-2.632604

 

*MacKinnon (1996) one-sided p-values.

 
 

Augmented Dickey-Fuller Test Equation

 
 

Dependent Variable: D(NB_100_HAB)

 
 

Method: Least Squares

 
 
 

Date: 05/26/10 Time: 11:14

 
 
 

Sample (adjusted): 1982 2006

 
 
 

Included observations: 25 after adjustments

 
 

Variable

Coefficient

Std. Error

t-Statistic

Prob.  

NB_100_HAB(-1)

-0.048396

0.029586

-1.635755

0.1161

D(NB_100_HAB(-1))

0.702859

0.155711

4.513871

0.0002

C

0.169321

0.099532

1.701161

0.103

R-squared

0.506316

    Mean dependent var

0.1284

Adjusted R-squared

0.461436

    S.D. dependent var

0.318168

S.E. of regression

0.233493

    Akaike info criterion

0.040841

Sum squared resid

1.199423

    Schwarz criterion

0.187107

Log likelihood

2.489482

    F-statistic

 

11.28147

Durbin-Watson stat

1.362422

    Prob(F-statistic)

0.000425

ï La série NLT_100_Hab est un processus DS car la statistique de test= -1.63>-2.98

ï On compare la statistique de la constante à sa valeur critique qui 2.52 (table ADF) :

1.70<2.52 => Ho : la constante n'est pas significative. On passe donc à l'étude du modèle (1) du test ADF.

Tableau 23 : Test ADF modèle(1) pour la série NLT_100_Hab ;

Null Hypothesis: NB_100_HAB has a unit root

 
 

Exogenous: None

 
 
 
 

Lag Length: 1 (Automatic based on SIC, MAXLAG=1)

 
 
 
 

t-Statistic

  Prob.*

Augmented Dickey-Fuller test statistic

-0.33615

 0.5538

Test critical values:

1% level

 

-2.66072

 
 

5% level

 

-1.95502

 
 

10% level

 

-1.60907

 

*MacKinnon (1996) one-sided p-values.

 
 

Augmented Dickey-Fuller Test Equation

 
 

Dependent Variable: D(NB_100_HAB)

 
 

Method: Least Squares

 
 
 

Date: 05/26/10 Time: 11:22

 
 
 

Sample (adjusted): 1982 2006

 
 
 

Included observations: 25 after adjustments

 
 

Variable

Coefficient

Std. Error

t-Statistic

Prob.  

NB_100_HAB(-1)

-0.005368

0.015969

-0.33615

0.7398

D(NB_100_HAB(-1))

0.753565

0.158999

4.739418

0.0001

R-squared

0.441376

    Mean dependent var

0.1284

Adjusted R-squared

0.417087

    S.D. dependent var

0.318168

S.E. of regression

0.242917

    Akaike info criterion

0.084424

Sum squared resid

1.357198

    Schwarz criterion

0.181934

Log likelihood

0.944703

    Durbin-Watson stat

1.327951

ï La série NLT_100_Hab est un processus DS car la statistique de test= -0.33>-1.95 .Elle est non stationnaire. Elle comporte au moins une racine unitaire. Pour déterminer l'ordre d'intégration de la série, on applique maintenant test ADF à la série en différence première.

.

Tableau 24 : Test ADF modèle(1) pour la série D(NLT_100_Hab).

Null Hypothesis: D(NB_100_HAB) has a unit root

 

Exogenous: None

 
 
 
 

Lag Length: 1 (Automatic based on SIC, MAXLAG=1)

 
 
 
 

t-Statistic

  Prob.*

Augmented Dickey-Fuller test statistic

-2.651841

 0.0103

Test critical values:

1% level

 

-2.664853

 
 

5% level

 

-1.955681

 
 

10% level

 

-1.608793

 

*MacKinnon (1996) one-sided p-values.

 
 

Augmented Dickey-Fuller Test Equation

 
 

Dependent Variable: D(NB_100_HAB,2)

 
 

Method: Least Squares

 
 
 

Date: 05/26/10 Time: 14:15

 
 
 

Sample (adjusted): 1983 2006

 
 
 

Included observations: 24 after adjustments

 
 

Variable

Coefficient

Std. Error

t-Statistic

Prob.  

D(NB_100_HAB(-1))

-0.385079

0.145212

-2.651841

0.0146

D(NB_100_HAB(-1),2)

0.451062

0.201371

2.239949

0.0355

R-squared

0.286208

    Mean dependent var

-0.014583

Adjusted R-squared

0.253762

    S.D. dependent var

0.260016

S.E. of regression

0.224615

    Akaike info criterion

-0.0692

Sum squared resid

1.109944

    Schwarz criterion

0.028971

Log likelihood

2.830403

    Durbin-Watson stat

1.685558


La série D(NLT_100_Hab) est stationnaire car on a -2.65< -1.95.La série NLT_100_Hab comporte donc une racine unitaire : NLT_100_Hab est intégrée d'ordre 1 (il faut la différencier une fois pour la rendre stationnaire).

La même démarche appliquée à toutes les séries, montre qu'elles sont toutes intégrées d'ordre 1 (I(1)).

On peut donc aller plus loin afin de mettre en oeuvre une méthodologie qui nous permettra d'estimer notre modèle : c'est la méthode de Johansen.

II.2. Formulation du modèle 

Cette partie portera donc sur la modélisation du nombre de lignes téléphoniques pour 100 habitants en utilisant les variables retenues, le modèle qu'on cherche à estimer est donc sous la forme suivante :

Où :

Tx_Ch : Taux de chômage

Dép_Educ : Dépense dans l'éducation :

PIB_Hab : PIB par habitant 

Tx_Insc_ET : Taux d'inscription aux études supérieures 

Taille_Pop_Urb : Taille de la population urbaine 

II.3. L'estimation par la méthode de Johansen 

Nous allons essayer dans cette partie de chercher une estimation du modèle (*) en utilisant la méthode de Johansen. Cette méthode est utilisée pour identifier et estimer un ou plusieurs vecteurs de cointégration. Cela conduit à l'estimation d'un VAR (Vector Auto Regressive model) de rang réduit (le nombre de relation de cointégration est arrêté) et dont la dynamique de court terme n'est pas contrainte.

Les étapes que nous allons suivre dans notre démarche sont les suivantes :

· Détermination du nombre de retards de la représentation VAR.

· Test de cointégration et détermination de la relation de long terme.

· Estimation du modèle à correction d'erreur.

II.3.1. Détermination du nombre de retards 

La première étape de notre démarche consiste à déterminer le nombre de retards de la représentation VAR. Le choix du nombre de retards à retenir dans le modèle a une importance particulière puisque, d'une part, ce dernier influence les résultats des estimations et, d'autre part, il est préférable d'avoir un nombre petit de retard dans le cas d'un échantillon de taille réduite.

Pour le choix donc du p max alors on doit prendre en considération les auto-corrélations significativement différentes de zéro et aussi tenir compte de la taille de l'échantillon donc : p (max) = 3.

Les estimations VAR pour p= 1, 2 ,3 nous permettent d'obtenir le tableau suivant pour les critères AIC et BIC (Résultats de l'estimation en annexe).

Tableau 25 : Valeurs des critères AIC et BIC après estimation des modèles VAR.

 

AIC

BIC

VAR(1)

27.23314

29.26545

VAR(2)

24.833

28.636

 
 
 
 
 
 
 

On constate qu'à partir de p=3, Eviews ne calcule plus les critères pour l'ensemble du modèle compte tenu de la taille de notre échantillon (26 observations).

On constate que le minimum pour les deux critères ; Schwarz et Akaike correspond à p= 2, on optera donc ici un modèle de retard p=2. Nous allons ainsi pouvoir procéder au test de Johansen sur un modèle VAR(1).

II.3.2. Test de cointégration et détermination de la relation de long terme 

Pour effectuer le test de Johansen, il est nécessaire de préciser les spécifications à retenir:

· Absence ou présence de constante dans le modèle VECM.

· Absence ou présence de constante et de tendance dans les relations dans les relations de cointégration.

Nous effectuons ici le test de Johansen en supposant :

· L'existence d'une constante dans la relation de long terme et non dans les données (pas de constante dans le modèle à correction d'erreur)

· L'existence d'une constante dans la relation de long terme et aussi dans les données (présence d'une constante dans le modèle à correction).

Tableau 26 : Test de la trace1 (Constante dans la relation de cointégration mais pas dans le VECM).

Date: 05/28/10 Time: 16:27

 
 
 

Sample (adjusted): 1982 2006

 
 
 

Included observations: 25 after adjustments

 
 

Trend assumption: No deterministic trend (restricted constant)

 

Series: NB_100_HAB PIB__HAB DEP_EDUC TAILLE_POP_URB TX_CH TX_INSC_ET 

Lags interval (in first differences): 1 to 1

 
 
 
 
 
 
 
 

Unrestricted Cointegration Rank Test (Trace)

 
 

Hypothesized

Trace

0.05

 
 

No. of CE(s)

Eigenvalue

Statistic

Critical Value

Prob.**

 

None *

 0.939632

 178.4457

 103.8473

 0.0000

 

At most 1 *

 0.813541

 108.2635

 76.97277

 0.0000

 

At most 2 *

 0.679060

 66.27484

 54.07904

 0.0028

 

At most 3 *

 0.549263

 37.86231

 35.19275

 0.0252

 

At most 4

 0.374659

 17.94055

 20.26184

 0.1012

 

At most 5

 0.219768

 6.204091

 9.164546

 0.1755

 

 Trace test indicates 4 cointegrating eqn(s) at the 0.05 level

 

 * denotes rejection of the hypothesis at the 0.05 level

 

 **MacKinnon-Haug-Michelis (1999) p-values

 
 

· Il ya cointégration car l'hypothèse nulle d'absence de cointégration a été rejetée (178.44> 103.84) au seuil de 5%.

· L'hypothèse nulle selon laquelle il ya 4 relations de cointégration a été acceptée car 17.94<20.26.

· L'hypothèse nulle selon laquelle il ya au plus 5 relations de cointégration a été aussi acceptée mais il ya que 4 relations de cointégration car la première hypothèse nulle selon laquelle il ya au plus 4 relations de cointégration a été acceptée.

Tableau 27 : Test de la trace2 (Constante dans la relation de cointégration et dans le VECM).

Date: 05/28/10 Time: 16:44

 
 
 

Sample (adjusted): 1982 2006

 
 
 

Included observations: 25 after adjustments

 
 

Trend assumption: Linear deterministic trend

 
 

Series: NB_100_HAB PIB__HAB DEP_EDUC TAILLE_POP_URB TX_CH TX_INSC_ET 

Lags interval (in first differences): 1 to 1

 
 
 
 
 
 
 
 

Unrestricted Cointegration Rank Test (Trace)

 
 

Hypothesized

Trace

0.05

 
 

No. of CE(s)

Eigenvalue

Statistic

Critical Value

Prob.**

 

None *

 0.921533

 159.3516

 95.75366

 0.0000

 

At most 1 *

 0.782923

 95.72482

 69.81889

 0.0001

 

At most 2 *

 0.670237

 57.53725

 47.85613

 0.0048

 

At most 3 *

 0.482039

 29.80276

 29.79707

 0.0499

 

At most 4

 0.323927

 13.35639

 15.49471

 0.1024

 

At most 5

 0.133074

 3.570035

 3.841466

 0.0588

 

 Trace test indicates 4 cointegrating eqn(s) at the 0.05 level

 

 * denotes rejection of the hypothesis at the 0.05 level

 

 **MacKinnon-Haug-Michelis (1999) p-values

 
 


· Il ya cointégration car l'hypothèse nulle d'absence de cointégration a été rejetée (159.35> 95.75) au seuil de 5%.

· L'hypothèse nulle selon laquelle il ya 4 relations de cointégration a été acceptée car 13.35<15.49.

· L'hypothèse nulle selon laquelle il ya au plus 5 relations de cointégration a été aussi acceptée mais il ya que 4 relations de cointégration car la première hypothèse nulle selon laquelle il ya au plus 4 relations de cointégration a été acceptée.

On constate alors que pour toutes les spécifications (variantes avec-sans constantes), on a 4 relations de cointégration sur le long terme.

Identification des relations de cointégration

Les relations de cointégration pour les différentes spécifications (constante dans la relation de cointégration mais pas dans le modèle VECM) et (constante dans la relation de cointégration et dans le modèle VECM) sont présentés en Annexe II.

L'existence de la cointégration entre les variables, nous a permis donc de procéder à la recherche de 4 relations de cointégration. Cependant, l'objectif de l'étude n'étant pas d'explorer le nombre de relations de cointégration entre les variables, nous nous intéresserons particulièrement au vecteur unique de cointégration qui prend en compte la variable endogène.

II.3.3. Détermination de la relation de long terme et Estimation du Modèle 

Estimations du modèle VECM(1)17(*)

Le modèle est estimé avec ces différentes spécifications (constante dans la relation de cointégration mais pas dans le modèle VECM) et (constante dans la relation de cointégration et dans le modèle VECM).Les résultats présentés en Annexe II nous permettent de constater que la constante dans le modèle VECM n'est pas significativement différent de 0.On retient par conséquent un modèle VECM sans constante.

Le test de cointégration nous a permis d'identifier les équations de long terme dont :

Tableau 28 : Test de cointégration.

4 Cointegrating Equation(s): 

Log likelihood

-241.3911

 
 
 

Normalized cointegrating coefficients (standard error in parentheses)

 
 

NB_100_HAB

PIB__HAB

DEP_EDUC

TAILLE_POP_URB

TX_CH

TX_INSC_ET

C

 1.000000

 0.000000

 0.000000

 0.000000

 8.184148

 52.54643

-611.3254

 
 
 
 

 (1.67840)

 (6.51406)

 (82.6756)

 0.000000

 1.000000

 0.000000

 0.000000

 20606.89

 127395.9

-1489306

 
 
 
 

 (4133.85)

 (16044.0)

 (203628.)

 0.000000

 0.000000

 1.000000

 0.000000

-0.319348

-2.081328

 17.53425

 
 
 
 

 (0.06336)

 (0.24593)

 (3.12126)

 0.000000

 0.000000

 0.000000

 1.000000

 14335.72

 90046.34

-1056816

 
 
 
 

 (2916.89)

 (11320.8)

 (143682.)

Nous retenons comme équation du modèle, l'équation suivante :

Avec : a1=-0.002605 a2=-0.000114 a3=-0.043858 a4=0.000166

CE1= NB_100_HAB(-1) +  8.184148* TX_CH(-1) +52.54643* TX_INSC_ET(-1)-611.3254

CE2= PIB__HAB(-1) +  20606.89* TX_CH(-1) + 127395.9* TX_INSC_ET(-1)-1489306

CE3= DEP_EDUC(-1) -0.319348* TX_CH(-1)-2.081328* TX_INSC_ET(-1) +17.53425

CE4= TAILLE_POP_URB(-1) +14335.72* TX_CH(-1)+ 90046.34* TX_INSC_ET(-1) -1056816

De façon explicite, le modèle s'écrit sous la forme suivante :

Tableau 29 : Récapitulatif des résultats de l'estimation du modèle à correction d'erreur.

Nombre d'observations après l'ajustement:26

 
 
 

Relation de court terme

 
 
 
 
 

Variables

Coefficient

t-statistic

 
 
 

D(NB_100_HAB(-1))

0.383247

0.87925

D(PIB__HAB(-1))

0.0000507

0.27335

D(DEP_EDUC(-1))

-1.064286

-2.13089

D(TAILLE_POP_URB(-1))

-0.000137

-0.22119

D(TX_CH(-1))

-0.030929

-0.51525

D(TX_INSC_ET(-1))

-0.622454

-1.18178

 
 
 

Relation de long terme

 

CE1

CE2

CE3

CE4

Variables

Coefficient

t-statistic

Coefficient

t-statistic

Coefficient

t-statistic

Coefficient

t-statistic

 
 
 
 
 
 
 
 
 

TX_CH(-1)

8.184148

[ 4.45131]

20606.89

[ 4.55059]

-0.319348

[-4.60073]

14335.72

[ 4.48651]

TX_INSC_ET(-1)

52.54643

[ 7.36379]

127395.9

[ 7.24859]

-2.081328

[-7.72585]

90046.34

[ 7.26103]

C

-611.3254

[-6.75001]

-1489306

[-6.67661]

17.53425

[ 5.12823]

-1056816

[-6.71438]

 
 
 
 
 
 
 
 
 

Paramètre

NB_100_HAB(-1)

 

PIB__HAB(-1)

DEP_EDUC(-1)

TAILLE_POP_URB(-1)

d'ajustement

-0.002605

[-0.01138]

-0.000114

[-0.45249]

-0.043858

[-0.09898]

0.000166

[ 0.55159]

 
 
 
 
 
 
 
 
 

R2=0.666040

 
 
 

F-Statistic=

3.323945

 
 
 
 
 
 
 

P. (F-Statistic)

=0.0000

 
 
 

Il découle de ces tableaux que:

En considérant notre variable endogène (NB_100_HAB) pour la dynamique de long terme, les variables taux de chômage et taux d'inscription aux études supérieures sont significatives au seuil de 5%, mais le TH_CH n'a pas le signe attendu. Et pour la dynamique de court terme, seule la variable dépenses dans l'éducation est également significative mais n'a pas le signe attendu.

Le coefficient de détermination du MCE indique que 66% de l'évolution du nombre de lignes téléphoniques pour 100 habitants sont expliquées par les variables du modèle et presque la moitié des signes sont conformes aux signes attendus du modèle. Le test de Fisher prouve que le modèle à correction d'erreur est globalement significatif. Quant au test de Student, il a permis d'identifier les variables statistiquement significatives (celles dont les probabilités sont inférieures à 5%).

L'utilisation du modèle à correction d'erreur est justifiée par le signe négatif d'au moins d'un des termes à correction d'erreur (paramètres d'ajustement).

Analyse et interprétation des résultats du modèle à correction d'erreur

Dans le court terme, le coefficient de l'évolution du nombre initial de lignes téléphoniques est positif (0.383247) mais non significatif. Cela veut dire que le nombre antérieur de lignes téléphoniques a une influence plus ou moins (puisque le coefficient est non significatif) négative sur le nombre en cours.

Le revenu par tête à court terme est positif et non significatif. Ce qui fait que dans le court terme, cette variable n'explique pas bien l'évolution du nombre de lignes téléphoniques pour 100 habitants. Le taux de chômage, tout en ayant le signe négatif attendu, affecte de manière non significative l'évolution du nombre de ligne téléphoniques à court terme. Dans le long terme, bien que le coefficient soit significatif, il a un signe positif. Ainsi, une augmentation de taux chômage de 1%, entraînerait une baisse de l'évolution du nombre de lignes téléphoniques de 0,03 à court terme et une augmentation de 8.18 à long terme.

Dans le long terme, le coefficient estimé du taux d'inscription aux études supérieures est positif et significatif par contre il est négatif et non significatif dans le court terme.

Les résultats montrent, en outre, que la taille de la population urbaine et les dépenses dans l'éducation ne pas significatifs à court terme et que le signes attendus ne sont pas obtenus.

Il ressort des résultats obtenus après l'estimation des coefficients des variables de notre modèle que le coefficient de la constante du modèle est significatif et élevé, cela suggère que des variables explicatives ont été omises dans la spécification du modèle. En effet, compte tenu d'un manque et de stabilité de données, nous n'avons pas pu inclure certaines variables qui sont quand même déterminantes dans l'évolution du nombre de lignes téléphoniques ; ce qui expliquerait aussi l'aboutissement à certains résultats non escomptés.

Recommandations

Bien que certains coefficients ne soient pas significatifs et n'ont pas les signes attendus, le modèle nous montre qu'à court terme, l'évolution du nombre de lignes téléphoniques est influencée par le taux de chômage et le taux d'inscription aux études supérieures .A long terme le modèle indique que les variables tels que l'évolution passée du nombre de lignes téléphoniques, le PIB par habitant, le taux de chômage, la taille de la population urbaine, le taux d'inscription aux études supérieures, les dépenses dans l'éducation ont un impact sur l'évolution du nombre de lignes téléphoniques en cours.

Il convient donc de formuler quelques recommandations aux pouvoirs publics en vue d'une amélioration de ce chiffre. Il s'agira de mener des politiques :

ï d'emploi visant à réduire le taux de chômage.

ï d'urbanisation visant à augmenter la taille de la population vivant dans les milieux urbains.

ï sur le plan de l'éducation : allouer des ressources importantes dans le secteur éducatif et encourager les inscriptions aux études supérieures par la sensibilisation et aussi par d'autres moyens disponibles.

Validation du modèle VECM

On vérifie que les résidus issus de notre équation du modèle sont des bruits blancs en utilisant la Q-statistique de Ljung-Box.

Tableau 30 : Corrélogramme des résidus de la première équation.


La statistique Q de Ljung-Box pour le retard h=15 confirme l'absence d'autocorrélation. En effet, la probabilité du test pour h= 15 est 0.995>0.05, donc l'hypothèse de bruit blanc acceptée.

Chap. III : Utilisation d'un modèle de séries temporelles pour des prévisions : méthode de Box and Jenkins

I. Présentation théorique du Modèle 

Les séries temporelles constituent une branche de l'économétrie dont l'objet est l'étude des variables au cours du temps. Parmi ses principaux objectifs figurent la détermination de tendances au sein de ces séries ainsi que la stabilité des valeurs (et de leur variation) au cours du temps.

L'analyse de ces séries touche énormément de domaines de la vie professionnelle, et plus précisément celui de l'informatique décisionnelle. L'image que l'on pourrait se faire de cette analyse ressemblerait à un homme très âgé avec beaucoup d'expérience et une sagesse assez grande pour tirer des événements passés des indications sur le futur, une sorte d'oracle. En informatique, ce serait plutôt une structure fondée sur les bases de données, fournissant ainsi le volume nécessaire d'information permettant de dresser une chronique historique des événements passés. Dessus viendrait se greffer un protocole d'extraction des données, intégré suivant un modèle judicieusement adapté à l'analyse que l'on voudrait faire. Enfin, au sommet de cette pyramide, la réponse à la question posée au départ, qui sera la prévision.

Contrairement à l'économétrie traditionnelle, le but de l'analyse des séries temporelles n'est pas de relier des variables entre elles, mais de s'intéresser à la « dynamique » d'une variable. Cette dernière est en effet essentielle pour deux raisons : les avancées de l'économétrie ont montré qu'on ne peut relier que des variables qui présentent des propriétés similaires, en particulier une même stabilité ou instabilité ; les propriétés mathématiques des modèles permettant d'estimer le lien entre deux variables dépendent de leur dynamique.

Une série temporelle est donc toute suite d'observations correspondant à la même variable : il peut s'agir de données macroéconomiques (le PIB d'un pays, l'inflation, les exportations...), microéconomiques (les ventes d'une entreprise donnée, son nombre d'employés, le revenu d'un individu, le nombre d'enfants d'une femme...), financières (le CAC40, le prix d'une option d'achat ou de vente, le cours d'une action), météorologiques (la pluviosité, le nombre de jours de soleil par an...), politiques (le nombre de votants, de voix reçues par un candidat...), démographiques (la taille moyenne des habitants, leur âge...). En pratique, tout ce qui est chiffrable et varie en fonction du temps. La dimension temporelle est ici importante car il s'agit de l'analyse d'une chronique historique : des variations d'une même variable au cours du temps, afin de pouvoir comprendre la dynamique. La périodicité de la série n'importe en revanche pas : il peut s'agir de mesures quotidiennes, mensuelles, trimestrielles, annuelles... voire même sans périodicité.

On représente en général les séries temporelles sur des graphiques de valeurs (ordonnées) en fonction du temps (abscisses). Lorsqu'une série est stable autour de sa moyenne, on parle de série stationnaire. Inversement, on trouve aussi des séries non stationnaires. Lorsqu'une série croît sur l'ensemble de l'échantillon et donc possède une moyenne qui n'est pas constante, on parle de tendance. Enfin lorsqu'on observe des phénomènes qui se reproduisent à des périodes régulières, on parle de phénomène saisonnier.

Mathématiquement, une série chronologique est représentée par un ensemble de variable aléatoire Yt (parfois écrites Y (t, w)). Soient (?,A,P), un espace probabiliste, et T un ensemble d'indices, la série chronologique réelle (ou processus stochastique) est la fonction réelle Y (t,w) définie sur T×?. Pour chaque t fixé, Y (t, w) est une variable aléatoire sur (?,A,P). En fixant w, Y(t,w) constitue alors une réalisation de la fonction aléatoire.

I.1. Analyse des Séries Chronologiques 

I.1.1. Méthode de décomposition 

Une série chronologique intègre une multitude de signaux et de facteurs de variabilités qui se manifestent différemment. On a coutume de distinguer trois composantes principales : la tendance, les variations saisonnières et les variations résiduelles. Les hypothèses appliquées sur la tendance et la saisonnalité se ramènent au schéma additif et au schéma multiplicatif (CALOT, 1973).

Dans le schéma additif, la série chronologique observée est modélisée sous la forme : , tandis que dans le schéma multiplicatif on a : (première forme) ou (deuxième forme) avec :

: la tendance générale appelé TREND qui peut être une tendance à la hausse tendance positive) ou à la baisse (tendance négative).

: les variations saisonnières qui sont des fluctuations périodiques s'inscrivant dans le cadre de l'année et qui se produisent de façon plus au moins identique d'une année à l'autre.

Par ailleurs, les séries chronologiques peuvent exhiber un comportement pseudopériodique avec les cycles de plusieurs années. Cependant, les cycles longs sont assimilés à la tendance générale.

: les variations résiduelles ou accidentelles qui sont des fluctuations irrégulières et imprévisible, supposées en général de faible amplitude et qui traduisent l'effet de facteurs perturbateurs non permanents.

I.1.2. Saisonnalité 

La saisonnalité est l'un des phénomènes les plus répandus dans la vie économique. Elle traduit la tendance à répéter le comportement d'un modèle au-delà de la période saisonnière généralement une année.

Les séries saisonnières sont donc caractérisées par l'exhibition d'une corrélation très forte aux Lags saisonniers et leurs multiples.

Il est conventionnel dans l'élaboration de modèles économiques d'écarter la saisonnalité dans les séries par des méthodes d'ajustement saisonnier. D'après JENKINS

(1978), ces méthodes sont :

ï Arbitraires, du fait qu'il n'existe pas une seule voie pour effectuer la décomposition des séries chronologiques.

ï Inflexibles, du fait que ces méthodes utilisent virtuellement la même méthode d'ajustement pour toutes les séries, indépendamment de leurs propriétés statistiques.

ï Pernicieuses (nuisible) dans leur effet sur les séries ajustées, du fait qu'une partie de la tendance et des séries résiduelles est effacée aussi ; réciproquement, toute la saisonnalité n'est pas écartée, laissant les corrélations derrière les multiples de la période saisonnière.

ï Déroutantes, du fait que les données originales sont perdues hors de vue.

ï Inefficace, dans le sens que les prévisions obtenues par l'addition des prévisions de parties non saisonnières et saisonnières des séries peuvent être inexactes.

Ceci ne veut pas dire que l'ajustement saisonnier est non utile. Mais au contraire, quand un modèle a été élaboré, l'ajustement saisonnier peut être utilisé pour séparer à la fois les séries et les prévisions en composantes, de cette façon il est utilisé dans l'interprétation des prévisions (BOX, HILLMER and TIAO, 1976).

I.1.3. Stationnarité 

Pour pouvoir comparer des observations prises en des temps différents, il faut s'assurer que ces observations soient comparables, c'est-à-dire ayant la même fonction de densité. En d'autres termes, les séries doivent être stationnaires.

Pour un modèle stochastique, la condition de stationnarité n'implique que la probabilité de distribution est la même dans le temps, c'est-à-dire ou encore pour t et m quelconques.

Ainsi, on se contente d'évoquer la stationnarité faible définie par les deux conditions suivantes (JENKINS & WATTS, 1968) :

ï

la constance de l'espérance : ;

ï la covariance dépend uniquement du paramètre k :

.

La fonction est la fonction d'auto covariance de. L'examen de révèle la structure des variations observées.

I.1.4. Autocorrélations 

Les autocorrélations sont des mesures statistiques qui indiquent comment une série est reliée à elle-même à travers le temps.

La fonction d'autocorrélation simple (ACF) théorique est :

L'autocorrélation échantillonnale : avec

Le graphe des autocorrélations rk est appelé un « corrélogramme ».

En pratique, pour obtenir des estimations fiables rk , au moins 50 observations sont nécessaires.

Les rk doivent êtres calculées jusqu'à un délai K< N/4.

Interprétation succincte :

ï

,

ï r1 est le niveau de corrélation de la série avec elle-même décalée de 1 période,

ï

est le niveau de corrélation de la série avec elle-même décalée de 2 périodes, etc.

ï Plus le coefficient rk est proche de 1 (ou -1), plus la série est corrélée avec elle-même décalée de k périodes.

ï La fonction d'autocorrélation permet de mettre en évidence la présence d'une tendance ou d'une composante périodique.

ï ï Autocorrélation partielle (PACF)

ï Les auto-corrélations partielles (PACF) est un autre ensemble de mesures statistiques utilisées pour identifier des modèles de séries chronologiques.

ï

Elle est égale à la corrélation partielle entre et, l'influence des autres variables décalées de k périodes : ayant été retirée. PACF au délai k est noté.

ï ï I.1.5. Bruit blanc 

ï

Les modèles de Box-Jenkins sont basés sur l'idée qu'une série est générée à partir de séries non corrélées ou « chocs ».

ï

ï

{0 k?01 k=0

ï

Une telle série est appelée processus bruit blanc.

ï ï I.2. Types de modèles stationnaires 

ï Dans ces modèles, plusieurs processus peuvent être rencontrés : le processus moyenne mobile (MA), le processus autorégressif (AR), le processus autorégressif de moyenne mobile (ARMA), (ANDERSON, 1971).

ï I.2.1. Processus autorégressifs AR 

ï

Dans un processus autorégressif d'ordre p noté AR(p), l'observation présente est générée par une moyenne pondérée des observations passées jusqu'à la période.

ï Formellement, les modèles AR(p) s'écrivent de la façon suivante :

ï

ï Où :

ï

Terme constant

ï

Paramètres à estimer pouvant être positifs ou négatifs.

ï

Ordre du modèle.

ï

Série aléatoire, elle mesure l'erreur de prévision à partir des valeurs connues de.

ï

Le terme autorégressif est utilisé car c'est essentiellement une équation de régression dans laquelle les valeurs antérieures de la variable remplacent les variables indépendantes.

ï

est généré par un processus de bruit blanc, en plus si la série est stationnaire :

ï

, donc ou bien

ï

avec :

ï

D'autre part : ,

ï

De même : .

ï Une autre formulation utilisant l'opérateur retard B est possible :

ï

Où =.

ï ï I.2.2. Processus Moyennes Mobiles MA 

ï

Ce processus permet de mesurer en fonction de l'accumulation des erreurs actuelles et passées. Ainsi, un modèle moyenne mobile d'ordre q pour lequel chaque observation est générée par une moyenne pondérée d'aléas jusqu'à la qème période est noté MA(q) et peut s'écrire : où les paramètres à estimer pouvant être positifs ou négatifs.

ï

 : Moyenne de la série.

ï

 : Ordre du modèle.

ï

 : étant généré par un processus de bruit blanc c'est-à-dire :

ï

ï

ï

avec

ï

Les signes « - » sont introduits par convention. Un processus moyenne mobile d'ordre q est complètement décrit par q +2 paramètres :

ï Ainsi, on peut établir les relations suivantes :

ï

ï

==

ï ï La fonction d'autocorrélation de MA(q) est donnée par :

ï

pour k= 1...q

ï

= 0 k>q

ï Une autre formulation utilisant l'opérateur retard B est possible :

ï

ï ï I.2.3. Processus ARMA 

ï Les modèles ARMA sont représentatifs d'un processus généré par une combinaison des valeurs passées et des erreurs passées. Ces modèles, notés ARMA (p, q) sont définis par une équation du type :

ï

ï Où :

ï

 : la valeur courante de la série chronologique

ï

 : ordre du modèle AR

ï

 : ordre du modèle MA

ï

La valeur courante est reliée à p valeurs antérieures de la série chronologique et aux valeurs antérieures ou courantes des résidus.

ï  ;

ï

, donc ou bien

ï

avec :

ï

D'autre part : avec k >= 2.

ï En utilisant l'opérateur retard B, le modèle s'écrit :

ï

ï I.3. Processus non statationnaires : ARIMA et SARIMA 

ï Si la série chronologique n'est pas stationnaire sur sa tendance, on a recours à un modèle de type ARIMA (p, d, q) où le d est le degré de la courbe de tendance ou encore le degré d'intégration de la série (I comme Intégration ; on parle alors d'un ordre d'intégration).

ï

Si la tendance est linéaire alors d=1 convient :

ï

Si la tendance est quadratique alors d=2 convient :

ï Dire que la série est un ARIMA (p, d, q) est équivalent à dire que la série différenciée d fois est un ARMA (p, d).

ï Un mouvement saisonnier dans une série est simplement la tendance qu'a cette série à répéter un certain comportement à intervalle régulier dans le temps appelé « saison ». Le nombre d'instants dans une saison est un entier appelé période et noté « s ».

ï Paramètres saisonniers, par opposition aux paramètres réguliers AR et MA correspondent à un ordre qui est un multiple de la période « s ».

ï La généralisation logique des processus saisonniers autorégressifs (AR) et moyenne mobile (MA) est un modèle mixte incorporant les deux processus. Un tel modèle s'écrit sous la forme :

ï

ï Où 1,..., q sont les paramètres saisonniers MA qui peuvent être positifs ou négatifs ; q étant l'ordre de la composante MA.

ï 1,..., p sont des paramètres saisonniers AR qui peuvent être positifs ou négatifs ; p étant l'ordre de la composante AR.

ï u1...ut-sq étant les termes de la série aléatoire.

ï

De même, les modèles SARIMA permettent d'intégrer un ordre de différenciation lié à la saisonnalité par la transformation où s correspond à la périodicité des données (s=7 pour une périodicité hebdomadaire, 4 si trimestrielle, 12 si annuelle).

ï Les autocorrélations associées à un modèle purement saisonnier sont analogues à celles d'un modèle non saisonnier, à la seule différence que les autocorrélations interviennent en des délais multiples de la période « s ».

ï I.4. Méthodologie de Box and Jenkins 

ï L'approche de Box et Jenkins (1976) consiste en une méthodologie rigoureuse d'étude systématique des séries chronologiques à partir de leurs caractéristiques intrinsèques. L'objectif est de déterminer, dans la famille des modèles ARIMA, le plus adapté à représenter le phénomène étudié.

ï ï ï ï ï ï ï ï ï ï ï ï Figure 18 : Les étapes de l'élaboration et de la prévision d'un modèle stochastique univarié (méthode BOX&JENKINS).

ï ï DONNEES

ï ï ï -------------------------------------------

ï Chronique brute

ï Transformation ?

ï Différentiation ?

ï Saisonnalité ?

ï -------------------------------------------

ï ï ï ------------------------- --------------------------

ï Différenciation Identifier le modèle Estimations

ï Exige que la qui va être accepté préliminaires

ï Saisonnalité soit pour les séries des paramètres

ï Introduite différenciées du modèle

ï ------------------------ -------------------------

ï ï ï ï Estimation

ï

ï

ï --------------------- -----------------

ï Ré identifier les Vérifier la Estimation

ï Modèles pour : justesse du -paramètres

ï -l'ajustement modèle -statistiques résiduelles

ï -la vérification -----------------

ï ---------------------

ï ï ï ï ï ï Le graphique ci-dessous résume la méthodologie proposée :

ï ï ï ï ï ï I.4.1. Etape n° 1 : Stationnarisation 

ï La première étape est une étape de stationnarisation de la série. Elle est primordiale comme préalable à la détermination des modèles ARIMA. Rappelons que les modèles ARMA ne sont représentatifs que de séries stationnaires en tendance et corrigées saisonnières.

ï ï I.4.2. Etape n°2 : Identification 

ï Cette phase est la plus importante et la plus difficile : elle consiste à déterminer le meilleur modèle parmi la famille des modèles ARIMA. Elle repose sur l'étude des corrélogrammes simples et partiels.

ï Certains auteurs préconisent d'effectuer une désaisonnalisation au préalable de la série. Cela facilite les traitements ultérieurs.

ï Ensuite la série doit être stationnarisée en tendance. Le corrélogramme simple est l'outil idéal. En effet si celui décroît très lentement, nous devons recourir à une différentiation (d'ordre d=1 ou d=2 etc.).

ï Une fois ce travail réalisé, il est possible de se livrer à l'estimation du modèle ARMA :

ï Si le corrélogramme n'a que ses q (3 maximum) premiers termes différents de 0 et que les termes du corrélogramme partiel diminuent lentement, nous pouvons pronostiquer un MA (q).

ï Si le corrélogramme partiel n'a que ses p premiers (3 maximum) termes différents de 0 et que les termes du corrélogramme simple diminuent lentement, cela caractérise un AR (p).

ï Si les fonctions d'autocorrélation simple et partielle ne paraissent pas tronquées, il s'agit d'un processus ARMA dont les paramètres dépendent de la forme particulière des corrélogrammes. Cette étape d'identification des paramètres nous conduit généralement à sélectionner plusieurs modèles concurrents. Il ne nous restera qu'à choisir le meilleur d'entre eux.

ï ï ï ï ï ï ï ï I.4.3. Etape n°3 : vérification de la justesse du modèle 

ï

Les résidus doivent se comporter comme un bruit blanc. Si le résidu n'est pas un bruit blanc, la spécification du modèle est incorrecte ou incomplète. Il manque peut-être un ordre à l'un des processus. Pour vérifier que les résidus se comportent comme un bruit blanc, on dispose un certain nombre de test dont  le test global de bruit blanc appelé test Portmanteau de Ljung-Box, qui est utilisé pour vérifier si les autocorrélations de la série résiduelle, sont globalement, non significatives. Ce test est donné par la statistique :

ï

En comparant la statistique Q à la valeur critique obtenue à partir d'un test du chi-deux on peut conclure, avec une certaine confiance que les autocorrélations sont, globalement, non significatives. Ainsi en comparant Q avec tabulée à (k-p-q) degrés de libertés où :

ï k désigne les k premières autocorrélations,

ï p est l'ordre du modèle autorégressif,

ï q est l'ordre du modèle moyenne mobile.

ï

Le modèle est significatif si Q< ; ou encore les résidus sont des bruits blancs.

ï L'analyse des résidus peut se faire autrement en vérifiant si leur moyenne est nulle ; si ce n'est pas le cas, ajouter une constante au modèle (ce que fait par défaut SPSS).

ï On peut également tester la validité du modèle en vérifiant si ses coefficients sont significativement différents de 0 : le test de Student classique s'applique. Si le coefficient n'est pas significativement différent de 0, il faut envisager une nouvelle spécification éliminant l'ordre du modèle AR ou MA non valide.

ï ï I.4.4. Etape n°4 : Estimation des paramètres 

ï Cette étape est totalement à la charge du logiciel (SPSS). Pour information, l'algorithme utilisé est de MELARD lorsque la série étudiée ne comporte pas de valeurs manquantes. Il est basé sur ce que l'on appelle le compromis de Marquardt qui est un algorithme d'interpolation optimale entre la méthode de Gauss-Newton et la méthode du gradient. Si des valeurs manquantes sont présentes, SPSS utilise alors automatiquement l'algorithme du filtrage de Kalman. Il se décompose en deux grandes phases : le filtrage qui utilise l'information présente et passée par rapport à un instant t, et le lissage qui utilise la totalité de l'information c'est-à-dire la totalité des observations de la série chronologique.

ï ï I.4.5. Etape n°5 : Elaboration des prévisions 

ï Dans cette phase, le modèle et les observations antérieures sont utilisés comme base de prédiction du comportement futur des séries. Comme pour l'étape d'estimation, SPSS s'en charge, il suffit de lui indiquer l'horizon de prévision lorsque vous spécifiez les paramètres du modèle SARIMA.

ï ï I.4.6. Etape n°6 : Vérification des prévisions obtenues 

ï La vérification des prévisions consiste en la confrontation des valeurs simulées aux valeurs réelles.

ï

L'indice de détermination () : est un ratio permettant de comparer la « variation » présente dans la série originale à celle expliquée par le modèle ajusté.

ï II. Mise en oeuvre de la méthodologie de Box and Jenkins pour des prévisions à l'horizon 2020 

ï Cette partie porte sur la modélisation des indicateurs des TIC (nombre de lignes téléphoniques pour 100 habitants, nombre d'ordinateurs personnels pour 100 habitants) à long terme, à savoir la détermination du processus en mesure de reproduire l'évolution de ces indicateurs. A partir du modèle optimal retenu, on établira des prévisions annuelles. La modélisation des indicateurs et les prévisions en résultant est obtenue par application de la méthode d'analyse univariée de Box & Jenkins, qui constitue l'outil le plus approprié à l'étude des séries temporelles annuelles et devant servir à des prévisions de long terme. Cette approche consiste à déterminer le modèle qui permet de reproduire le plus fidèlement l'évolution de ces indicateurs et d'établir les prévisions sur un horizon déterminé.

ï La méthode retenue comporte les étapes suivantes :

1. Analyse de la série des indicateurs (tendance, ajustement).

2. Identification et validation des modèles susceptibles de reproduire la série chronologique des indicateurs annuels.

3. Choix du modèle le plus approprié sur la base de critères statistiques.

4. Détermination, à partir du modèle retenu, des valeurs attendues des indicateurs annuels pour la période prospective considérée.

ï ï L'analyse portera sur les séries des valeurs annuelles enregistrées pour les indicateurs à entre 1975 et 2008. Au terme de cette analyse, on présentera l'ajustement des indicateurs pour la période [2009-2020].

ï Dans le but d'illustrer la méthode de Box&Jenkins d'une manière bien détaillée, on a choisi comme exemple, le nombre de lignes téléphoniques (pour 100 habitants), c'est-à-dire de lignes téléphoniques reliant l'appareil d'un client à un réseau téléphonique public. L'indicateur évalue leur nombre par tranche de 100 habitants.

ï Il aurait été également intéressant de faire des prévisions du nombre de GSM pour 100 habitants, vu son poids actuel dans l'évolution des TIC mais par faute de statistiques fiables et suffisantes, nous n'avons pas pu réaliser ces prévisions.

ï ï ï ï ï II.1. Etape n° 1 : Stationnarisation

ï Le premier reflexe est de visualiser la série ; ainsi le graphique représentant l'évolution de la série {Xt : nombre de lignes téléphoniques pour 100 habitants} est le suivant :

ï ï Figure 19 : Présentation graphique de l'évolution de la série des nombres de lignes téléphoniques pour 100 habitants.

ï ï ï Clairement, cette série n'est pas stationnaire en tendance. Il faut la différencier à l'ordre 1. Ceci implique l'application d'une différence, en d'autres termes l'application de l'opérateur 1-B.

ï Ainsi, nous disposons d'une nouvelle série d'étude, dont le graphe est le suivant :

ï Figure 20 : Evolution de la série des nombres de lignes téléphoniques pour 100 habitants

ï après différentiation.

ï ï ï D'après ce graphique, la série est stationnaire en tendance, il nous permet aussi de conclure qu'elle est aussi stationnaire en variance. Il est à noter que nous n'avons pas eu à traiter le problème de saisonnalité pour l'ensemble des séries du nombre de lignes téléphoniques pour 100 habitants, car nous traitons des données annuelles dont le caractère dominant est l'évolution depuis 1975 jusqu'à 2008.

ï Après l'analyse préliminaire effectuée sur la série de NLT_100_HAB, les conditions sont maintenant remplies pour la recherche dans la famille des modèles ARMA le modèle qui s'adapte le mieux aux données de la série Ut = (1-B) Xt.

ï ï II.2. Etape n°2 : Identification

ï La méthode usuelle consiste à se baser sur la forme des fonctions d'autocorrélation et d'autocorrélation partielle de la série étudiée (éventuellement transformée) afin de choisir un modèle ARMA ou éventuellement plusieurs modèles qui seront examinés, en utilisant SPSS on obtient les graphiques des ACF et PACF de la série Ut.

ï ï Figure 21 : Corrélogramme simple de la série NLT_100_HAB .

ï ï ï ï Figure 22 : Corrélogramme partiel de la série NLT_100_HAB.

ï ï ï ï Au vu de ces deux corrélogrammes, il est difficile d'identifier clairement une représentation caractéristique moyenne mobile ou autorégressive. Toutefois nous pouvons commencer par spécifier un modèle ARIMA (0, 1,1). En effet, nous pouvons considérer que le corrélogramme partiel (PACF) décroit lentement tandis que le corrélogramme simple(ACF) a son premier terme significativement différent de 0.

ï Les deux corrélogrammes permettent une autre spécification d'un modèle ARIMA (1, 1,0).En effet, nous pouvons considérer que le corrélogramme simple (ACF) décroit lentement tandis que le corrélogramme partiel (PACF) a son premier terme significativement différent de 0.

ï Un troisième processus à analyser est celui qui combine les deux précédents processus

ï ARIMA (0, 1,1) et ARIMA (1, 1,0)) noté ARIMA (1, 1,1).

ï A ces processus, nous pouvons analyser le cas d'un dernier en supposant qu'aucun des termes des deux corrélogrammes n'est significativement différent de zéro ; il s'agira du modèle ARIMA (0, 1,0).

ï ï I.4.3. Etape n°3 : Estimation des paramètres

ï La sortie des résultats de SPSS concernant le premier modèle est le suivant :

ï ï Tableau 31 : Description du modèle 3

ï Description du modèle

 
 
 

ï ï ï ï Type de modèle

ï ID de modèle

ï Nbr_LT

ï Modèle_1

ï ARIMA (1, 1,0)

ï ï Tableau 32 : Paramètres du modèle ARIMA.

ï ï Paramètres du modèle ARIMA

 
 
 
 
 

ï ï ï ï ï ï Estimation

ï SE

ï t

ï Sig.

ï Nbr_LT-Modèle_1

ï Nbr_LT

ï Aucune transformation

ï Constante

ï ,290

ï ,186

ï 1,555

ï ,130

ï ï ï ï AR

ï Lag 1

ï ,372

ï ,182

ï 2,049

ï ,049

ï ï ï ï Différence

ï 1

 
 
 

ï ï ï ï ï ï ï

Ainsi le paramètre estimé est de 0,372.

ï En procédant de la même façon on obtient les paramètres des trois modèles potentiels qui sont résumés dans le tableau suivant :

ï ï Tableau 33 : Résumé des paramètres des trois modèles.

 

ï ï ï Modèle ARIMA (1, 1,0)

ï Modèle ARIMA (0, 1,1)

ï Modèle ARIMA (1, 1,1)

 

ï ï Coefficient

ï Coefficient

ï Coefficient

ï Coefficient

ï Estimation

ï 0,372

ï -0,385

ï -0,522

ï -0,951

ï Ecart type

ï 0,182

ï 0,177

ï 0,632

ï 0,830

ï T-student

ï 2,049

ï -2,182

ï -0,825

ï -1,145

ï Niveau de signification

ï 0,049

ï 0,037

ï 0,416

ï 0,261

ï ï ï ï I.4.4. Etape n°4 : vérification de la justesse du modèle

ï Pour vérifier la justesse du modèle, nous disposons une batterie de tests qui permettent d'accepter ou de rejeter le modèle choisi.

· Test sur les paramètres :

ï Les coefficients des deux modèles (ARIMA (1,1, 0) et ARIMA (0, 1,1)) sont significativement différents de zéro au seuil de 5%. En effet leurs p-value sont inférieurs à 0,05 (voir tableau ci-dessus).

ï En revanche, les deux coefficients et ? du modèle ARIMA (1, 1,1) ne sont pas différents de zéro au seuil de 5%. Ceci conduit à écarter ce modèle de la suite de l'analyse.

ï Le test sur les paramètres ne s'applique pour le modèle ARIMA (0, 1,0).

· Test sur les résidus (test de bruit blanc)

ï Lorsque le processus est bien estimé, les résidus (écart entre les valeurs observées et les valeurs estimées par le modèle) doivent se comporter comme un bruit blanc.

ï On doit vérifier qu'il n'existe aucune autocorréllation ou autocorrélation partielle significativement non nulle pour le processus étudié, ainsi on étudie les autocorrélogrammes simples (ACF) et partiels (PACF) des résidus chaque processus.

ï ï Ainsi, pour le premier modèle ARIMA (1, 1,0) nous avons les autocorrélogrammes suivants :

ï Figure 23 : Corrélogramme simple des résidus du NLT_100_HAB- modèle_1.

ï ï ï ï Figure 24 : Corrélogramme partiel des résidus du NLT_100_HAB- modèle_1.

ï ï ï ï Au regard de ces graphiques, toutes les corrélations ne peuvent pas être considérées comme significativement différentes de 0. Nous pouvons donc consulter la statistique de Ljung et Box afin de tester si le processus est bien un bruit blanc.

ï ï Test global à partir de la statistique de Ljung-Box

ï Le test de Ljung-Box pour un ordre K, correspond à l'hypothèse nulle : H0 : ñk = 0 k K et est construit de la façon suivante :

ï

ï Avec K = N/4, dans notre cas on prend K=8

ï La sortie de SPSS concernant la statistique Ljung-Box pour le premier modèle

ï ARIMA (1, 1,0) est le suivant :

ï ï Tableau 34 : Test de validité du modèle à travers les résidus.

ï ï ï ï Toutes les probabilités (sig) sont supérieures à 0,05 ; nous pouvons donc conclure quant à la validité de notre modèle ARIMA (1, 1,0).

ï La même démarche nous permet d'accepter les deux autres modèles ARIMA (0, 1,1) et ARIMA (0, 1,0) dont les valeurs relatives à la statistique de Ljung-Box sont résumées dans le tableau suivant :

ï ï Tableau 35 : Test global de Ljung-Box pour les deux modèles ARIMA (0, 1,0) et

ï ARIMA (0, 1,1) générant éventuellement la série du nombre de lignes téléphoniques

ï ï k

ï ï Modèle ARIMA (0, 1,0)

ï Modèle ARIMA (0, 1,1)

ï ï Valeur de Ljung-Box

ï Probabilité de signification

ï Valeur de Ljung-Box

ï Probabilité de signification

ï 1

ï ,022

ï ,881

ï ,002

ï ,967

ï 2

ï ,080

ï ,961

ï ,011

ï ,994

ï 3

ï ,081

ï ,994

ï ,013

ï 1,000

ï 4

ï ,306

ï ,989

ï ,097

ï ,999

ï 5

ï ,343

ï ,997

ï ,103

ï 1,000

ï 6

ï 2,365

ï ,883

ï 2,268

ï ,893

ï 7

ï 3,338

ï ,852

ï 3,170

ï ,869

ï 8

ï 3,576

ï ,893

ï 3,389

ï ,908

ï ï Sont donc en concurrence trois modèles. Dressons un tableau récapitulatif des éléments qui vont nous permettre de trancher :

ï ï Tableau 36 : Tableau récapitulatif des éléments permettant de choisir le modèle adéquat (critères AIC et SCB).

ï ï Critères

ï ARIMA (1, 1,0)

ï ARIMA (0, 1,0)

ï ARIMA (0, 1,1)

ï AIC

ï 70,403468

ï 72,684284

ï ï 70,168251

ï SBC

ï 73,396483

ï ï 74,180791

ï 73,161266

ï ï Les statistiques AIC et SBC mesurent la qualité d'ajustement du modèle. AIC est le critère d'information d'Akaike et SBC est le critère bayesien de Schwartz. Nous utilisons ces critères pour choisir entre différents modèles estimés, le modèle qui a les critères AIC et SBC les plus faibles (ce modèle étant le meilleur).

ï Ici, l'ARIMA (0, 1,1) a ses deux critères AIC et SBC inférieurs à ceux de l'ARIMA (1, 1,0) et ARIMA (0, 1,0). Modèle retenu : ARIMA (0, 1, 1).

ï Le résumé des étapes qui nous ont permis de déterminer le processus final générant la série des nombres de lignes téléphoniques est le suivant :

ï Série initiale : Xt {Série des nombres de lignes téléphoniques}

ï Série différenciée : Ut = (1-B) Xt

ï Le modèle final retenu pour la série {Xt} est le modèle ARIMA (0, 1,1) suivant :

(1. - B) Xt= (1 +0,385B) ut avec ut~ BB (0,s2).

ï ï I.4.5. Etape n°5 : Elaboration des prévisions

ï Le tableau suivant présente les valeurs réelles et valeurs simulées à partir du modèle estimé, aussi bien pour la période initiale (1975-2008) que pour la période des prévisions (2009-2020).

ï ï Tableau 37 : Tableau des valeurs réelles et valeurs simulées à partir du modèle estimé

ï ARMA (0, 1,1).

ï Années

ï valeur réelles

ï Valeurs

ï Borne inférieure de

ï Borne supérieure de

ï Erreurs

ï  

ï  

ï prédites

ï l'intervalle de confiance

ï l'intervalle de confiance

ï absolues

ï 1 975

ï 0,64

 
 
 
 

ï ï ï ï ï 1 976

ï 0,70

ï 0,91

ï -0,57

ï 2,39

ï -0,21

ï 1 977

ï 0,76

ï 0,90

ï -0,50

ï 2,29

ï -0,14

ï 1 978

ï 0,81

ï 0,98

ï -0,41

ï 2,36

ï -0,17

ï 1 979

ï 0,81

ï 1,01

ï -0,37

ï 2,40

ï -0,20

ï 1 980

ï 0,86

ï 1,00

ï -0,38

ï 2,38

ï -0,14

ï 1 981

ï 0,89

ï 1,07

ï -0,31

ï 2,46

ï -0,18

ï 1 982

ï 0,94

ï 1,09

ï -0,30

ï 2,47

ï -0,15

ï 1 983

ï 0,97

ï 1,15

ï -0,23

ï 2,53

ï -0,18

ï 1 984

ï 1,01

ï 1,17

ï -0,22

ï 2,55

ï -0,16

ï 1 985

ï 1,10

ï 1,22

ï -0,17

ï 2,60

ï -0,12

ï 1 986

ï 1,13

ï 1,32

ï -0,06

ï 2,71

ï -0,19

ï 1 987

ï 1,17

ï 1,32

ï -0,06

ï 2,71

ï -0,15

ï 1 988

ï 1,23

ï 1,38

ï 0,00

ï 2,76

ï -0,15

ï 1 989

ï 1,41

ï 1,44

ï 0,06

ï 2,82

ï -0,03

ï 1 990

ï 1,67

ï 1,67

ï 0,28

ï 3,05

ï 0,00

ï 1 991

ï 2,02

ï 1,94

ï 0,56

ï 3,32

ï 0,08

ï 1 992

ï 2,61

ï 2,32

ï 0,94

ï 3,70

ï 0,29

ï 1 993

ï 3,24

ï 2,99

ï 1,61

ï 4,37

ï 0,25

ï 1 994

ï 3,87

ï 3,60

ï 2,22

ï 4,99

ï 0,27

ï 1 995

ï 4,24

ï 4,24

ï 2,86

ï 5,62

ï 0,00

ï 1 996

ï 4,45

ï 4,51

ï 3,12

ï 5,89

ï -0,06

ï 1 997

ï 4,73

ï 4,70

ï 3,31

ï 6,08

ï 0,03

ï 1 998

ï 5,03

ï 5,01

ï 3,63

ï 6,39

ï 0,02

ï 1 999

ï 5,17

ï 5,30

ï 3,92

ï 6,69

ï -0,13

ï 2 000

ï 4,94

ï 5,39

ï 4,00

ï 6,77

ï -0,45

ï 2 001

ï 4,08

ï 5,04

ï 3,65

ï 6,42

ï -0,96

ï 2 002

ï 3,82

ï 3,98

ï 2,60

ï 5,36

ï -0,16

ï 2 003

ï 4,09

ï 4,03

ï 2,64

ï 5,41

ï 0,06

ï 2 004

ï 4,34

ï 4,38

ï 3,00

ï 5,77

ï -0,04

ï 2 005

ï 4,40

ï 4,59

ï 3,21

ï 5,97

ï -0,19

ï 2 006

ï 4,10

ï 4,59

ï 3,21

ï 5,98

ï -0,49

ï 2 007

ï 7,67

ï 4,18

ï 2,79

ï 5,56

ï 3,49

ï 2 008

ï 9,46

ï 9,28

ï 7,90

ï 10,67

ï 0,18

ï 2 009

 

ï ï 9,80

ï 8,41

ï 11,18

 

ï ï 2 010

 

ï ï 10,06

ï 7,70

ï 12,43

 

ï ï 2 011

 

ï ï 10,33

ï 7,29

ï 13,37

 

ï ï 2 012

 

ï ï 10,60

ï 7,00

ï 14,19

 

ï ï 2 013

 

ï ï 10,87

ï 6,79

ï 14,94

 

ï ï 2 014

 

ï ï 11,13

ï 6,63

ï 15,64

 

ï ï 2 015

 

ï ï 11,40

ï 6,51

ï 16,29

 

ï ï 2 016

 

ï ï 11,67

ï 6,41

ï 16,92

 

ï ï 2 017

 

ï ï 11,94

ï 6,34

ï 17,53

 

ï ï 2 018

 

ï ï 12,20

ï 6,29

ï 18,12

 

ï ï 2 019

 

ï ï 12,47

ï 6,26

ï 18,69

 

ï ï 2 020

 

ï ï 12,74

ï 6,24

ï 19,24

 

ï ï ï L'erreur relative18(*) moyenne est de 11%, elle est considérée faible, ceci traduit le faible écart entre les valeurs prédites et les valeurs réelles. On peut dire alors que la capacité prédictive de ce modèle est bonne.

ï ï I.4.6. Etape n°6 : Vérification des prévisions obtenues

ï Pour vérifier la qualité des prévisions obtenues, on construit le graphe des valeurs réelles et celui des valeurs simulées que l'on compare afin de voir l'éventuel écart ou rapprochement entre les courbes.

ï Figure 25 : Graphe des valeurs réelles et des valeurs simulées.

ï ï ï ï Nous remarquons que le graphe(en jaune) des valeurs réellement observées « colle » sur toute la période d'étude avec celui(en rouge) des valeurs estimées par le modèle, ceci montre que le processus choisi donne des prévisions correctes.

ï En utilisant les prévisions calculées, on a un constate un taux de croissance moyen annuel de 2% du nombre de lignes téléphoniques pour 100 habitants pour la période 2009-2020 contre un taux de 7% pour la période de 1975-2008.

ï Ce taux de 2%, relativement faible pourrait s'expliquer par le fait que l'augmentation des opérateurs privés a entrainé un recours à la téléphonie mobile par la population marocaine ; ce qui se traduit par une baisse du raccordement à un réseau fixe. Toutefois l'augmentation élevée pour la première période se trouve justifier puisque la population n'avait pas d'autres choix que la téléphonie fixe. Cependant, il faut noter que le taux de 2% pour cette période de 11 ans (2009-2020) est élevé comparativement à la même période antérieure de 11 ans (1998-2009).Cela pourrait trouver une explication par l'arrivée du nouvel opérateur Wana en 2007 qui fournit des offres très intéressantes de la téléphonie fixe à la portée de bon nombre de citoyens.

ï ï En appliquant la même démarche pour l'autre série des indicateurs que sont le nombre d'ordinateurs personnels (pour 100 habitants) c'est-à-dire d'ordinateurs conçus pour n'être utilisés que par une seule personne, nous présentons seulement les résultats des prévisions pour cet indicateur et nous renvoyons les détails sur les étapes du modèle à l'annexe (Annexe n° I).

ï ï Tableau 38 : Prévisions du nombre d'ordinateurs personnels pour 100 habitants.

ï Années

ï valeur réelles

ï Valeurs

ï Borne inférieure de

ï Borne supérieure de

ï Erreurs

ï  

ï  

ï prédites

ï l'intervalle de confiance

ï l'intervalle de confiance

ï absolues

ï 1993

ï 0,23

 
 
 
 

ï ï ï ï ï 1994

ï 0,27

ï  

ï  

ï  

ï  

ï 1995

ï 0,32

ï 0,46

ï -0,51

ï 1,44

ï -0,14

ï 1996

ï 0,37

ï 0,52

ï -0,45

ï 1,49

ï -0,15

ï 1997

ï 0,47

ï 0,57

ï -0,40

ï 1,54

ï -0,10

ï 1998

ï 0,72

ï 0,73

ï -0,24

ï 1,70

ï -0,01

ï 1999

ï 1,05

ï 1,12

ï 0,15

ï 2,10

ï -0,07

ï 2000

ï 1,21

ï 1,54

ï 0,56

ï 2,51

ï -0,32

ï 2001

ï 1,37

ï 1,53

ï 0,55

ï 2,50

ï -0,16

ï 2002

ï 1,70

ï 1,68

ï 0,71

ï 2,65

ï 0,01

ï 2003

ï 2,01

ï 2,17

ï 1,20

ï 3,14

ï -0,16

ï 2004

ï 2,06

ï 2,48

ï 1,51

ï 3,45

ï -0,42

ï 2005

ï 2,44

ï 2,25

ï 1,28

ï 3,23

ï 0,19

ï 2006

ï 2,98

ï 2,98

ï 2,01

ï 3,96

ï 0,00

ï 2007

ï 3,52

ï 3,67

ï 2,70

ï 4,65

ï -0,15

ï 2008

ï 5,70

ï 4,22

ï 3,24

ï 5,19

ï 1,48

ï 2009

ï  

ï 8,02

ï 7,05

ï 8,99

ï  

ï 2010

ï  

ï 10,50

ï 8,32

ï 12,67

ï  

ï 2011

ï  

ï 13,13

ï 9,48

ï 16,77

ï  

ï 2012

ï  

ï 15,91

ï 10,58

ï 21,24

ï  

ï 2013

ï  

ï 18,84

ï 11,62

ï 26,06

ï  

ï 2014

ï  

ï 21,93

ï 12,64

ï 31,21

ï  

ï 2015

ï  

ï 25,16

ï 13,65

ï 36,68

ï  

ï ï L'erreur relative moyenne pour ce modèle est également considérée faible (15%), ce qui nous permet de dire que la capacité prédictive de ce modèle est aussi bonne.

ï On constate à travers les prévisions faites ,une augmentation considérable du nombre d'ordinateurs pour 100 habitants d'ici 2015 ; cela trouve une explication par les efforts engagés par les pouvoirs publics pour promouvoir les TIC dans les années à venir. Nous pouvons citer entre autres le projet Injaz à travers lequel une quantité importante d'ordinateurs est mise à la disposition des étudiants.

ï ï ï ï ï ï ï Conclusion

ï Au terme de la modélisation faite dans cette partie, nous constatons que certaines affirmations faites dans la partie théorique se révèlent être confirmées puisque dans un premier temps la validité du premier modèle nous montre que le secteur des TIC contribue à la croissance économique ; ce qui est corroboré par le calcul de cette part de contribution des TIC pour la période 1998 à 2008 qui est de l'ordre de 6%.Ensuite le second modèle nous a permis de nous rendre compte de certaines variables socio-économiques et démographiques qui agissent sur l'évolution des TIC. Enfin le dernier modèle sur les prévisions nous confirme l'assertion selon laquelle les TIC sont en pleine expansion car les prévisions nous montrent une évolution phénoménale dans les années à venir.

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï Conclusion générale

ï Rappelons que l'objectif premier de notre travail était de mettre en évidence la contribution du secteur des TIC à la croissance économique au Maroc. Après non seulement une présentation des généralités relatives aux TIC mais aussi d'un état de lieux des TIC au Maroc, nous avons eu à construire le principal modèle qui s'est appuyé sur la fonction Cobb-Douglas. En effet les coefficients des variables telles que le facteur capital (décomposé en facteur capital TIC et facteur capital non TIC) et le facteur travail du modèle sont globalement significatifs. Les différents tests sur le modèle ont également permis la validation de ce dernier. Le modèle a ainsi servi à montrer que le secteur TIC contribue d'une quantité extrêmement importante à la croissance économique marocaine. Cette contribution calculée est par conséquent de l'ordre de 6% pour la période 1998-2008 ; période par excellence d'instauration de politiques plus volontaristes en faveur du développement des TIC par les autorités marocaines.

ï La seconde partie de la modélisation qui a été consacrée à la détermination des déterminants de l'évolution des TIC révèle les variables telles que le taux de chômage et le taux d'inscription aux études supérieures comme celles ayant un impact à court terme sur l'évolution des TIC représentée par la variable nombre de lignes téléphoniques pour 100 habitants. Dans le long terme le modèle indique que les variables telles que l'évolution passée du nombre de lignes téléphoniques, le PIB par habitant, le taux de chômage, la taille de la population urbaine, le taux d'inscription aux études supérieures, les dépenses dans l'éducation ont un impact sur l'évolution du nombre de lignes téléphoniques en cours donc sur le secteur TIC.

ï Enfin la dernière partie de la modélisation était une modélisation univariée sur les séries temporelles des indicateurs des TIC représentés par le nombre de lignes téléphoniques pour 100 habitants et le nombre d'ordinateurs personnels pour 100 habitants. Cette modélisation destinée à des prévisions à l'horizon 2020 a permis de constater l'ampleur du secteur pour les années à venir puisque les prévisions obtenues montrent une progression considérable.

ï Vu l'importance des TIC mentionnées dans le long de ce travail tant par la partie théorique que par la partie empirique ; il convient de formuler quelques recommandations afin d'aboutir à des résultats plus efficients dans le secteur des TIC au Maroc. Entre autres, nous pouvons citer :

ï Favoriser des avantages fiscaux notamment pour l'importation dans ledit secteur.

ï Multiplier les actions visant la vulgarisation des TIC.

ï Assurer un suivi d'évaluation de l'évolution des TIC et de leurs impacts sur la croissance.

ï Créer des centres informatiques dans les zones défavorisées pour permettre l'accès de la technologie de l'information aux enfants.

ï Introduire l'usage d'Internet dans les écoles primaires, secondaires et dans les universités et également améliorer les qualifications en TIC des enseignants et des étudiants.

ï Créer un environnement législatif propice aux investissements dans ledit secteur.

ï ï Bibliographie

ï Ouvrages et mémoires

ï Bourbonnais R. (2000), Econométrie, DUNOD.

ï Bourbonnais R. (2000), Séries temporelles, DUNOD.

ï Bouraada Waafa, Lamtouni Hamza, les Nouvelles technologies d'information et de communication au Maroc : stratégies, réalité et implications, Mémoire_INSEA, juin 2004.

ï Abdelkader RACHEDI, l'impact des TIC sur l'entreprise, mémoire Université de Saida(Algérie).

ï Pierre Bordeleau, l'histoire des technologies informatiques et quelques unes de leurs applications en éducation, Faculté des sciences de l'éducation, Université de Montréal, 1999.

ï ï Publications et documents de recherche

ï ï Alessandra Colecchia et Paul Schreyer, la contribution des technologies de l'information et des communications à la croissance économique dans neuf pays de l'OCDE, revue économique de l'OCDE n° 34, 2002/1.

ï Rachid Jankari, état des lieux des TIC au Maroc, MISOC, août 2006.

ï Aziz RABBAH, les TIC au Maroc : une opportunité historique, Ministère de l'Industrie du Commerce et des Télécommunications, mars 2003.

ï Taïeb Debbagh, Ismail Alaoui Ismaili et Bouchaib Bounabat, Stratégie e-Maroc 2010 Réalisations, Orientations & Plans d'action, Ministère des Affaires Economiques et Générales Département de la Poste, des Télécommunications et des Technologies de l'Information, Septembre 2007.

ï Adel Ben YOUSSEF et Hatem M'HENNI, les effets des technologies de l'information et de la communication : le cas de la Tunisie, Revue, Région et Développement n° 19,2004.

ï Pr. Abdelfdil BENNANI et Pr. Radouane MRABET, La situation des technologies de l'information et de la communication dans le monde arabe.

ï Emmanuel César & Bruno Richard, Les Séries Temporelles, Université de Versailles Saint-Quentin-en-Yvelines, mars 2006.

ï Gilbert CETTE, Jacques MAIRESSE, Yussuf KOCOGLU, la contribution des technologies de l'information et de la communication à la croissance française, bulletin de la banque de France n° 89, mai 2001.

ï Mme Susan Teltscher, Mme Vanessa Gray et de Mme Esperanza Magpantay, profils statistiques 2009 de la société de l'information: l'Afrique, UIT, 2009.

ï Susan Teltscher, Vanessa Gray, Esperanza Magpantay et Doris Olaya, profils statistiques 2009 de la société de l'information: pays arabes, UIT 2009.

ï Luc-Olivier Pochon, quelques repères historiques et culturels concernant les NTIC et leur usage dans l'éducation et la formation, Université de Neuchâtel, Cahiers de psychologie, n° 39, décembre 2003.

ï Susan Teltscher, Vanessa Gray, Esperanza, Magpantay, Doris Olaya, et Desirée van Welsum, mesurer la société de l'information, UIT, mars 2010.

ï Soumitra Dutta, Irene Mia, la technologie de l'information et de la communication au service de la durabilité, 9ème rapport global sur la technologie de l'information pour 2009-2010 (GITR), FEM et INSEAD, mars 2010.

ï Mme Ikrame BELABBES, indicateurs TIC pour les Ménages, ANRT/MAROC, mars 2007.

ï Document de présentation du programme de généralisation des TIC dans l'enseignement « GENIE », ANRT, 2005.

ï Internet au Maroc : Etat des lieux et perspectives de développement, DEPF/ MEF Maroc, mars 2006.

ï Maroc Numeric 2013 : Stratégie nationale pour la société de l'information et l'économie numérique 2009 - 2013, Ministère de l'Industrie du Commerce et des Nouvelles Technologies.

ï Note d'orientations générales pour le développement du secteur des télécommunications à l'horizon 2013, premier ministère, février 2010.

ï Stratégie de croissance accélérée grappe TIC et téléservices sous-groupe environnement des affaires, Ministère de l'Economie et des Finances du Sénégal, septembre 2006.

ï Sites web :

ï http://www.weforum.org/documents/GITR10/index.html

ï http://www.itu.int/ITU-D/ict/publications/idi/2010/index.html

ï http://www.mmsp.gov.ma/

ï http://www.egov.ma/Pages/IndicateurseGov.aspx

ï http://www.service-public.ma/Templates/AccueilFo.aspx

ï http://www.apebi.ma/

ï http://www.cgem.ma/

ï http://www.unpan.org/library/MajorPublications/UNEGovernmentsSurvey/tabid/646/language/en-US/Default.aspx

ï http://www.technologies.gov.ma/index.aspx

ï www.hcp.ma

ï www.anrt.ma

ï www.dauphine.fr/eurisco/eur_wp/CoursSeriesTemp_Chap2

ï www.wikipedia.org

ï ï ï ï ï ï Annexes

Annexe I : Modélisation du nombre d'ordinateurs personnels pour 100 habitants

ï

La représentation de la série brute du nombre d'ordinateurs personnels pour 100 habitants, qu'on dénote, pour la période retenue [1993-2008] se présente comme suit :

ï Figure 26 : Evolution de la série du nombre d'ordinateurs pour 100 habitants.

ï ï ï La série obtenue indique une tendance croissante au cours du temps et suggère une moyenne non stationnaire, cela nécessite une différentiation à l'ordre 2.

ï Figure 27 : Evolution de la série du nombre d'ordinateurs personnels après différentiation d'ordre 2.

ï ï ï ï La série est maintenant stationnaire en tendance, le graphique ci-dessus nous permet aussi de conclure qu'elle est aussi stationnaire en variance.

ï Les conditions sont maintenant remplies pour la recherche dans la famille des modèles ARMA le modèle qui s'adapte le mieux aux données de la série Ut = (1 - B)2 Xt.

ï ï Figure 28 : ACF et PACF de la série du nombre d'ordinateurs personnels après différentiation 

ï ï ï ï ï L'analyse de plusieurs modèles nous a amené à choisir un modèle ARIMA (0, 2,0) qui rempli toutes les conditions d'un bon modèle de prévisions (test de Ljung-Box valide, erreurs générées à partir d'un processus Bruit Blanc, critères AIC et BIC minimums)

ï Le modèle ARIMA (0, 2,0) retenu est le suivant :

ï (1-B)²Xt = ut avec ut~ BB (0,s2).

ï ï Prévisions à l'aide du modèle ajusté 

ï Nous avons fait les prévisions pour la période [2009-2015] dont les résultats sont dans le tableau ci-dessous :

ï Tableau 38 : Prévisions du nombre d'ordinateurs personnels pour 100 habitants.

ï ï Années

ï Valeurs Prédites

ï Borne Inférieure de

ï Borne Supérieure de

ï  

ï  

ï l'intervalle confiance

ï l'intervalle de confiance

ï 2009

ï 8,02

ï 7,05

ï 8,99

ï 2010

ï 10,50

ï 8,32

ï 12,67

ï 2011

ï 13,13

ï 9,48

ï 16,77

ï 2012

ï 15,91

ï 10,58

ï 21,24

ï 2013

ï 18,84

ï 11,62

ï 26,06

ï 2014

ï 21,93

ï 12,64

ï 31,21

ï 2015

ï 25,16

ï 13,65

ï 36,68

ï ï ï Figure 29 : Vérification des prévisions obtenues.

ï La figure suivante présente les graphes des valeurs réelles et valeurs simulées à partir du modèle estimé, aussi bien pour la période initiale 1993-2008 que pour la période des prévisions 2009-2015.

ï ï ï Nous remarquons que le graphe(en jaune) des valeurs réellement observées « colle » sur toute la période d'étude avec celui(en rouge) des valeurs estimées par le modèle, ceci montre que le processus choisi donne des prévisions correctes.

ï ï ï Annexe II : Estimation du modèle vectoriel à correction d'erreur (VECM)

o Test de Dickey Fuller

o Figure 30 : Stratégie du test ADF.

ï Modèle 1: ?xt=Øxt-1+et

ï Modèle 2: ?xt=Øxt-1+c + et

ï Modèle 3: ?xt=Øxt-1+ c+ßt+ ß+et

ï avec et i.i.d.0,se2.On cherche à tester l'hypothèse de racine unitaire:

ï H0 : Ø=0 H1 : Ø<0

ï ï ï ï ï Tableau 39 : Estimation du modèle VAR(1).

ï ï ï  Vector Autoregression Estimates

 
 
 
 

ï ï ï ï ï  Date: 05/28/10 Time: 15:05

 
 
 
 

ï ï ï ï ï  Sample (adjusted): 1981 2006

 
 
 
 

ï ï ï ï ï  Included observations: 26 after adjustments

 
 
 

ï ï ï ï  Standard errors in ( ) & t-statistics in [ ]

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï NB_100_HAB

ï PIB__HAB

ï TAILLE_POP_URB

ï TX_CH

ï TX_INSC_ET

ï DEP_EDUC

 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï NB_100_HAB(-1)

ï  1.168541

ï  602.3478

ï  26.76209

ï  0.875649

ï -0.287380

ï -0.004089

 

ï ï  (0.16373)

ï  (380.101)

ï  (54.4252)

ï  (0.49937)

ï  (0.13142)

ï  (0.10593)

 

ï ï [ 7.13702]

ï [ 1.58470]

ï [ 0.49172]

ï [ 1.75352]

ï [-2.18669]

ï [-0.03860]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï PIB__HAB(-1)

ï  5.77E-05

ï -0.099607

ï  0.107525

ï -0.000646

ï  3.14E-05

ï -6.98E-05

 

ï ï  (0.00020)

ï  (0.45393)

ï  (0.06500)

ï  (0.00060)

ï  (0.00016)

ï  (0.00013)

 

ï ï [ 0.29501]

ï [-0.21943]

ï [ 1.65433]

ï [-1.08398]

ï [ 0.20020]

ï [-0.55197]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TAILLE_POP_URB(-1)

ï -0.000206

ï  1.244231

ï  0.840597

ï  0.000451

ï  0.000172

ï  7.87E-05

 

ï ï  (0.00025)

ï  (0.58956)

ï  (0.08442)

ï  (0.00077)

ï  (0.00020)

ï  (0.00016)

 

ï ï [-0.81226]

ï [ 2.11045]

ï [ 9.95774]

ï [ 0.58192]

ï [ 0.84545]

ï [ 0.47923]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TX_CH(-1)

ï  0.008827

ï -62.02484

ï -2.488531

ï  0.259194

ï -0.023324

ï  0.026429

 

ï ï  (0.06798)

ï  (157.819)

ï  (22.5975)

ï  (0.20734)

ï  (0.05457)

ï  (0.04398)

 

ï ï [ 0.12984]

ï [-0.39301]

ï [-0.11012]

ï [ 1.25010]

ï [-0.42745]

ï [ 0.60087]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TX_INSC_ET(-1)

ï  0.440959

ï  1963.473

ï  5.750489

ï  0.335487

ï  0.617378

ï  0.007708

 

ï ï  (0.23717)

ï  (550.605)

ï  (78.8389)

ï  (0.72337)

ï  (0.19037)

ï  (0.15345)

 

ï ï [ 1.85922]

ï [ 3.56603]

ï [ 0.07294]

ï [ 0.46378]

ï [ 3.24296]

ï [ 0.05023]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï DEP_EDUC(-1)

ï -0.936598

ï  151.5009

ï -119.3076

ï -3.330253

ï  0.777272

ï  0.690389

 

ï ï  (0.31641)

ï  (734.544)

ï  (105.176)

ï  (0.96502)

ï  (0.25397)

ï  (0.20472)

 

ï ï [-2.96011]

ï [ 0.20625]

ï [-1.13436]

ï [-3.45096]

ï [ 3.06045]

ï [ 3.37242]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï C

ï  2.314736

ï -26810.34

ï  1880.926

ï  21.58693

ï -1.767983

ï  1.040170

 

ï ï  (2.79567)

ï  (6490.21)

ï  (929.307)

ï  (8.52665)

ï  (2.24403)

ï  (1.80881)

 

ï ï [ 0.82797]

ï [-4.13089]

ï [ 2.02401]

ï [ 2.53170]

ï [-0.78786]

ï [ 0.57506]

 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï  R-squared

ï  0.982210

ï  0.982869

ï  0.999314

ï  0.801871

ï  0.898520

ï  0.590976

ï  Adj. R-squared

ï  0.976592

ï  0.977459

ï  0.999097

ï  0.739304

ï  0.866473

ï  0.461811

ï  Sum sq. resids

ï  1.133923

ï  6111230.

ï  125293.9

ï  10.54796

ï  0.730581

ï  0.474675

ï  S.E. equation

ï  0.244295

ï  567.1364

ï  81.20600

ï  0.745088

ï  0.196091

ï  0.158060

ï  F-statistic

ï  174.8328

ï  181.6805

ï  4611.171

ï  12.81622

ï  28.03802

ï  4.575344

ï  Log likelihood

ï  3.828972

ï -197.6704

ï -147.1366

ï -25.16427

ï  9.543752

ï  15.14947

ï  Akaike AIC

ï  0.243925

ï  15.74388

ï  11.85666

ï  2.474175

ï -0.195673

ï -0.626882

ï  Schwarz SC

ï  0.582644

ï  16.08260

ï  12.19538

ï  2.812893

ï  0.143045

ï -0.288164

ï  Mean dependent

ï  2.948077

ï  10174.08

ï  12982.46

ï  11.16941

ï  10.41469

ï  5.618346

ï  S.D. dependent

ï  1.596724

ï  3777.457

ï  2702.393

ï  1.459287

ï  0.536627

ï  0.215454

 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï  Determinant resid covariance (dof adj.)

ï  7023.735

 
 
 
 

ï ï ï ï ï  Determinant resid covariance

ï  1069.670

 
 
 
 

ï ï ï ï ï  Log likelihood

ï -312.0308

 
 
 
 

ï ï ï ï ï  Akaike information criterion

ï  27.23314

 
 
 
 

ï ï ï ï ï  Schwarz criterion

ï  29.26545

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï Tableau 40 : Estimation du modèle VAR(2) .

ï ï  Vector Autoregression Estimates

 
 
 
 

ï ï ï ï ï  Date: 05/28/10 Time: 15:07

 
 
 
 

ï ï ï ï ï  Sample (adjusted): 1982 2006

 
 
 
 

ï ï ï ï ï  Included observations: 25 after adjustments

 
 
 

ï ï ï ï  Standard errors in ( ) & t-statistics in [ ]

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï NB_100_HAB

ï PIB__HAB

ï TAILLE_POP_URB

ï TX_CH

ï TX_INSC_ET

ï DEP_EDUC

 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï NB_100_HAB(-1)

ï  1.252109

ï -267.2029

ï -184.0168

ï  1.545095

ï -0.355991

ï  0.080489

 

ï ï  (0.34571)

ï  (705.272)

ï  (112.905)

ï  (1.02003)

ï  (0.27485)

ï  (0.19962)

 

ï ï [ 3.62187]

ï [-0.37887]

ï [-1.62983]

ï [ 1.51475]

ï [-1.29522]

ï [ 0.40320]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï NB_100_HAB(-2)

ï -0.337291

ï  1306.721

ï  296.1190

ï -0.502565

ï  0.167707

ï -0.046778

 

ï ï  (0.46464)

ï  (947.909)

ï  (151.748)

ï  (1.37096)

ï  (0.36941)

ï  (0.26830)

 

ï ï [-0.72591]

ï [ 1.37853]

ï [ 1.95138]

ï [-0.36658]

ï [ 0.45399]

ï [-0.17435]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï PIB__HAB(-1)

ï -0.000194

ï -0.236342

ï  0.066479

ï -0.001324

ï  0.000112

ï  2.24E-05

 

ï ï  (0.00023)

ï  (0.46102)

ï  (0.07380)

ï  (0.00067)

ï  (0.00018)

ï  (0.00013)

 

ï ï [-0.85909]

ï [-0.51265]

ï [ 0.90077]

ï [-1.98560]

ï [ 0.62585]

ï [ 0.17139]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï PIB__HAB(-2)

ï -0.000204

ï  0.380240

ï  0.065834

ï -0.001837

ï -1.05E-06

ï -1.81E-05

 

ï ï  (0.00022)

ï  (0.44789)

ï  (0.07170)

ï  (0.00065)

ï  (0.00017)

ï  (0.00013)

 

ï ï [-0.92854]

ï [ 0.84895]

ï [ 0.91816]

ï [-2.83574]

ï [-0.00604]

ï [-0.14255]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TAILLE_POP_URB(-1)

ï  0.000600

ï  4.136155

ï  0.840922

ï  0.003019

ï -0.000765

ï -0.001392

 

ï ï  (0.00088)

ï  (1.79883)

ï  (0.28797)

ï  (0.00260)

ï  (0.00070)

ï  (0.00051)

 

ï ï [ 0.68023]

ï [ 2.29936]

ï [ 2.92017]

ï [ 1.16040]

ï [-1.09084]

ï [-2.73457]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TAILLE_POP_URB(-2)

ï -6.28E-05

ï -3.421462

ï -0.079543

ï  0.000694

ï  0.000779

ï  0.001339

 

ï ï  (0.00063)

ï  (1.29279)

ï  (0.20696)

ï  (0.00187)

ï  (0.00050)

ï  (0.00037)

 

ï ï [-0.09910]

ï [-2.64658]

ï [-0.38434]

ï [ 0.37109]

ï [ 1.54588]

ï [ 3.65833]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TX_CH(-1)

ï  0.014336

ï -132.6929

ï -7.047230

ï  0.018100

ï -0.063795

ï  0.036582

 

ï ï  (0.07749)

ï  (158.089)

ï  (25.3080)

ï  (0.22864)

ï  (0.06161)

ï  (0.04475)

 

ï ï [ 0.18499]

ï [-0.83936]

ï [-0.27846]

ï [ 0.07916]

ï [-1.03550]

ï [ 0.81755]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TX_CH(-2)

ï  0.096538

ï -15.21842

ï  21.00980

ï -0.043072

ï -0.036645

ï -0.007272

 

ï ï  (0.06529)

ï  (133.198)

ï  (21.3233)

ï  (0.19264)

ï  (0.05191)

ï  (0.03770)

 

ï ï [ 1.47860]

ï [-0.11425]

ï [ 0.98530]

ï [-0.22358]

ï [-0.70596]

ï [-0.19290]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TX_INSC_ET(-1)

ï -0.070462

ï  1703.512

ï -78.79519

ï -0.064885

ï  0.569560

ï  0.208091

 

ï ï  (0.33449)

ï  (682.383)

ï  (109.241)

ï  (0.98693)

ï  (0.26593)

ï  (0.19314)

 

ï ï [-0.21066]

ï [ 2.49641]

ï [-0.72130]

ï [-0.06574]

ï [ 2.14177]

ï [ 1.07738]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TX_INSC_ET(-2)

ï  0.730612

ï  863.3818

ï  325.8057

ï  1.683433

ï  0.122866

ï -0.219543

 

ï ï  (0.60904)

ï  (1242.48)

ï  (198.906)

ï  (1.79700)

ï  (0.48420)

ï  (0.35168)

 

ï ï [ 1.19962]

ï [ 0.69489]

ï [ 1.63799]

ï [ 0.93680]

ï [ 0.25375]

ï [-0.62427]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï DEP_EDUC(-1)

ï -1.434404

ï  959.1952

ï -175.3584

ï -3.335888

ï  1.409033

ï  0.547435

 

ï ï  (0.56970)

ï  (1162.24)

ï  (186.060)

ï  (1.68095)

ï  (0.45293)

ï  (0.32897)

 

ï ï [-2.51781]

ï [ 0.82530]

ï [-0.94248]

ï [-1.98453]

ï [ 3.11091]

ï [ 1.66411]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï DEP_EDUC(-2)

ï  0.876626

ï -969.4502

ï -50.43540

ï -1.740749

ï -1.185758

ï -0.120735

 

ï ï  (0.59394)

ï  (1211.69)

ï  (193.976)

ï  (1.75246)

ï  (0.47220)

ï  (0.34296)

 

ï ï [ 1.47595]

ï [-0.80008]

ï [-0.26001]

ï [-0.99332]

ï [-2.51112]

ï [-0.35204]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï C

ï -7.667851

ï -28781.96

ï  383.5575

ï  3.118956

ï  2.669950

ï  3.964401

 

ï ï  (6.37513)

ï  (13005.8)

ï  (2082.06)

ï  (18.8102)

ï  (5.06843)

ï  (3.68121)

 

ï ï [-1.20278]

ï [-2.21302]

ï [ 0.18422]

ï [ 0.16581]

ï [ 0.52678]

ï [ 1.07693]

 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï  R-squared

ï  0.990166

ï  0.992335

ï  0.999619

ï  0.899053

ï  0.948760

ï  0.819522

ï  Adj. R-squared

ï  0.980331

ï  0.984670

ï  0.999238

ï  0.798105

ï  0.897520

ï  0.639044

ï  Sum sq. resids

ï  0.583511

ï  2428530.

ï  62238.46

ï  5.079953

ï  0.368824

ï  0.194560

ï  S.E. equation

ï  0.220513

ï  449.8639

ï  72.01763

ï  0.650638

ï  0.175315

ï  0.127332

ï  F-statistic

ï  100.6829

ï  129.4609

ï  2625.116

ï  8.906145

ï  18.51602

ï  4.540839

ï  Log likelihood

ï  11.49613

ï -179.0225

ï -133.2216

ï -15.55379

ï  17.23043

ï  25.22517

ï  Akaike AIC

ï  0.120310

ï  15.36180

ï  11.69773

ï  2.284303

ï -0.338435

ï -0.978014

ï  Schwarz SC

ï  0.754125

ï  15.99561

ï  12.33155

ï  2.918119

ï  0.295381

ï -0.344198

ï  Mean dependent

ï  3.030400

ï  10421.84

ï  13154.00

ï  11.23638

ï  10.41608

ï  5.607081

ï  S.D. dependent

ï  1.572327

ï  3633.342

ï  2609.641

ï  1.448027

ï  0.547646

ï  0.211938

 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï  Determinant resid covariance (dof adj.)

ï  391.5911

 
 
 
 

ï ï ï ï ï  Determinant resid covariance

ï  4.789390

 
 
 
 

ï ï ï ï ï  Log likelihood

ï -232.4208

 
 
 
 

ï ï ï ï ï  Akaike information criterion

ï  24.83367

 
 
 
 

ï ï ï ï ï  Schwarz criterion

ï  28.63656

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï

ï ï ï ï ï ï ï ï ï ï ï Tableau 41 : Estimation du modèle VAR(3).

ï ï ï  Vector Autoregression Estimates

 
 
 
 

ï ï ï ï ï  Date: 05/28/10 Time: 15:09

 
 
 
 

ï ï ï ï ï  Sample (adjusted): 1983 2006

 
 
 
 

ï ï ï ï ï  Included observations: 24 after adjustments

 
 
 

ï ï ï ï  Standard errors in ( ) & t-statistics in [ ]

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï NB_100_HAB

ï PIB__HAB

ï TAILLE_POP_URB

ï TX_CH

ï TX_INSC_ET

ï DEP_EDUC

 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï NB_100_HAB(-1)

ï  2.009654

ï -625.4643

ï -216.3585

ï  3.201195

ï -1.268491

ï  0.428229

 

ï ï  (0.27469)

ï  (1257.48)

ï  (141.302)

ï  (2.05168)

ï  (0.48752)

ï  (0.34933)

 

ï ï [ 7.31598]

ï [-0.49740]

ï [-1.53118]

ï [ 1.56028]

ï [-2.60195]

ï [ 1.22585]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï NB_100_HAB(-2)

ï -1.287905

ï  676.2971

ï  520.2522

ï -0.068922

ï  1.137666

ï  0.123549

 

ï ï  (0.29670)

ï  (1358.22)

ï  (152.623)

ï  (2.21606)

ï  (0.52657)

ï  (0.37732)

 

ï ï [-4.34074]

ï [ 0.49793]

ï [ 3.40875]

ï [-0.03110]

ï [ 2.16050]

ï [ 0.32744]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï NB_100_HAB(-3)

ï  0.643371

ï  309.4602

ï -598.1610

ï -1.912258

ï -0.526506

ï -1.084959

 

ï ï  (0.27517)

ï  (1259.66)

ï  (141.547)

ï  (2.05525)

ï  (0.48836)

ï  (0.34994)

 

ï ï [ 2.33808]

ï [ 0.24567]

ï [-4.22587]

ï [-0.93043]

ï [-1.07810]

ï [-3.10042]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï PIB__HAB(-1)

ï -0.000156

ï -0.589279

ï -0.047585

ï -0.001711

ï -7.59E-06

ï -3.56E-05

 

ï ï  (0.00010)

ï  (0.47885)

ï  (0.05381)

ï  (0.00078)

ï  (0.00019)

ï  (0.00013)

 

ï ï [-1.48965]

ï [-1.23060]

ï [-0.88433]

ï [-2.18971]

ï [-0.04089]

ï [-0.26778]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï PIB__HAB(-2)

ï -1.50E-05

ï  0.038341

ï  0.118209

ï -0.002012

ï -0.000165

ï  0.000131

 

ï ï  (0.00010)

ï  (0.47337)

ï  (0.05319)

ï  (0.00077)

ï  (0.00018)

ï  (0.00013)

 

ï ï [-0.14525]

ï [ 0.08100]

ï [ 2.22230]

ï [-2.60450]

ï [-0.90163]

ï [ 0.99320]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï PIB__HAB(-3)

ï  0.000140

ï  0.258430

ï  0.133866

ï -0.000539

ï -0.000119

ï  5.38E-05

 

ï ï  (0.00012)

ï  (0.53319)

ï  (0.05991)

ï  (0.00087)

ï  (0.00021)

ï  (0.00015)

 

ï ï [ 1.19861]

ï [ 0.48468]

ï [ 2.23428]

ï [-0.61975]

ï [-0.57786]

ï [ 0.36316]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TAILLE_POP_URB(-1)

ï -0.000433

ï  3.725314

ï  1.143840

ï  0.004045

ï -0.000116

ï -0.000169

 

ï ï  (0.00045)

ï  (2.07096)

ï  (0.23271)

ï  (0.00338)

ï  (0.00080)

ï  (0.00058)

 

ï ï [-0.95614]

ï [ 1.79883]

ï [ 4.91526]

ï [ 1.19714]

ï [-0.14423]

ï [-0.29443]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TAILLE_POP_URB(-2)

ï  0.000936

ï -1.998119

ï -0.564396

ï  0.001392

ï  0.000172

ï -0.001205

 

ï ï  (0.00075)

ï  (3.44633)

ï  (0.38726)

ï  (0.00562)

ï  (0.00134)

ï  (0.00096)

 

ï ï [ 1.24264]

ï [-0.57978]

ï [-1.45741]

ï [ 0.24762]

ï [ 0.12879]

ï [-1.25883]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TAILLE_POP_URB(-3)

ï -0.000792

ï -0.143632

ï  0.260604

ï -0.000562

ï  0.000804

ï  0.001362

 

ï ï  (0.00059)

ï  (2.67981)

ï  (0.30113)

ï  (0.00437)

ï  (0.00104)

ï  (0.00074)

 

ï ï [-1.35209]

ï [-0.05360]

ï [ 0.86543]

ï [-0.12856]

ï [ 0.77430]

ï [ 1.82934]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TX_CH(-1)

ï  0.057085

ï  47.67188

ï  31.19482

ï -0.261448

ï -0.077228

ï  0.062320

 

ï ï  (0.04077)

ï  (186.632)

ï  (20.9717)

ï  (0.30451)

ï  (0.07236)

ï  (0.05185)

 

ï ï [ 1.40018]

ï [ 0.25543]

ï [ 1.48747]

ï [-0.85860]

ï [-1.06733]

ï [ 1.20199]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TX_CH(-2)

ï  0.047423

ï  253.7250

ï  34.32159

ï -0.260659

ï -0.024643

ï  0.001993

 

ï ï  (0.03222)

ï  (147.496)

ï  (16.5740)

ï  (0.24065)

ï  (0.05718)

ï  (0.04097)

 

ï ï [ 1.47184]

ï [ 1.72022]

ï [ 2.07081]

ï [-1.08314]

ï [-0.43096]

ï [ 0.04864]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TX_CH(-3)

ï  0.141278

ï  64.30537

ï  53.49798

ï  0.198975

ï -0.030586

ï  0.019632

 

ï ï  (0.04443)

ï  (203.395)

ï  (22.8553)

ï  (0.33186)

ï  (0.07885)

ï  (0.05650)

 

ï ï [ 3.17971]

ï [ 0.31616]

ï [ 2.34073]

ï [ 0.59958]

ï [-0.38788]

ï [ 0.34744]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TX_INSC_ET(-1)

ï  0.974046

ï  2234.883

ï -7.284229

ï  1.774865

ï -0.484660

ï  0.340167

 

ï ï  (0.33512)

ï  (1534.12)

ï  (172.387)

ï  (2.50304)

ï  (0.59477)

ï  (0.42618)

 

ï ï [ 2.90652]

ï [ 1.45679]

ï [-0.04226]

ï [ 0.70908]

ï [-0.81488]

ï [ 0.79817]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TX_INSC_ET(-2)

ï  0.405782

ï -1394.878

ï  54.91141

ï  1.620310

ï  0.491687

ï -0.315790

 

ï ï  (0.36070)

ï  (1651.18)

ï  (185.541)

ï  (2.69404)

ï  (0.64015)

ï  (0.45870)

 

ï ï [ 1.12500]

ï [-0.84478]

ï [ 0.29595]

ï [ 0.60144]

ï [ 0.76808]

ï [-0.68844]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï TX_INSC_ET(-3)

ï -0.431929

ï  2193.705

ï -406.0064

ï -3.131628

ï  0.692639

ï -1.478981

 

ï ï  (0.33189)

ï  (1519.31)

ï  (170.724)

ï  (2.47888)

ï  (0.58903)

ï  (0.42207)

 

ï ï [-1.30142]

ï [ 1.44388]

ï [-2.37815]

ï [-1.26332]

ï [ 1.17590]

ï [-3.50411]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï DEP_EDUC(-1)

ï -1.120536

ï  890.3367

ï -190.6196

ï -2.732521

ï  1.090604

ï  0.246824

 

ï ï  (0.27985)

ï  (1281.10)

ï  (143.956)

ï  (2.09021)

ï  (0.49667)

ï  (0.35589)

 

ï ï [-4.00402]

ï [ 0.69498]

ï [-1.32416]

ï [-1.30729]

ï [ 2.19582]

ï [ 0.69353]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï DEP_EDUC(-2)

ï  0.068632

ï -4581.605

ï -146.3174

ï -2.475899

ï -0.713669

ï  0.594715

 

ï ï  (0.44555)

ï  (2039.64)

ï  (229.192)

ï  (3.32784)

ï  (0.79075)

ï  (0.56662)

 

ï ï [ 0.15404]

ï [-2.24629]

ï [-0.63841]

ï [-0.74400]

ï [-0.90252]

ï [ 1.04959]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï DEP_EDUC(-3)

ï  0.058366

ï  4853.510

ï  566.3788

ï -1.112906

ï  0.022417

ï  0.027220

 

ï ï  (0.45134)

ï  (2066.11)

ï  (232.166)

ï  (3.37102)

ï  (0.80101)

ï  (0.57397)

 

ï ï [ 0.12932]

ï [ 2.34911]

ï [ 2.43954]

ï [-0.33014]

ï [ 0.02799]

ï [ 0.04742]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï C

ï -3.993902

ï -50385.43

ï  2360.910

ï  21.60705

ï -3.375617

ï  15.30435

 

ï ï  (3.43625)

ï  (15730.3)

ï  (1767.60)

ï  (25.6653)

ï  (6.09852)

ï  (4.36993)

 

ï ï [-1.16229]

ï [-3.20309]

ï [ 1.33566]

ï [ 0.84188]

ï [-0.55351]

ï [ 3.50219]

 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï  R-squared

ï  0.999485

ï  0.997897

ï  0.999948

ï  0.966813

ï  0.987661

ï  0.953584

ï  Adj. R-squared

ï  0.997632

ï  0.990324

ï  0.999763

ï  0.847342

ï  0.943241

ï  0.786488

ï  Sum sq. resids

ï  0.028197

ï  590894.6

ï  7461.125

ï  1.573001

ï  0.088815

ï  0.045602

ï  S.E. equation

ï  0.075096

ï  343.7716

ï  38.62933

ï  0.560892

ï  0.133278

ï  0.095501

ï  F-statistic

ï  539.3859

ï  131.7786

ï  5390.834

ï  8.092423

ï  22.23460

ï  5.706780

ï  Log likelihood

ï  46.90451

ï -155.3906

ï -102.9274

ï -1.353699

ï  33.13652

ï  41.13569

ï  Akaike AIC

ï -2.325376

ï  14.53255

ï  10.16062

ï  1.696142

ï -1.178043

ï -1.844641

ï  Schwarz SC

ï -1.392750

ï  15.46518

ï  11.09324

ï  2.628768

ï -0.245417

ï -0.912015

ï  Mean dependent

ï  3.117500

ï  10666.50

ï  13330.26

ï  11.30619

ï  10.41615

ï  5.594462

ï  S.D. dependent

ï  1.543306

ï  3494.798

ï  2509.162

ï  1.435555

ï  0.559424

ï  0.206679

 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï  Determinant resid covariance (dof adj.)

ï  0.000000

 
 
 
 

ï ï ï ï ï  Determinant resid covariance

ï  0.000000

 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï Tableau 42 : Estimation des relations de cointégration (constante dans la relation de

ï cointégration mais pas dans le modèle VECM).

ï ï Equation1 :

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï 1 Cointegrating Equation(s): 

ï Log likelihood

ï -286.5526

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï Normalized cointegrating coefficients (standard error in parentheses)

 
 

ï ï ï NB_100_HAB

ï PIB__HAB

ï DEP_EDUC

ï TAILLE_POP_URB

ï TX_CH

ï TX_INSC_ET

ï C

ï  1.000000

ï  0.003002

ï  4.317020

ï -0.004774

ï  0.232572

ï -3.853444

ï  38.43414

 

ï ï  (0.00070)

ï  (0.81088)

ï  (0.00093)

ï  (0.15807)

ï  (0.68861)

ï  (11.9491)

ï

ï ï Equation2 :

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï 2 Cointegrating Equation(s): 

ï Log likelihood

ï -265.5582

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï Normalized cointegrating coefficients (standard error in parentheses)

 
 

ï ï ï NB_100_HAB

ï PIB__HAB

ï DEP_EDUC

ï TAILLE_POP_URB

ï TX_CH

ï TX_INSC_ET

ï C

ï  1.000000

ï  0.000000

ï  2.129188

ï -0.000573

ï -0.709333

ï -3.476381

ï  31.50215

 
 

ï ï ï  (0.87689)

ï  (7.9E-05)

ï  (0.18428)

ï  (0.57580)

ï  (9.72758)

ï  0.000000

ï  1.000000

ï  728.7350

ï -1.399332

ï  313.7345

ï -125.5945

ï  2308.944

 
 

ï ï ï  (208.735)

ï  (0.01878)

ï  (43.8661)

ï  (137.064)

ï  (2315.55)

ï ï ï Equation 3 :

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï 3 Cointegrating Equation(s): 

ï Log likelihood

ï -251.3520

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï Normalized cointegrating coefficients (standard error in parentheses)

 
 

ï ï ï NB_100_HAB

ï PIB__HAB

ï DEP_EDUC

ï TAILLE_POP_URB

ï TX_CH

ï TX_INSC_ET

ï C

ï  1.000000

ï  0.000000

ï  0.000000

ï -0.000565

ï  0.077903

ï  1.629036

ï -13.74045

 
 
 

ï ï ï ï  (2.7E-05)

ï  (0.07134)

ï  (0.22516)

ï  (2.86460)

ï  0.000000

ï  1.000000

ï  0.000000

ï -1.396771

ï  583.1735

ï  1621.783

ï -13175.77

 
 
 

ï ï ï ï  (0.03686)

ï  (97.0586)

ï  (306.331)

ï  (3897.35)

ï  0.000000

ï  0.000000

ï  1.000000

ï -3.51E-06

ï -0.369735

ï -2.397823

ï  21.24876

 
 
 

ï ï ï ï  (3.4E-05)

ï  (0.08865)

ï  (0.27979)

ï  (3.55962)

ï ï Equation 4 :

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï 4 Cointegrating Equation(s): 

ï Log likelihood

ï -241.3911

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï Normalized cointegrating coefficients (standard error in parentheses)

 
 

ï ï ï NB_100_HAB

ï PIB__HAB

ï DEP_EDUC

ï TAILLE_POP_URB

ï TX_CH

ï TX_INSC_ET

ï C

ï  1.000000

ï  0.000000

ï  0.000000

ï  0.000000

ï  8.184148

ï  52.54643

ï -611.3254

 
 
 
 

ï ï ï ï ï  (1.67840)

ï  (6.51406)

ï  (82.6756)

ï  0.000000

ï  1.000000

ï  0.000000

ï  0.000000

ï  20606.89

ï  127395.9

ï -1489306.

 
 
 
 

ï ï ï ï ï  (4133.85)

ï  (16044.0)

ï  (203628.)

ï  0.000000

ï  0.000000

ï  1.000000

ï  0.000000

ï -0.319348

ï -2.081328

ï  17.53425

 
 
 
 

ï ï ï ï ï  (0.06336)

ï  (0.24593)

ï  (3.12126)

ï  0.000000

ï  0.000000

ï  0.000000

ï  1.000000

ï  14335.72

ï  90046.34

ï -1056816.

 
 
 
 

ï ï ï ï ï  (2916.89)

ï  (11320.8)

ï  (143682.)

ï ï Tableau 43 : Estimation des relations de cointégration (constante dans la relation de

ï cointégration et dans le modèle VECM).

ï ï Equation1 :

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï 1 Cointegrating Equation(s): 

ï Log likelihood

ï -280.2832

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï Normalized cointegrating coefficients (standard error in parentheses)

 
 

ï ï ï NB_100_HAB

ï PIB__HAB

ï DEP_EDUC

ï TAILLE_POP_URB

ï TX_CH

ï TX_INSC_ET

 

ï ï  1.000000

ï  0.003773

ï  4.680675

ï -0.005850

ï  0.428608

ï -4.099281

 
 

ï ï ï  (0.00076)

ï  (0.88030)

ï  (0.00101)

ï  (0.17161)

ï  (0.74757)

 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï
Equation2 :

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï 2 Cointegrating Equation(s): 

ï Log likelihood

ï -261.1894

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï Normalized cointegrating coefficients (standard error in parentheses)

 
 

ï ï ï NB_100_HAB

ï PIB__HAB

ï DEP_EDUC

ï TAILLE_POP_URB

ï TX_CH

ï TX_INSC_ET

 

ï ï  1.000000

ï  0.000000

ï  1.772305

ï -0.000568

ï -0.949414

ï -4.612046

 
 
 

ï ï ï ï  (1.04901)

ï  (9.4E-05)

ï  (0.22045)

ï  (0.68883)

 

ï ï  0.000000

ï  1.000000

ï  770.7620

ï -1.399843

ï  365.1968

ï  135.8906

 
 
 

ï ï ï ï  (245.234)

ï  (0.02207)

ï  (51.5366)

ï  (161.032)

 

ï ï
Equation3 :

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï 3 Cointegrating Equation(s): 

ï Log likelihood

ï -247.3222

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï Normalized cointegrating coefficients (standard error in parentheses)

 
 

ï ï ï NB_100_HAB

ï PIB__HAB

ï DEP_EDUC

ï TAILLE_POP_URB

ï TX_CH

ï TX_INSC_ET

 

ï ï  1.000000

ï  0.000000

ï  0.000000

ï -0.000566

ï -0.038262

ï  0.985145

 
 
 
 

ï ï ï ï ï  (2.4E-05)

ï  (0.06439)

ï  (0.20324)

 

ï ï  0.000000

ï  1.000000

ï  0.000000

ï -1.399206

ï  761.4498

ï  2570.066

 
 
 
 

ï ï ï ï ï  (0.05030)

ï  (132.455)

ï  (418.048)

 

ï ï  0.000000

ï  0.000000

ï  1.000000

ï -8.27E-07

ï -0.514106

ï -3.158141

 
 
 
 

ï ï ï ï ï  (4.5E-05)

ï  (0.11838)

ï  (0.37362)

 

ï ï ï Equation4 :

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï 4 Cointegrating Equation(s): 

ï Log likelihood

ï -239.0990

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï Normalized cointegrating coefficients (standard error in parentheses)

 
 

ï ï ï NB_100_HAB

ï PIB__HAB

ï DEP_EDUC

ï TAILLE_POP_URB

ï TX_CH

ï TX_INSC_ET

 

ï ï  1.000000

ï  0.000000

ï  0.000000

ï  0.000000

ï  4.201078

ï  31.24156

 
 
 
 
 

ï ï ï ï ï ï  (1.04365)

ï  (4.05053)

 

ï ï  0.000000

ï  1.000000

ï  0.000000

ï  0.000000

ï  11236.87

ï  77333.73

 
 
 
 
 

ï ï ï ï ï ï  (2645.37)

ï  (10267.0)

 

ï ï  0.000000

ï  0.000000

ï  1.000000

ï  0.000000

ï -0.507914

ï -3.113953

 
 
 
 
 

ï ï ï ï ï ï  (0.09431)

ï  (0.36603)

 

ï ï  0.000000

ï  0.000000

ï  0.000000

ï  1.000000

ï  7486.689

ï  53432.93

 
 
 
 
 

ï ï ï ï ï ï  (1826.79)

ï  (7090.00)

 

ï ï ï ï ï ï ï ï ï ï ï ï ï Tableau 44 : Estimation du modèle VECM(1) (constante dans la relation de

ï cointégration mais pas dans le modèle VECM).

ï ï ï  Vector Error Correction Estimates

 
 
 
 

ï ï ï ï ï  Date: 05/28/10 Time: 23:26

 
 
 
 

ï ï ï ï ï  Sample (adjusted): 1982 2006

 
 
 
 

ï ï ï ï ï  Included observations: 25 after adjustments

 
 
 

ï ï ï ï  Standard errors in ( ) & t-statistics in [ ]

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï Cointegrating Eq: 

ï CointEq1

ï CointEq2

ï CointEq3

ï CointEq4

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï NB_100_HAB(-1)

ï  1.000000

ï  0.000000

ï  0.000000

ï  0.000000

 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï PIB__HAB(-1)

ï  0.000000

ï  1.000000

ï  0.000000

ï  0.000000

 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï DEP_EDUC(-1)

ï  0.000000

ï  0.000000

ï  1.000000

ï  0.000000

 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï TAILLE_POP_URB(-1)

ï  0.000000

ï  0.000000

ï  0.000000

ï  1.000000

 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï TX_CH(-1)

ï  8.184148

ï  20606.89

ï -0.319348

ï  14335.72

 
 
 

ï ï ï ï  (1.83859)

ï  (4528.40)

ï  (0.06941)

ï  (3195.30)

 
 
 

ï ï ï ï [ 4.45131]

ï [ 4.55059]

ï [-4.60073]

ï [ 4.48651]

 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï TX_INSC_ET(-1)

ï  52.54643

ï  127395.9

ï -2.081328

ï  90046.34

 
 
 

ï ï ï ï  (7.13579)

ï  (17575.3)

ï  (0.26940)

ï  (12401.3)

 
 
 

ï ï ï ï [ 7.36379]

ï [ 7.24859]

ï [-7.72585]

ï [ 7.26103]

 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï C

ï -611.3254

ï -1489306.

ï  17.53425

ï -1056816.

 
 
 

ï ï ï ï  (90.5666)

ï  (223063.)

ï  (3.41917)

ï  (157396.)

 
 
 

ï ï ï ï [-6.75001]

ï [-6.67661]

ï [ 5.12823]

ï [-6.71438]

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï Error Correction:

ï D(NB_100_HAB)

ï D(PIB__HAB)

ï D(DEP_EDUC)

ï D(TAILLE_POP_URB)

ï D(TX_CH)

ï D(TX_INSC_ET)

 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï CointEq1

ï -0.002605

ï  870.8102

ï  0.029932

ï  112.4675

ï  1.226118

ï -0.238342

 

ï ï  (0.22895)

ï  (431.172)

ï  (0.11545)

ï  (70.0161)

ï  (0.59474)

ï  (0.18438)

 

ï ï [-0.01138]

ï [ 2.01963]

ï [ 0.25928]

ï [ 1.60631]

ï [ 2.06162]

ï [-1.29263]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï CointEq2

ï -0.000114

ï -0.961132

ï  0.000128

ï  0.003993

ï -0.003337

ï -0.000196

 

ï ï  (0.00025)

ï  (0.47256)

ï  (0.00013)

ï  (0.07674)

ï  (0.00065)

ï  (0.00020)

 

ï ï [-0.45249]

ï [-2.03387]

ï [ 1.01437]

ï [ 0.05204]

ï [-5.11958]

ï [-0.97194]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï CointEq3

ï -0.043858

ï -684.5033

ï -0.488651

ï -325.7729

ï -4.572142

ï -0.195085

 

ï ï  (0.44311)

ï  (834.477)

ï  (0.22343)

ï  (135.507)

ï  (1.15103)

ï  (0.35685)

 

ï ï [-0.09898]

ï [-0.82028]

ï [-2.18704]

ï [-2.40411]

ï [-3.97222]

ï [-0.54668]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï CointEq4

ï  0.000166

ï  0.864401

ï -0.000212

ï -0.074623

ï  0.003921

ï  0.000412

 

ï ï  (0.00030)

ï  (0.56614)

ï  (0.00015)

ï  (0.09193)

ï  (0.00078)

ï  (0.00024)

 

ï ï [ 0.55159]

ï [ 1.52684]

ï [-1.39784]

ï [-0.81172]

ï [ 5.02140]

ï [ 1.70249]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï D(NB_100_HAB(-1))

ï  0.383247

ï -1209.861

ï  0.099591

ï -347.8303

ï  0.280782

ï -0.249799

 

ï ï  (0.43588)

ï  (820.862)

ï  (0.21978)

ï  (133.296)

ï  (1.13225)

ï  (0.35103)

 

ï ï [ 0.87925]

ï [-1.47389]

ï [ 0.45313]

ï [-2.60946]

ï [ 0.24799]

ï [-0.71162]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï D(PIB__HAB(-1))

ï  5.07E-05

ï -0.297778

ï -4.13E-05

ï -0.003799

ï  0.001888

ï  0.000159

 

ï ï  (0.00019)

ï  (0.34936)

ï  (9.4E-05)

ï  (0.05673)

ï  (0.00048)

ï  (0.00015)

 

ï ï [ 0.27335]

ï [-0.85236]

ï [-0.44107]

ï [-0.06696]

ï [ 3.91755]

ï [ 1.06699]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï D(DEP_EDUC(-1))

ï -1.064286

ï  1606.061

ï  0.202219

ï -19.30939

ï  0.893500

ï  1.227526

 

ï ï  (0.49946)

ï  (940.594)

ï  (0.25184)

ï  (152.739)

ï  (1.29740)

ï  (0.40223)

 

ï ï [-2.13089]

ï [ 1.70750]

ï [ 0.80296]

ï [-0.12642]

ï [ 0.68868]

ï [ 3.05179]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï D(TAILLE_POP_URB(-1))

ï -0.000137

ï  3.468195

ï -0.001434

ï  0.177170

ï -0.000524

ï -0.000555

 

ï ï  (0.00062)

ï  (1.16852)

ï  (0.00031)

ï  (0.18975)

ï  (0.00161)

ï  (0.00050)

 

ï ï [-0.22119]

ï [ 2.96803]

ï [-4.58242]

ï [ 0.93370]

ï [-0.32502]

ï [-1.10996]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï D(TX_CH(-1))

ï -0.030929

ï -67.07365

ï  0.019169

ï -34.80401

ï  0.101049

ï -0.017841

 

ï ï  (0.06003)

ï  (113.045)

ï  (0.03027)

ï  (18.3569)

ï  (0.15593)

ï  (0.04834)

 

ï ï [-0.51525]

ï [-0.59333]

ï [ 0.63332]

ï [-1.89596]

ï [ 0.64805]

ï [-0.36907]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï D(TX_INSC_ET(-1))

ï -0.622454

ï -617.8288

ï  0.348900

ï -452.2951

ï -2.235272

ï -0.321069

 

ï ï  (0.52671)

ï  (991.922)

ï  (0.26559)

ï  (161.074)

ï  (1.36820)

ï  (0.42418)

 

ï ï [-1.18178]

ï [-0.62286]

ï [ 1.31370]

ï [-2.80800]

ï [-1.63373]

ï [-0.75691]

 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï  R-squared

ï  0.666040

ï  0.801082

ï  0.661945

ï  0.591365

ï  0.764735

ï  0.706007

ï  Adj. R-squared

ï  0.465663

ï  0.681731

ï  0.459112

ï  0.346184

ï  0.623576

ï  0.529611

ï  Sum sq. resids

ï  0.811369

ï  2877582.

ï  0.206292

ï  75879.07

ï  5.474861

ï  0.526231

ï  S.E. equation

ï  0.232575

ï  437.9941

ï  0.117272

ï  71.12387

ï  0.604145

ï  0.187302

ï  F-statistic

ï  3.323945

ï  6.712001

ï  3.263500

ï  2.411956

ï  5.417552

ï  4.002406

ï  Log likelihood

ï  7.375394

ï -181.1433

ï  24.49327

ï -135.6987

ï -16.48960

ï  12.78768

ï  Akaike AIC

ï  0.209969

ï  15.29146

ï -1.159462

ï  11.65590

ï  2.119168

ï -0.223015

ï  Schwarz SC

ï  0.697519

ï  15.77901

ï -0.671912

ï  12.14345

ï  2.606718

ï  0.264536

ï  Mean dependent

ï  0.128400

ï  597.8400

ï -0.015199

ï  335.4054

ï  0.008193

ï  0.058000

ï  S.D. dependent

ï  0.318168

ï  776.3746

ï  0.159456

ï  87.96051

ï  0.984697

ï  0.273095

 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï  Determinant resid covariance (dof adj.)

ï  210.3933

 
 
 
 

ï ï ï ï ï  Determinant resid covariance

ï  9.816110

 
 
 
 

ï ï ï ï ï  Log likelihood

ï -241.3911

 
 
 
 

ï ï ï ï ï  Akaike information criterion

ï  26.35129

 
 
 
 

ï ï ï ï ï  Schwarz criterion

ï  30.64173

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï

ï ï ï ï ï ï Tableau 45 : Estimation du modèle VECM(1) (constante dans la relation de cointégration mais pas dans le modèle VECM).

ï ï ï  Vector Error Correction Estimates

 
 
 
 

ï ï ï ï ï  Date: 05/28/10 Time: 23:28

 
 
 
 

ï ï ï ï ï  Sample (adjusted): 1982 2006

 
 
 
 

ï ï ï ï ï  Included observations: 25 after adjustments

 
 
 

ï ï ï ï  Standard errors in ( ) & t-statistics in [ ]

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï Cointegrating Eq: 

ï CointEq1

ï CointEq2

ï CointEq3

ï CointEq4

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï NB_100_HAB(-1)

ï  1.000000

ï  0.000000

ï  0.000000

ï  0.000000

 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï PIB__HAB(-1)

ï  0.000000

ï  1.000000

ï  0.000000

ï  0.000000

 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï DEP_EDUC(-1)

ï  0.000000

ï  0.000000

ï  1.000000

ï  0.000000

 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï TAILLE_POP_URB(-1)

ï  0.000000

ï  0.000000

ï  0.000000

ï  1.000000

 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï TX_CH(-1)

ï  4.201078

ï  11236.87

ï -0.507914

ï  7486.689

 
 
 

ï ï ï ï  (1.15005)

ï  (2915.06)

ï  (0.10393)

ï  (2013.03)

 
 
 

ï ï ï ï [ 3.65297]

ï [ 3.85477]

ï [-4.88725]

ï [ 3.71912]

 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï TX_INSC_ET(-1)

ï  31.24156

ï  77333.73

ï -3.113953

ï  53432.93

 
 
 

ï ï ï ï  (4.46346)

ï  (11313.7)

ï  (0.40335)

ï  (7812.79)

 
 
 

ï ï ï ï [ 6.99940]

ï [ 6.83541]

ï [-7.72022]

ï [ 6.83916]

 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï C

ï -373.6751

ï -937022.7

ï  32.33525

ï -650343.1

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï Error Correction:

ï D(NB_100_HAB)

ï D(PIB__HAB)

ï D(DEP_EDUC)

ï D(TAILLE_POP_URB)

ï D(TX_CH)

ï D(TX_INSC_ET)

 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï CointEq1

ï  0.030725

ï  870.7450

ï  0.017735

ï  94.96023

ï  1.201392

ï -0.266336

 

ï ï  (0.21375)

ï  (418.917)

ï  (0.11500)

ï  (72.7738)

ï  (0.60302)

ï  (0.17039)

 

ï ï [ 0.14374]

ï [ 2.07856]

ï [ 0.15422]

ï [ 1.30487]

ï [ 1.99230]

ï [-1.56305]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï CointEq2

ï -0.000156

ï -0.745895

ï -3.19E-06

ï -0.024640

ï -0.003604

ï -0.000136

 

ï ï  (0.00025)

ï  (0.49024)

ï  (0.00013)

ï  (0.08516)

ï  (0.00071)

ï  (0.00020)

 

ï ï [-0.62561]

ï [-1.52148]

ï [-0.02367]

ï [-0.28932]

ï [-5.10707]

ï [-0.68214]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï CointEq3

ï -0.555225

ï -67.21274

ï -0.576627

ï -212.1961

ï -4.983904

ï  0.231329

 

ï ï  (0.49223)

ï  (964.699)

ï  (0.26482)

ï  (167.587)

ï  (1.38865)

ï  (0.39239)

 

ï ï [-1.12799]

ï [-0.06967]

ï [-2.17746]

ï [-1.26619]

ï [-3.58902]

ï [ 0.58953]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï CointEq4

ï  0.000188

ï  0.608308

ï -3.99E-05

ï -0.025433

ï  0.004265

ï  0.000362

 

ï ï  (0.00029)

ï  (0.56180)

ï  (0.00015)

ï  (0.09760)

ï  (0.00081)

ï  (0.00023)

 

ï ï [ 0.65415]

ï [ 1.08278]

ï [-0.25852]

ï [-0.26059]

ï [ 5.27394]

ï [ 1.58593]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï D(NB_100_HAB(-1))

ï  0.186171

ï -966.5304

ï  0.074321

ï -305.3054

ï  0.094073

ï -0.087994

 

ï ï  (0.42649)

ï  (835.861)

ï  (0.22945)

ï  (145.205)

ï  (1.20320)

ï  (0.33999)

 

ï ï [ 0.43652]

ï [-1.15633]

ï [ 0.32391]

ï [-2.10258]

ï [ 0.07819]

ï [-0.25882]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï D(PIB__HAB(-1))

ï  9.21E-05

ï -0.422622

ï  2.20E-05

ï  0.004537

ï  0.002028

ï  0.000114

 

ï ï  (0.00018)

ï  (0.35567)

ï  (9.8E-05)

ï  (0.06179)

ï  (0.00051)

ï  (0.00014)

 

ï ï [ 0.50748]

ï [-1.18823]

ï [ 0.22548]

ï [ 0.07343]

ï [ 3.96023]

ï [ 0.78775]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï D(DEP_EDUC(-1))

ï -0.785141

ï  1432.846

ï  0.141464

ï -119.6989

ï  0.866192

ï  1.014643

 

ï ï  (0.46092)

ï  (903.346)

ï  (0.24797)

ï  (156.928)

ï  (1.30034)

ï  (0.36744)

 

ï ï [-1.70342]

ï [ 1.58615]

ï [ 0.57048]

ï [-0.76276]

ï [ 0.66613]

ï [ 2.76140]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï D(TAILLE_POP_URB(-1))

ï -2.33E-05

ï  3.139655

ï -0.001350

ï  0.199159

ï -0.000129

ï -0.000646

 

ï ï  (0.00058)

ï  (1.13915)

ï  (0.00031)

ï  (0.19789)

ï  (0.00164)

ï  (0.00046)

 

ï ï [-0.04010]

ï [ 2.75614]

ï [-4.31567]

ï [ 1.00640]

ï [-0.07891]

ï [-1.39441]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï D(TX_CH(-1))

ï -0.061163

ï -13.49581

ï  0.003670

ï -32.22537

ï  0.053350

ï  0.008639

 

ï ï  (0.05991)

ï  (117.408)

ï  (0.03223)

ï  (20.3960)

ï  (0.16900)

ï  (0.04776)

 

ï ï [-1.02099]

ï [-0.11495]

ï [ 0.11388]

ï [-1.57999]

ï [ 0.31567]

ï [ 0.18089]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï D(TX_INSC_ET(-1))

ï -0.709368

ï -364.8139

ï  0.246203

ï -467.9365

ï -2.541787

ï -0.234362

 

ï ï  (0.49612)

ï  (972.322)

ï  (0.26691)

ï  (168.911)

ï  (1.39963)

ï  (0.39549)

 

ï ï [-1.42984]

ï [-0.37520]

ï [ 0.92242]

ï [-2.77032]

ï [-1.81604]

ï [-0.59258]

 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï C

ï  0.102634

ï -99.61229

ï  0.400832

ï  332.4195

ï -0.780698

ï  0.240866

 

ï ï  (0.20676)

ï  (405.229)

ï  (0.11124)

ï  (70.3960)

ï  (0.58332)

ï  (0.16483)

 

ï ï [0.49638]

ï [-0.24582]

ï [ 3.60336]

ï [ 4.72214]

ï [-1.33838]

ï [ 1.46132]

 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï  R-squared

ï  0.721442

ï  0.820303

ï  0.678999

ï  0.577524

ï  0.768537

ï  0.759723

ï  Adj. R-squared

ï  0.522471

ï  0.691948

ï  0.449713

ï  0.275756

ï  0.603205

ï  0.588096

ï  Sum sq. resids

ï  0.676768

ï  2599526.

ï  0.195885

ï  78449.18

ï  5.386403

ï  0.430083

ï  S.E. equation

ï  0.219865

ï  430.9065

ï  0.118287

ï  74.85661

ï  0.620277

ï  0.175272

ï  F-statistic

ï  3.625875

ï  6.390904

ï  2.961358

ï  1.913801

ï  4.648470

ï  4.426599

ï  Log likelihood

ï  9.642823

ï -179.8730

ï  25.14032

ï -136.1151

ï -16.28599

ï  15.30970

ï  Akaike AIC

ï  0.108574

ï  15.26984

ï -1.131226

ï  11.76921

ï  2.182879

ï -0.344776

ï  Schwarz SC

ï  0.644879

ï  15.80615

ï -0.594921

ï  12.30551

ï  2.719184

ï  0.191529

ï  Mean dependent

ï  0.128400

ï  597.8400

ï -0.015199

ï  335.4054

ï  0.008193

ï  0.058000

ï  S.D. dependent

ï  0.318168

ï  776.3746

ï  0.159456

ï  87.96051

ï  0.984697

ï  0.273095

 
 
 
 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï  Determinant resid covariance (dof adj.)

ï  264.9575

 
 
 
 

ï ï ï ï ï  Determinant resid covariance

ï  8.171549

 
 
 
 

ï ï ï ï ï  Log likelihood

ï -239.0990

 
 
 
 

ï ï ï ï ï  Akaike information criterion

ï  26.32792

 
 
 
 

ï ï ï ï ï  Schwarz criterion

ï  30.71587

 
 
 
 
 
 
 
 
 
 
 

ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï ï

* 1

D'après le rapport 2008-2009 du Forum économique mondial(FEM), le Maroc se positionne au 86ème rang parmi les 134 pays, en perdant 12 rangs par rapport au classement précédent. Comparé à de nombreux pays émergents, le Maroc est devancé par la Tunisie (38ème), le Chili (39ème), la Chine (46ème), l'Inde (54ème), la Turquie (61ème), le Mexique (67ème) et l'Egypte (76ème). Il est, par contre, mieux positionné que certains pays tels que l'Argentine (87ème) et l'Algérie (108ème).

* 2

Les trois indicateurs utilisés actuellement par le PNUD sont : l'espérance de vie à la naissance, le niveau d'instruction et le PIB réel par habitant.

* 3

Le paradoxe de la productivité concerne la non-manifestation des gains de productivité au sein des économies modernes, alors que même l'adoption des ordinateurs n'a cessé d'augmenter (Solow, 1987).Diverses interprétations ont été suggérées pour l'expliquer. Pour certains ce paradoxe est lié à l'incapacité du système statistique pour le cerner (Mairesse, 2003).Des lors que des efforts substantiels ont été fait, des gains de productivité ont pu être observés, notamment aux Etats-Unis. Pour d'autres auteurs, le paradoxe de la productivité est à la non-adoption d'innovations complémentaires (Askenazy et Gianella, 2000 ; Greenan, L'horty et Mairesse, 2002).Dès lors que les firmes américaines ont modifié leurs pratique organisationnelles, on a observé des gains de productivité importants. D'autres encore affirment l'existence d'effets de seuil : il est nécessaire d'accumuler du capital jusqu'à un certain seuil avant que les effets macro-économiques ne se manifestent. Pour un auteur comme Boyer(2002), l'accélération de la productivité, après une phase longue de ralentissement, prend son origine dans les années 80.Ceci confirme la thèse de l'absence de lien direct et synchrone entre TIC et accroissement de la productivité.

* 4

Le multiplicateur keynésien ou multiplicateur d'investissement est une théorie de John Maynard Keynes selon laquelle l'investissement public a un effet démultiplié sur l'activité économique et sur l'emploi. Plus précisément, les keynésiens le définissent comme le rapport entre une variation des dépenses publiques et la variation consécutive du revenu global. C'est l'un des soubassements idéologiques des politiques de relance financées par l'emprunt.

* 5 Dans les estimations économétriques, le capital TIC est supposé se déprécier sur 8 ans alors le capital non TIC se déprécie sur douze ans. Pour Gordon (2002°, l'accélération de la productivité calculée comme étant l'écart entre la productivité tendancielle et la productivité observée est de 0,86%, l'effet « capital deepening » compte pour 0,60%.

* 6 Secrétariat d'État auprès du Premier Ministre chargé de la Poste, des Télécommunications et des Technologies de l'Information

* 7 Comité Stratégique des Technologies de l'Information

* 8 Le parc de publiphones comprend le parc des téléboutiques, le parc des cabines téléphoniques et le parc des publiphones à cartes fixes et GSM.

* 9 Le parc des utilisateurs Internet « sans abonnement » d'IAM utilisé dans le calcul de ce total est celui du mois de

septembre 2009

* 10 100% des ménages urbains et 93% des ménages ruraux (source ONE) sont électrifiés à fin 2007 (le taux d'électrification en milieu rural était de 88% à fin 2006)

* 11 Le progrès technique A est neutre dans le sens où il affecte le capital et le travail dans les mêmes proportions.

* 12 La FBCF du secteur télécommunications a été obtenue à travers une rétropolation de la valeur disponible pour l'année de base 1998.

* 13 Regression Specification Error Test

* 14 ln Xt = lnXt - lnXt-k =

* 15 Or les techniques statistiques usuelles ne fonctionnent plus normalement quand les séries sont non stationnaires.

* 16

Un processus non stationnaire () est un processus DS (Differency Stationnary) d'ordre d, où d désigne l'ordre d'intégration, si le processus filtré défini par est stationnaire. On dit que () est un processus intégré d'ordre d, noté I(d).

* 17 On a ici 1 retard pour le VECM car on a choisit un VAR(2)

* 18 La formule de l'erreur relative est la suivante ER = |Valeur réelle - Valeur prédite | / Valeur réelle









La Quadrature du Net