2. La mesure de l’économie non observée : des méthodes aux résultats
2.1. Les méthodes
2.1.2. Les méthodes directes
2.1.2. Les méthodes directes
Contrairement aux méthodes indirectes, qui s’appuient sur des agrégats macroéconomiques, les méthodes directes procèdent à une estimation de l’économie non observée à partir de l’observation des phénomènes que l’on cherche à mesurer. Il s’agit notamment des méthodes basées sur l’exploitation des résultats des contrôles opérés par les corps compétents (connus sous le terme
« audits » dans la littérature) ou sur des enquêtes statistiques.
2.1.2.1. Post‐stratification à partir des résultats des contrôles ciblés
La lutte contre la fraude, et plus spécifiquement contre le travail dissimulé, fait l’objet d’opérations de contrôle par différents services dédiés à cette tâche (cf. section 1.2.1). L’exploitation des résultats de ces contrôles permet a priori d’obtenir, par extrapolation, une estimation de la fraude ou, plus généralement, du manque à gagner.
Encadré 3 : La « méthode italienne »
L’Italie est caractérisée à la fois par un niveau de fraude relativement important, et par l’absence de registres d’entreprises à jour permettant d’identifier l’ensemble des entreprises déclarées en activité à une date donnée (contrairement à la situation française, où le répertoire Sirene est une source très complète et fiable). La confection des comptes nationaux suppose donc de mettre en œuvre une méthode qui permette de tenir compte à la fois de la fraude (activité dissimulée intentionnellement) et de l’activité inobservée du fait de déficiences de l’appareil statistique (repérage imparfait des entreprises jeunes et/ou de petite taille).
La méthode italienne repose sur l’hypothèse que les sources statistiques ménages ‐ recensement, ou bien enquêtes auprès d’un échantillon de ménages comme la Labour Force Survey (LFS, enquête européenne dont la déclinaison française est l’enquête Emploi en continu) ‐ fournissent une image exhaustive du nombre de personnes en emploi (et du nombre d’activités différentes exercées par chaque personne), contrairement aux enquêtes auprès des entreprises.
L’estimation de l’emploi total dans les entreprises, ainsi que sa ventilation entre emploi déclaré/formel et non déclaré/informel, est donc obtenue par synthèse des réponses des ménages aux questionnaires que les statisticiens italiens leur adressent.
Pour en déduire une estimation de la valeur ajoutée totale des entreprises, les comptables nationaux italiens appliquent la valeur ajoutée moyenne par tête, mesurée via les enquêtes auprès des entreprises déclarées, à l’emploi total mesuré par les sources ménages. La valeur ajoutée moyenne issue des enquêtes auprès des entreprises est toutefois calculée après application de redressements individuels sur le champ des entreprises de moins de 20 salariés. En effet, il n’est pas rare que l’examen des données déclarées par une entreprise aboutisse au constat que, une fois les diverses charges ‐ notamment de rémunération des salariés ‐ déduites de la valeur ajoutée, la rémunération horaire du travailleur indépendant chef d’entreprise qui en résulte soit inférieure à la rémunération horaire moyenne des salariés qu’il emploie.
Considérant qu’une telle situation serait économiquement irrationnelle ‐ le chef d’entreprise aurait dans ce cas intérêt à travailler comme salarié d’une autre entreprise ‐ les comptables nationaux redressent la valeur ajoutée de l’entreprise considérée du montant nécessaire pour assurer que la rémunération horaire moyenne du chef d’entreprise soit au moins égale à celle des salariés qu’elle emploie. L’approche italienne pour assurer l’exhaustivité du produit intérieur brut repose donc sur des hypothèses économiques (comportement économiquement rationnel des entrepreneurs) en plus du croisement des données statistiques disponibles.
Cette méthode dite italienne n’est pas appliquée par les comptables nationaux français, et ce pour plusieurs raisons.
D’une part, la question de la sous‐représentation d’entreprises récentes ou de petite taille (pour des raisons autres que la fraude) dans les répertoires d’entreprises, fondamentale dans le cas italien, ne se pose pas en France. D’autre part la confrontation des données d’emploi issues du recensement (déclarations des ménages) avec les données d’emploi issues de sources administratives ne met pas en évidence d’écart très significatif, contrairement à ce qui est observé en Italie.
La principale limite de cette extrapolation est qu’elle repose sur l’exploitation d’échantillons non représentatifs. En effet, compte tenu de la disparité des risques de fraude au sein des entreprises, les inspecteurs ont tendance, dans un objectif d’efficacité, à cibler les structures qui présentent des risques accrus au regard de différents critères. Ces critères peuvent être observables comme c’est le cas des contrôles ciblés issus d’une analyse de risques, ou inobservables, comme c’est notamment le cas des contrôles (en particulier LCTI) réalisés sur la base de signalements. Ainsi, une évaluation basée sur une simple extrapolation des résultats du contrôle souffre inévitablement d’un biais de sélection (ou biais de ciblage) qui a tendance à surestimer la fraude puisque surpondérant les entreprises à risque. Toute méthode d’évaluation de la fraude doit donc chercher à corriger ce biais.
Pour rendre les résultats des contrôles plus représentatifs, la population contrôlée peut être divisée en strates construites à partir de critères supposés pertinents pour le ciblage des entreprises.
L’évaluation consiste alors à effectuer une extrapolation des résultats, par règle de trois, pour chacune des strates puis à les agréger en les pondérant par leur poids dans l’économie. En principe, plus les strates sont nombreuses, plus elles forment des catégories homogènes et moins le biais de sélection est prégnant. Toutefois, chaque strate doit contenir un nombre d’observations suffisamment élevé pour garantir la précision des résultats. Cette condition limite le nombre de strates et conduit ainsi à ne pouvoir retenir qu’un nombre très réduit de critères de risques. En conséquence, la méthode par post‐stratification ne permet de corriger que partiellement le biais de sélection.
Cette méthode a notamment été appliquée par le Conseil des prélèvements obligatoires (CPO) pour son rapport sur la fraude publié en 2007, mise à jour par l’Acoss à la demande de la Cour des comptes pour son rapport 2014 sur l’application lois de financement de la sécurité sociale (cf. section 3.1).
2.1.2.2. Estimations économétriques à partir des résultats des contrôles ciblés
Afin de s’affranchir des limites sous‐jacentes à la stratification, une autre méthode directe consiste à estimer les comportements de fraude à partir d’un modèle économétrique intégrant le processus de sélection. Ainsi, la variable d’intérêt (par exemple la probabilité d’être redressé) est estimée simultanément à la probabilité d’être contrôlé, celle‐ci étant expliquée par les critères de ciblage.
Cette méthode est notamment utilisée par la DGFiP dans le cadre de l’estimation du manque à gagner en matière de TVA (cf. section 3.4). Elle a également fait l’objet d’une étude sur des données Urssaf (Joubert, 2009) pour l’estimation du manque à gagner issu des contrôles comptables d’assiette. Dans cette étude, deux biais sont modélisés : le biais de sélection, d’une part, et le biais de détection, d’autre part. Contrairement au biais de sélection, ce dernier a tendance à conduire à une sous‐estimation de la fraude. Il traduit le fait que même en cas de contrôle, certains éléments frauduleux peuvent ne pas être mis au jour par l’inspecteur.
Cette méthode est particulièrement efficace lorsque les critères de ciblage sont observables, ce qui est le cas de la plupart des contrôles comptables d’assiette et des contrôles fiscaux ; on peut alors estimer avec précision le biais de sélection. En revanche, elle s’avère inadaptée lorsque les critères de sélection sont inobservables comme c’est souvent le cas des contrôles LCTI basés sur des signalements. De plus, par définition, les approches basées sur les contrôles ciblés ne permettent pas de mesurer la fraude liée aux activités dissimulées par les entreprises non immatriculées.
2.1.2.3. Contrôles aléatoires
Plutôt que de chercher à corriger le biais de sélection en aval des contrôles, une solution consiste à traiter cette question en amont. Il s’agit ainsi de diligenter des contrôles sur la base d’un tirage aléatoire et d’extrapoler « simplement » les résultats pour obtenir une évaluation dépourvue de biais de ciblage.
D’un point de vue méthodologique, les contrôles aléatoires constituent l’approche probablement la plus satisfaisante. Mais c’est aussi celle qui est associée aux contraintes opérationnelles les plus lourdes. Mobiliser des agents du contrôle a en effet un coût. Et ce coût apparaît d’autant plus prégnant que le but des contrôles aléatoires est a priori incompatible avec l’objectif premier des contrôles de travail dissimulé, qui est de détecter la fraude et procéder aux redressements afférents.
La mise en pratique des contrôles aléatoires se heurte d’ailleurs en général à la réticence des inspecteurs : ce type de contrôle, déconnecté de toute analyse de risque, est perçu, d’une part, comme contre nature en matière de lutte contre la fraude, et d’autre part, en incohérence avec les objectifs chiffrés qui leur sont assignés par les pouvoirs publics, notamment via les conventions d’objectifs et de gestion (COG). Ainsi, pour que ce type de méthode recueille l’adhésion des agents du contrôle, il est important que les contrôles aléatoires soient exclus du champ des indicateurs de rendement de l’activité du contrôle mais qu’ils soient clairement identifiés comme un objectif à part entière.39 Par ailleurs, le protocole opératoire doit être clairement défini afin que les agents de terrain respectent le caractère aléatoire des opérations de contrôle.
Le tirage aléatoire peut bien entendu être stratifié de manière, par exemple, à surpondérer des catégories d’entreprises dont les caractéristiques sont relativement rares, de façon à ne pas les exclure de l’évaluation, ou, au contraire, à sous‐pondérer des catégories d’entreprises très représentées dans l’économie (comme le secteur associatif). L’essentiel est in fine de connaître les poids de sondage afin d’être en mesure d’extrapoler correctement les résultats. Toutefois, la stratification du sondage revient à introduire une dose de ciblage et limite donc de ce fait les capacités opérationnelles à détecter des activités totalement dissimulées.
Il convient aussi de noter que les contrôles aléatoires sont l’occasion d’opérer des contrôles dans des pans de l’économie qui ne font habituellement pas l’objet d’investigations car non jugés à risque en matière de fraude. Les corps de contrôle ont en effet tendance à cibler des catégories d’entreprises dont le comportement frauduleux est avéré par les contrôles passés. Or l’environnement économique et les comportements de fraude n’étant pas immuables, il apparaît opportun d’élargir le
« domaine des possibles » en menant aussi des contrôles sans a priori.
Quoi qu’il en soit, les contrôles aléatoires ne peuvent en pratique représenter qu’une part marginale de l’activité des corps de contrôle. Or, pour être précise, l’évaluation doit reposer sur un échantillon d’entreprises contrôlées de taille assez grande. Et la taille nécessaire est d’autant plus importante que les phénomènes de fraude sont concentrés et donc difficiles à capter. Ainsi, en pratique, les contrôles aléatoires que mènent les Urssaf (cf. section 3.2) portent chaque année sur des secteurs d’activité spécifiques.
39 A titre d’illustration, les contrôles aléatoires menés par les Urssaf sont inscrits dans la COG 2014‐2017 sous l’action « Maintenir les contrôles aléatoires assurant la mesure de la prévalence de la fraude et la couverture du territoire ». Ils sont comptabilisés dans les activités de prévention‐recherche. Ils ne sont enregistrés comme actions de contrôle LCTI qu’en cas de fraude ; ils entrent alors dans le calcul des indicateurs « fréquence de redressement LCTI » et « montant LCTI ».
Peu de littérature existe sur les contrôles aléatoires. L’exemple le plus connu est le programme américain intitulé «Taxpayer Compliance Measurement Program» («TCMP») qui s’est déroulé entre 1973 et 2008. Ce programme, portant à la fois sur les entreprises et les ménages, consistait en un contrôle aléatoire stratifié. Les résultats montrent, par exemple, qu’en 2008, 40 % des américains sous‐déclaraient intentionnellement leurs revenus à l’administration fiscale.
En France, outre l’Acoss et les Urssaf qui mènent des contrôles aléatoires depuis 2005, la Cnaf s’appuie sur cette approche depuis 2013 pour évaluer la fraude aux prestations familiales (cf. section 3.5).
2.1.2.4. Enquête statistique
Une autre approche directe consiste à s’appuyer sur des enquêtes statistiques. Celles‐ci fournissent non seulement des éléments de quantification du travail dissimulé mais aussi des informations détaillées sur les comportements de fraude et la caractérisation des fraudeurs.
La principale limite de cette approche est inhérente aux données d’enquête : au‐delà de la problématique de la non‐réponse et de la bonne sélection de l’échantillon, la qualité des informations collectées est étroitement liée à la façon dont le questionnaire est conçu et à la manière dont sont posées les questions par l’enquêteur. Et compte tenu de la nature des informations demandées, ces aspects méthodologiques sont ici cruciaux. C’est pourquoi des techniques adaptées à la révélation de l’information doivent être utilisées. En outre, ce type d’enquête doit garantir l’anonymat et la confidentialité des réponses.
Cette approche a plus particulièrement été mise en œuvre dans le cadre d’enquêtes auprès des ménages aux Etats‐Unis, au Canada, en Allemagne, en Belgique et dans les pays scandinaves. En France, une première expérimentation menée par la DNLF et la Direction générale des entreprises (DGE) a eu lieu en 2015 (cf. section 3.9).
Enfin, il importe de souligner que la Commission européenne est à l’initiative d’une enquête sur le
« travail non déclaré au sein de l’Union européenne ». Lancée en 2007, puis renouvelée en 2013, cette enquête s’appuie notamment sur des études menées au Danemark, lesquelles avaient déjà donné lieu à des applications en Suède, en Norvège, en Allemagne et au Royaume‐Uni 40. Il s’agit d’une enquête menée auprès de 500 à 1500 individus dans chacun des 27 pays de l’Union européenne. Ce type d’enquête, qui s’adresse à des pays d’environnement économique et de culture différents, pose le problème de l’homogénéisation de la compréhension des concepts. Aussi, l’enquêteur est‐il amené en début de questionnaire à préciser la définition du travail non déclaré :
« Il est évident qu’une partie de la population exerce un travail non déclaré, dans le sens où ce sont des activités qui échappent aux déclarations fiscales ou aux institutions de sécurité sociale, mais qui, sinon, sont légales. Le paiement peut se faire en argent ou en nature. Ce pourrait être des personnes travaillant dans certains secteurs d’activités tels que la construction, le transport ou l’agriculture par exemple, mais également dans les hôtels, les restaurants et les cafés. Le travail non déclaré est également courant dans la vaste gamme des services à domicile – tels que le jardinage, le babysitting et les soins aux personnes âgées –, des services aux personnes – tels que la coiffure, les traitements
40 Cf. Pedersen, S. (2003), The Shadow Economy in Germany, Great Britain and Scandinavia: A Measurement Based on Questionnaire Service, Study No. 10, The Rockwool Foundation Research Unit, Copenhagen.
cosmétiques ou médicaux – et les services de réparation pour les voitures, les vêtements ou les ordinateurs. »
Le questionnaire porte à la fois sur la demande et l’offre de travail non déclaré. Il s’accompagne de questions sur la perception qu’ont les individus du travail non déclaré et de leur tolérance à son égard. Ces questions, posées en début d’enquête, ont aussi un intérêt « technique » : elles ont vocation à amener le répondant à révéler plus facilement ses propres comportements.
Encadré 4 : Les enquêtes de l’Insee
De manière générale, l’Insee cherche à mesurer l’activité au travers des enquêtes qu’il mène auprès des ménages, sans distinguer ce qui relève d’activités déclarées ou d’activités dissimulées. Ce type de problématique, lié à des enjeux de politiques publiques, serait davantage du ressort des ministères concernés (notamment via leur service statistique lorsqu’il y en a un) que des enquêtes de l’Insee visant à mesurer en toute généralité l’emploi, les conditions de vie, les revenus, les dépenses ou le patrimoine des ménages français.
Ainsi, l’enquête emploi vise à mesurer de la manière la plus fiable et la plus comparable d’un pays à l’autre (l’enquête est régie par un règlement européen) à la fois l’emploi et le chômage au sens du Bureau international du travail (BIT).
Conceptuellement parlant, une personne est ainsi en emploi au sens du BIT dès lors qu’elle n’a travaillé ne serait‐ce qu’une heure au cours de la semaine de référence, que le travail en question soit déclaré ou non déclaré.
Afin d’assurer la complétude de l’estimation, il est donc crucial que le contenu comme la structure du questionnaire de l’enquête garantissent que l’estimation globale de l’emploi prenne bien en compte l’ensemble des personnes en emploi, quelle que soit la forme de ces emplois. A cet effet, une question de rattrapage a été ajoutée à la fin des années 1990 dans le questionnaire de l’enquête emploi des départements d’outre‐mer (Dom), pour capter des formes d’emplois informels, non spontanément décrits par les personnes. Aux ménages dont les premières réponses amenaient à conclure qu’ils n’étaient pas en emploi, une question « de rattrapage » ainsi formulée a été posée : « Pour subvenir à vos besoins ou à ceux de votre ménage, avez‐vous effectué une (ou plusieurs) activité(s) occasionnelle(s) déclarée(s) ou non ? ». Cette question explicite visait à « récupérer » des personnes exerçant des « petits boulots » et qui auraient répondu ne pas être en emploi aux questions de formulation très générale. Les emplois ainsi récupérés peuvent pour partie correspondre à du travail dissimulé, mais il peut aussi s'agir d'activités marginales omises à la première question de l'enquête. Inversement, il est tout à fait possible que certains emplois non déclarés soient décrits dans l'enquête Emploi dès la première question.
Lors de la refonte du questionnaire de l’enquête emploi mise en œuvre en 2013, cette question ‐ jusqu’alors posée uniquement dans les Dom ‐ a été ajoutée au questionnaire de l’enquête emploi désormais unifié pour la métropole les Dom, afin de permettre une mesure de l’emploi au sens du BIT la plus complète possible. L’Insee estime que l’ajout de cette question a bien eu un impact à la hausse sur l’emploi au sens du BIT en métropole tel que mesuré par l’enquête, d’environ 40 000 personnes supplémentaires. Il ne faut pas se tromper sur le sens de ce chiffre : il n’est pas une mesure du travail dissimulé. D’une part parce qu’une partie des personnes exerçant une activité non déclarée ‐ notamment lorsqu’il s’agit d’une activité secondaire ‐ déclaraient déjà être en emploi avec l’ancienne version du questionnaire. D’autre part parce que cette question supplémentaire n’a probablement pas levé toutes les réticences des personnes concernées à mentionner l’existence d’une activité non déclarée, même dans une enquête couverte par le secret statistique. Enfin cette question, peut capter des emplois déclarés, mais qui auraient simplement été omis en première question.
On peut cependant noter qu’avant la rénovation de 2013, le questionnaire de l’enquête emploi dans les Dom comportait trois questions supplémentaires, posées après les questions filtres sur l’existence d’un emploi. Ces questions portaient sur le fait d’avoir reçu une feuille de paye pour les salariés et pour les non‐salariés, sur le fait d’être inscrit à une chambre consulaire ou à un greffe, ou de remettre des feuilles de paye lorsque la personne interrogée déclarait employer des salariés. Dans le contexte des Dom, ces questions, bien que facultatives, faisaient cependant l’objet de taux de réponse élevés. Abordant le sujet de la régularité de l’emploi via des questions sur certains faits administratifs, ces questions pouvaient aussi en partie refléter des relations de travail particulières. L’acceptabilité de telles questions pourrait être différente en métropole, dans un contexte où le secteur informel n’a pas la même signification, et constituer un facteur de risque sur la qualité de l’enquête au regard de son objectif principal (à savoir, la mesure de l’activité et du chômage au sens du BIT).
2.1.2.5. Estimations d’écart TVA
L’écart TVA (« VAT gap » en anglais) est un concept classique de comptabilité nationale qui relève des approches directes bien que s’appuyant sur des données non individuelles. La comptabilité nationale,
L’écart TVA (« VAT gap » en anglais) est un concept classique de comptabilité nationale qui relève des approches directes bien que s’appuyant sur des données non individuelles. La comptabilité nationale,