Augmenter les cotisations retraites est-il sans effet sur l’emploi ?
par Xavier Timbeau
Dans un
post récent et éclairant sur le site de Médiapart, Clément Carbonnier,
chercheur et enseignant en économie, discute des inégalités qui découleraient du
nouveau système de retraite et de la difficulté à en anticiper l’ampleur. Analysant
les pistes de financement pour les retraites, il déploie un argument choc :
la hausse des taux de cotisations retraite n’aurait pas d’effet sur l’emploi.
C’est un résultat fort puisqu’il implique que les efforts consentis pour
abaisser le coût du travail, une demande ancienne et constante des employeurs,
auraient été produits en vain. CICE (crédit d’impôt pour la compétitivité et
l’emploi), pacte de responsabilité, allègements généraux de cotisations
sociales sont autant de dispositifs dont Clément Carbonnier suggère que seuls
les volets bas salaires auraient produit des effets mais qui au total sont très
peu efficaces pour l’emploi.
À la base de son argument, plusieurs autorités sont
mobilisées. Des études réalisées par deux laboratoires, le TEPP[1]
et le LIEPP[2], sous le
pilotage de France Stratégie, concluent à des effets presque nuls sur l’emploi
(rapport
du Comité de Suivi du CICE, 2017). La divergence relative entre les
résultats des deux équipes a été arbitrée par l’INSEE et exposée dans le rapport
2018 du Comité de suivi du CICE. Les conclusions de ces études et de la
synthèse de l’INSEE sont riches d’enseignements et procèdent d’une méthodologie
maîtrisée, employée couramment dans l’évaluation des politiques
publiques : l’évaluation ex-post en utilisant un groupe de
bénéficiaires et un groupe de contrôle[3]
et comparer le destin de ces deux groupes pour identifier l’effet de la
réforme.
A quelques détails
près. Premièrement, le CICE n’a pas été mis en place en faisant en sorte
qu’il y ait un groupe de bénéficiaires d’un côté et de l’autre un groupe
témoin. Cela aurait été la configuration idéale (ou presque, voir infra) pour
mesurer l’effet du CICE, si les deux groupes avaient été tirés au sort. On
parle de Randomized Controlled Trial (RCT), largement appliqué en médecine
et en pharmacologie. Cette méthode a valu le prix en sciences économiques en
mémoire à Alfred Nobel à Esther Duflo pour ses applications fructueuses à
de nombreuses questions de politiques publiques, notamment dans le cadre de
l’économie du développement[4].
Même lorsque les deux groupes sont tirés rigoureusement au sort, la méthode repose
sur quelques hypothèses fortes puisqu’on n’observe jamais ce qui se serait
passé pour le groupe des bénéficiaires en l’absence de politique. On l’infère à
partir de ce qui se passe pour le groupe témoin, ce qui suppose qu’il n’y ait d’effet
de la mesure que sur les individus (ou les entreprises) traités.
Pour pallier cette absence d’assignation aléatoire, on raisonne
par ce qu’on appelle une expérience naturelle : le tirage au sort n’est
pas intentionnel, mais le traitement a été pris de façon suffisamment diverse
pour qu’on puisse reconstruire des groupes aléatoires. Par exemple, un
médicament est interdit en dessous d’un certain âge et en séparant les
individus juste au-dessus et juste au-dessous de cet âge limite, on peut
espérer construire des groupes pseudo-aléatoires. Malheureusement pour le CICE
(et c’est le deuxième point), cette approche est impossible : toutes les
entreprises (soumise à l’impôt sur les sociétés) étaient éligibles au CICE et
prendre comme groupe de contrôle les associations à but non lucratif ou les
administrations publiques n’aurait aucun sens. Sans cette option, il faut
essayer de contourner l’obstacle.
La méthode d’évaluation ex post du CICE utilisée est une
forme encore plus dégradée de la méthode d’indentification par RCT. Ne
disposant ni d’un groupe de contrôle choisi aléatoirement, ni de la possibilité
de le reconstruire à partir des observations, c’est l’intensité de traitement
qui est employée pour mesurer les effets du CICE. Certaines entreprises
reçoivent un montant de CICE plus élevé que d’autres et c’est sur la base de
ces différences que l’on espère pouvoir identifier un effet du CICE. Si le CICE
était un médicament et les entreprises des patients traités par ce médicament,
on chercherait à mesurer les effets du médicament non pas en séparant d’un côté
ceux qui ont pris le médicament et de l’autre ceux qui ne l’ont pas pris (en
s’arrangeant pour que la décision de prise du médicament soit
« aléatoire »), mais en différenciant ceux qui ont pris une dose de
ceux qui en ont pris davantage. Cette approche ne peut fonctionner que si on
est sûr que l’effet du traitement est proportionnel à la dose prise et c’est
une hypothèse analogue qui a été retenue pour l’évaluation du CICE.
Cet empilement d’hypothèses affaiblit la capacité de la
méthode à produire un résultat utilisable. Mais la première est centrale :
il est difficile de penser que dans un environnement concurrentiel ce qui
arrive à une entreprise n’a pas d’impact sur les autres[5].
Baisser les coûts d’une entreprise réduira l’activité chez ses concurrentes si
elles ne bénéficient pas elles-mêmes de la même mesure ; Clément
Carbonnier oublie un peu vite une étude
pourtant pas si ancienne de Pierre Cahuc et Stéphane Carcillo sur une
population très particulière qui concluait à un effet tellement massif des
baisses de charges sur les bas salaires qu’il impliquerait un effet important
pour un dispositif qui n’est pas concentré. Utilisant le dispositif « zéro
charge » pour les entreprises de moins de 10 salariés, les auteurs
montraient un très fort effet pour les entreprises juste en deçà de 10 salariés
par rapport à celles juste au-dessus. L’effet exhibé est un effet différentiel,
potentiellement différent de l’effet agrégé sur l’ensemble de la population des
entreprises. Supposer que les entreprises sont comme des individus néglige les
interactions entre les entreprises, essence même d’une économie de marché.
Toujours sous la houlette de France Stratégie, d’autres
analyses ont été conduites[6],
employant la même méthode – en cherchant à exploiter l’intensité de traitement
au CICE pour en identifier les effets, mais sur des données de branche. Si l’on
perd beaucoup d’observations, passant de plusieurs dizaines de milliers à
quelques dizaines, et donc de puissance statistique, on gagne sur un
plan : au lieu de considérer des « atomes » insaisissables dont
la taille varie au gré du traitement et des interactions avec les
« atomes » concurrents, on peut considérer avec un peu plus
d’assurance que les secteurs agrègent la plupart de ces dynamiques et sont un
objet d’étude plus robuste. Ces analyses concluent à un effet du CICE sur
l’emploi, significativement différent de 0. Le résultat n’est pas très précis,
mais il est probable que le changement dans le niveau d’observation suffise à améliorer
la capacité de la méthode à identifier un effet du CICE.
Toujours est-il que ne pas mesurer un effet ne veut pas dire
que cet effet est inexistant. Considérer que l’absence de résultats tranchés à
des méthodes qui reposent sur des hypothèses qui sont intuitivement très loin
d’être satisfaites ressemble un peu à un jeune enfant qui se cache en fermant
les yeux : si je ne vois rien, personne ne me voit. Appuyer cette naïveté
déconcertante par des arguments d’autorité ne la rend pas plus convaincante,
bien au contraire.
Conclure ainsi de l’échec de la mesure des effets du CICE à
l’échec du CICE et de cet échec au fait qu’augmenter les cotisations retraites
n’aurait pas d’effet sur l’emploi ou toute autre variable d’intérêt est en opposition
avec une kyrielle d’analyses[7].
Argument d’autorité n’est pas autorité de l’argument.
[1]
Fédération de recherche CNRS « Travail, emploi et politiques publiques » (FR
CNRS n° 3435).
[2]
Laboratoire interdisciplinaire d’évaluation des politiques publiques, Science
Po Paris, à laquelle Clément Carbonnier est rattaché.
[3] Le groupe
de bénéficiaires reçoit la mesure (on parle de traitement) alors que le groupe
de contrôle, dont les individus sont « proches » de ceux du groupe de
bénéficiaires, ne reçoit pas la mesure (ou le traitement).
[4] Il y a
néanmoins des limites notables aux RCT (voir ici).
[5] Un autre
canal de « contagion » passe par le financement de la mesure. Si
cette contagion par le financement n’est pas corrélée au traitement, elle
n’empêche pas la mesure du traitement. Cette hypothèse s’ajoute aux autres.
[6] Par
l’OFCE, ces résultats seront publiés dans le rapport du Comité de suivi 2020.
[7]La
question de savoir ce qui se passe en cas de hausse de cotisations sociales de
façon générale (dans la plupart des pays, la notion de cotisations sociales
employeurs n’existe pas) est assez complexe (voir Melguizo et
Gonzalez-Paramo (2012) pour
une méta analyse, et les travaux récents de Bozio, Breda,
Grenet (2017) ou Alvaredo,
Breda, Roantree et Saez (2017) pour un focus sur le cadre institutionnel
français.