par Céline Antonin

La question du partage du revenu disponible entre épargne et consommation est l’un des arbitrages qui s’opère à l’échelle des ménages et qui a des implications directes au niveau agrégé. Par exemple, si la propension à épargner est plus forte chez les ménages riches, une politique de relance par la consommation sera plus efficace si elle cible les bas revenus. La question de la progressivité de l’impôt sur le revenu constitue un autre exemple : si le taux d’épargne augmente avec le revenu, accroître la progressivité de l’impôt sur le revenu va avoir un effet plus que proportionnel sur la baisse de l’épargne nationale, avec des conséquences sur l’investissement. D’autres questions comme celle des dispositifs fiscaux visant à favoriser l’épargne (assurance-vie, livret A) ou la question de l’assiette pertinente en matière de fiscalité (travail versus consommation, revenu versus patrimoine) dépendent de cet arbitrage. La mesure de l’épargne de précaution est indispensable, notamment pour comprendre les implications de la hausse du chômage lors d’un choc comme lors de la crise de 2008. Ainsi, si la hausse du chômage touche indifféremment tous les ménages, et si les ménages riches ont un motif de précaution plus fort que les autres, alors la récession sera plus violente.

Historiquement, les modèles de cycle de vie et de revenu permanent, dus à Modigliani et Brumberg (1954) et Friedman (1957) ont fourni l’un des premiers cadres théoriques pour penser les comportements d’épargne. Friedman (1957) introduit la notion de revenu permanent, défini comme le revenu constant au cours du temps qui donne au ménage le même revenu actualisé que ses revenus futurs, et montre que la consommation permanente (et donc l’épargne) est proportionnelle au revenu permanent au cours de la vie. Ainsi, les ménages devraient épargner pendant leur vie active, et désépargner à partir de la retraite. Ces modèles ont été enrichis de la théorie de l’épargne de précaution qui montre que l’épargne joue également un rôle d’assurance contre les aléas affectant le ménage, notamment les aléas portant sur le revenu (chômage, perte de salaire, …). Ainsi, les ménages n’épargnent pas seulement pour compenser la baisse des revenus futurs, mais aussi pour s’assurer contre toutes sortes de risques, notamment le risque lié au revenu. La principale difficulté lorsque l’on cherche à évaluer ce comportement de précaution est de trouver une mesure correcte du risque lié au revenu. L’approche la plus convaincante est celle qui consiste à utiliser les données subjectives recueillies par enquête auprès du ménage, sur l’évolution du revenu ou de la probabilité de chômage (Guiso et al., 1992 ; Lusardi, 1997 ; Lusardi, 1998 ; Arrondel, 2002 ; Carroll et al., 2003 ; Arrondel et Calvo-Pardo, 2008). Cette approche permet de quantifier la part de l’accumulation de richesse liée au motif de précaution.

Quelle est l’ampleur du motif de précaution ? Observe-t-on un comportement de précaution chez tous les ménages ou est-il fonction de leur revenu ? Le document de travail intitulé Les liens entre taux d’épargne, revenu et incertitude. Une illustration sur données françaises cherche d’abord à tester empiriquement l’homogénéité des taux d’épargne en fonction du niveau de revenu. Il s’intéresse également à l’existence d’un comportement d’épargne de précaution lié au revenu et tente de le quantifier, à partir de l’enquête française de l’INSEE Budget de famille de 2010-2011. Le motif de précaution est appréhendé à travers la mesure subjective de la probabilité de chômage, anticipée par les membres du ménage pour les cinq années futures.

Le motif de précaution existe chez tous les ménages français : le surplus d’épargne lié au risque de chômage se situe autour de 6-7 %, et la part du patrimoine de précaution attribuable au risque de chômage se situe autour de 7% de la richesse globale. Le motif de précaution est différencié selon le niveau de revenu : ce sont les ménages aux revenus moyens qui accumulent le plus d’épargne de précaution. Cette épargne représenterait 11-12 % du patrimoine total des ménages des deuxième, troisième et quatrième quintiles de revenu, contre environ 5% pour les ménages des quintiles extrêmes de revenu.

par Bruno Ducoudré

L’emploi reste dynamique au premier trimestre 2018. D’après l’Insee, l’emploi salarié dans le secteur privé a augmenté de 57 900 emplois. Cette évolution est cohérente avec notre diagnostic portant sur l’état du marché du travail et notre prévision d’emploi d’avril 2018 (cf. graphique 1).

L’économie française connaît depuis maintenant deux années une croissance soutenue de l’emploi marchand, suffisante pour faire baisser le chômage. La reprise des créations d’emplois, secteur non-marchand inclus, s’est timidement amorcée en 2015 (+108 000 emplois) et a accéléré en 2016 (+227 000 emplois) et 2017 (+271 000 emplois). Les créations d’emplois ont été soutenues dans un premier temps par les mesures de baisse du coût du travail (CICE, Pacte de responsabilité, Prime à l’embauche) et les emplois aidés dans le secteur non marchand, puis, à partir de la fin 2016, par l’accélération de la croissance. Les créations nettes d’emplois étant supérieures à l’évolution de la population active, le nombre de chômeurs a diminué (-312 000 depuis fin 2014), portant le taux de chômage au sens du BIT en France métropolitaine à 8,9 % de la population active au premier trimestre 2018 contre 10,1 % fin 2014 (tableau).

À l’horizon 2019, les créations d’emplois salariés dans le secteur marchand seront soutenues par la croissance de l’activité dans le secteur marchand (2,5 % en 2018 et en 2019). Le rythme des créations d’emplois marchands augmenterait légèrement par rapport à 2017, malgré la fin de la montée en charge du CICE et du Pacte de Responsabilité.

À court terme, les indicateurs d’intentions d’embauches demeurent à un niveau élevé, indiquant une poursuite des embauches dans l’ensemble du secteur marchand (graphique 2). Le climat de l’emploi a atteint un pic en début d’année, en lien avec la croissance soutenue au quatrième trimestre 2017, avant de retomber légèrement[1] du fait du retour du rythme de progression de l’activité à un niveau plus proche de son potentiel, ce que confirme notre indicateur avancé.

Les difficultés de recrutement, encore en-deçà des pics de 2007 et du début des années 2000 (graphique 3), ne se sont pas traduites par une accélération des salaires et ne constitueraient pas un frein aux créations d’emploi. De fait, les difficultés de recrutement progressent et ont retrouvé leur niveau d’avant crise dans l’industrie. Elles restent toutefois en-deçà de leur niveau de 2008 dans les services et la construction et encore très en-dessous de ceux de 2001, comme l’industrie d’ailleurs. Les difficultés de recrutement ne semblent donc pas avoir atteint un niveau tel qu’elles constitueraient un frein majeur à la poursuite des créations d’emploi.

Au total, et compte tenu de la réduction des effectifs dans le secteur non-marchand liée notamment à la baisse du stock de contrats aidés, nous prévoyons 194 000 créations d’emplois en 2018, puis 254 000 en 2019.

[1] en mai 2018, l’indicateur du climat de l’emploi se situe à 107. Il perd un point par rapport à avril mais reste bien au-dessus de sa moyenne de longue période (https://www.insee.fr/fr/statistiques/3548269)

par Christophe Blot

Alors que la dynamique de croissance s’est essoufflée pour certains pays – Allemagne, France et Japon notamment – le PIB aux Etats-Unis continue de croître à un rythme soutenu. Le mouvement pourrait même s’amplifier tout au long de l’année avec la mise en œuvre d’une politique budgétaire fortement expansionniste. Sur 2018 et 2019, le stimulus budgétaire voté par l’administration Trump en décembre 2017 – pour le volet recettes – et février 2018 – pour la partie dépenses – s’élèverait à 2,9 points de PIB. Une telle impulsion serait proche de celle mise en œuvre par Obama pour l’année 2008. Ce choix intervient cependant dans un contexte très différent puisque le taux de chômage aux Etats-Unis est redescendu sous la barre des 4 % en avril 2018 alors qu’il était en forte accélération il y a 10 ans, atteignant un pic à 9,9 % en 2009. L’économie américaine bénéficierait de ce stimulus mais au prix de l’accumulation d’une dette supplémentaire.

Donald Trump avait fait du choc fiscal un des éléments centraux de sa campagne présidentielle. Ce chantier fut donc lancé dès le début de son mandat et s’est concrétisé en décembre 2017 avec le vote d’une grande réforme fiscale (Tax cuts and Jobs Act)[1], prévoyant une réduction de l’impôt sur le revenu des ménages – notamment par la baisse du taux marginal d’imposition maximum – et de l’impôt sur les sociétés, dont le taux effectif passerait de de 21 % à 9 % dès 2018[2]. A ce premier stimulus, s’ajoute une augmentation des dépenses à la suite de l’accord conclu avec les Démocrates en février 2018 et qui devrait se traduire par une hausse des dépenses fédérales de 320 milliards de dollars (1,7 point de PIB) sur deux ans. Ces choix stimuleront la demande intérieure via une amélioration du revenu disponible des ménages et de la profitabilité des entreprises, qui stimuleraient la consommation et l’investissement. L’effet multiplicateur – mesurant l’impact sur le PIB d’une augmentation d’un dollar de dépenses publiques ou d’une baisse d’un dollar des impôts – serait néanmoins relativement faible (0,5) du fait de la position cyclique des Etats-Unis.

Par ailleurs, le déficit public se creuserait fortement et atteindrait un niveau historiquement élevé hors période de crise ou de guerre (graphique). Il s’établirait à 5,8 % du PIB en 2018 et à 7,0 % en 2019 alors que l’écart de croissance deviendrait positif[3]. Si le risque de surchauffe semble limité à court terme, il n’en demeure pas moins que la stratégie budgétaire mise en place pourrait pousser la Réserve fédérale à durcir plus rapidement sa politique monétaire. Or, une hausse trop forte des taux d’intérêt dans un contexte de dette publique élevée provoquerait un effet boule de neige. Surtout, en faisant le choix de relancer à nouveau dans un contexte macroéconomique favorable, le gouvernement prend le risque d’être contraint d’avoir à faire des ajustements plus tard quand la situation économique se dégradera. Cette orientation pro-cyclique de la politique budgétaire risque d’amplifier le cycle en accélérant aujourd’hui la croissance mais en prenant le risque d’accentuer un futur ralentissement. Avec un déficit de 7 % en 2019, les marges de manœuvre de la politique budgétaire vont devenir de fait plus réduites.

[1] Voir la partie « Politiques budgétaires : accélération sans crise » de notre prévision d’avril 2017 pour plus de détails.

[2] Voir ici pour plus de détails.

[3] L’écart de croissance exprime – en % du PIB potentiel – la différence entre le PIB observé et le PIB potentiel. Rappelons que le PIB potentiel n’est pas observé mais estimé. La méthode de calcul utilisée par le CBO (Congres budget office) est expliquée ici.

par Hervé Péléraux

Selon l’indicateur avancé de l’OFCE pour la France, bâti sur les enquêtes de conjoncture publiées par l’INSEE le 24 mai, la croissance de l’économie française serait voisine de +0,4 % au deuxième et au troisième trimestre 2018. Après la nette embellie de 2017, et la retombée de la croissance au premier trimestre (+0,3 %) marquée par le calendrier des mesures fiscales (voir « Économie française : ralentissement durable ou passager ? »), les perspectives trimestrielles apparaissent moins favorables en 2018 qu’en 2017.

Les publications successives des enquêtes de conjoncture confirment depuis le début de l’année le repli de l’opinion des chefs d’entreprise interrogés par l’INSEE. Le climat des affaires reste certes à un niveau élevé, mais sa trajectoire récente laisse penser qu’il a atteint un pic au tournant de 2017 et de 2018.

Les indicateurs de confiance restent néanmoins largement supérieurs à leur moyenne de longue période dans toutes les branches, ce qui laisse entendre que l’activité reste supérieure à sa croissance tendancielle. Par conséquent, même si la croissance devrait ralentir dans le courant de l’année 2018, ce passage en creux ne serait aucunement le signal d’une inversion du cycle de croissance en cours en l’état actuel de l’information sur les enquêtes.

Un tel signal serait donné par le passage du taux de croissance du PIB sous le taux de croissance tendanciel (que l’on peut assimiler au taux de croissance potentiel de l’économie), évalué par l’estimation de l’indicateur à +0,3 % par trimestre, seuil auquel les prévisions actuelles sont supérieures.

Le passage à vide actuel peut être mis en rapport avec la politique fiscale du gouvernement qui pèse, au premier semestre 2018, sur le pouvoir d’achat des ménages (voir sur ce point P. Madec et alii, « Budget 2018 : pas d’austérité mais des inégalités », Policy Brief de l’OFCE, n° 30, 15 janvier 2018). L’alourdissement transitoire de la fiscalité lié à la bascule cotisations sociales / CSG, à la hausse du tabac et à la fiscalité écologique ont retenti négativement sur le pouvoir d’achat et la consommation des ménages. Ce choc de demande négatif ne serait toutefois que ponctuel et devrait jouer en sens inverse au second semestre, avec la montée en charge de certaines mesures visant à soutenir le pouvoir d’achat. Mais cet horizon est à l’heure actuelle trop lointain pour être inscrit dans les enquêtes de conjoncture.

par Bruno Ducoudré

Les chiffres du chômage publiés par l’Insee pour le premier trimestre 2018 indiquent une remontée du taux de chômage de 0,3 point (0,2 point en France métropolitaine). Dans notre dernier exercice de prévision, nous avions anticipé un taux de chômage stable, tout en soulignant les risques à la hausse du chômage en ce début d’année (graphique 1).

Comment expliquer la hausse du chômage sur un trimestre ? Le taux de chômage peut augmenter concomitamment à une hausse ou une baisse de l’emploi, en fonction des comportements d’activité : lorsque l’emploi augmente, le chômage baisse si la population active augmente moins vite que l’emploi. Par contre, il augmente si la population active augmente plus vite, ou dans le cas de destructions d’emploi si celles-ci ne s’accompagnent pas d’une baisse de la population active plus importante.

La hausse du chômage au premier trimestre 2018 fait suite à une forte baisse au quatrième trimestre 2017 (-0,7 point), et s’explique principalement par des mouvements importants de population active à court terme, et non par une baisse de l’emploi : sur un trimestre, le taux d’emploi des 15-64 ans est stable, tandis que la part de chômage augmente de 0,2 point, tirée par la hausse du chômage des femmes (leur part augmente de 0,4 point, ce qui s’explique par une augmentation de leur taux d’activité de 0,4 point alors que leur taux d’emploi est stable, cf. tableau). Cette hausse du chômage des femmes fait suite à une baisse plus forte encore au trimestre précédent (-0,5 point) et apparaît ainsi comme une correction partielle de la forte baisse observée au troisième trimestre 2017.

Sur un an, les évolutions indiquées par l’Enquête emploi sont en phase avec l’évolution de la conjoncture économique. Le taux d’emploi augmente fortement (+1 point) en lien avec la croissance économique et les créations d’emploi dynamiques dans le secteur privé. Le taux d’activité augmente également, après deux années de baisse plus forte qu’attendu (cf. graphique 2).

La hausse du chômage constatée en ce début d’année ne devrait pas interrompre la tendance à la baisse enclenchée mi-2015. Nous prévoyons ainsi une poursuite de la baisse du chômage au cours des deux prochaines années. Cette baisse serait tirée par la poursuite des créations d’emplois marchands du fait d’une croissance soutenue de l’activité économique (2,0% en 2018, 2,1% en 2019 après 2,2% en 2017). L’emploi total serait relativement dynamique en 2018 (+194 000) et en 2019 (+254 000), soit un rythme suffisant pour faire baisser le chômage. Ce dernier baisserait de 0,2 point fin 2018 par rapport au T4 2017, puis de 0,5 point fin 2019 par rapport au T4 2018. La forte baisse des contrats aidés dans le secteur non-marchand, le moindre enrichissement de la croissance en emplois (fin de la montée en charge du CICE et du Pacte de responsabilité, fin de la prime à l’embauche) et la croissance de la population active freineraient toutefois la baisse du chômage en 2018 après la forte baisse de 2017.

Gregory Verdugo

La hausse du nombre d’immigrés non-européens résidant en logements sociaux en France a eu des effets ambivalents sur la ségrégation à leur égard. Si leur installation dans des cités de taille modeste a modéré leur concentration, leur installation dans les grands ensembles l’a renforcée, notamment parce qu’en même temps le nombre de natifs dans les logements privés de ces quartiers a chuté. La répartition des HLM entre quartiers a un impact important sur la mixité sociale.

Depuis une trentaine d’années, l’immigration non-européenne domine les flux d’immigration en Europe, notamment en France. Or l’insertion de nombreux immigrés non-européens sur le marché du travail français reste fragile et, en 2016, l’INSEE indiquait qu’ils étaient trois fois plus victimes du chômage que les natifs[1]. De nombreuses études de terrain ont aussi alerté sur leur concentration croissante dans les grands ensembles HLM en périphérie des grandes villes[2]. La combinaison d’un accès difficile à l’emploi à une hausse de la ségrégation spatiale fait craindre un recul de l’intégration des nouvelles vagues d’immigrés se transmettant aux secondes générations.

Néanmoins, le niveau réel de ségrégation et son évolution étaient mal connus jusqu’à ces dernières années car les données détaillées du recensement de la population n’étaient pas accessibles aux chercheurs. Or aussi riches que soient les études ethnographiques, elles se focalisent sur des quartiers emblématiques dont les conditions extrêmes masquent la diversité des situations vécues par les immigrés[3]. Seules des études sur données représentatives représentent fidèlement la ségrégation au cours du temps, entre groupes d’immigrés, villes ou pays.

Les premières études chiffrant la ségrégation à partir du recensement de la population en France sont ainsi récentes et elles montrent que le niveau de ségrégation moyen n’a augmenté que de manière modérée ces dernières années[4]. La ségrégation spatiale des immigrés en France se maintient à des niveaux largement inférieurs à ceux des Etats-Unis car, entre autres raisons, l’important parc de logement social freinerait les tendances à l’éloignement spatial des minorités du reste de la population[5].

Pour mieux comprendre comment le logement social affecte la ségrégation, nous avons exploré avec Sorana Toma, professeur de sociologie à l’ENSAE, les données détaillées du recensement français de 1982 à 2012. Les résultats sont détaillés dans un document de travail OFCE et doivent être publiés dans la revue américaine Demography.

Nous partons de l’hypothèse que la progression du nombre d’immigrés en logement social a des conséquences ambiguës qui dépendent de la quantité offerte mais aussi de la manière dont le logement social est réparti entre quartiers. Or, si de nombreux HLM se situent dans des grands ensembles isolés du reste de la population, de nombreuses petites cités sont logées dans des quartiers où les HLM sont minoritaires.

Enfin, les conséquences de la hausse de la part d’immigrés en HLM dépendent aussi de la manière dont ont répondu les habitants en logements privés à la progression de la part des immigrés non-européens dans les HLM. Si la part de natifs baisse dans les logements privés à côté des HLM, lorsque la taille des ensembles HLM dépasse un certain seuil, alors la diversité du quartier diminue et la ségrégation est renforcée. Au contraire, la ségrégation diminue si le logement social permet aux minorités de vivre dans des quartiers où ils sont relativement plus rares.

Les données riches et détaillées du recensement de la population française permettent de vérifier ces hypothèses. Nous calculons comment évolue la part d’immigrés dans le logement social et le logement privé de chaque quartier, définis ici en utilisant les îlots regroupés pour l’information statistiques (IRIS) crées par l’INSEE et dont la population comprend environ 2 500 habitants. Enfin, pour éviter que nos chiffres soient minorés par les enfants des immigrés de nationalité française qui vivent chez leurs parents, nous étudions la ségrégation des ménages plutôt que celle des individus. Les ménages sont ainsi classés comme « natifs » ou « immigrés » à partir du statut de la personne de référence du ménage[6].

Une ségrégation stable qui masque la croissance des enclaves immigrées

La période de notre étude, qui s’étend de 1982 à 2012, est une période charnière durant laquelle la hausse de la part d’immigrés non-européens dans la population s’est accompagnée pour eux d’une plus grande probabilité de vivre en logement social. Ainsi, en 2012, les immigrés non-européens ont 3 fois plus de chance que les natifs de vivre en logement social. Néanmoins, les immigrés sont encore loin de représenter la majorité des habitants dans le parc social : ils n’atteignaient en 2012 que 22% de la population des habitants en logements sociaux.

Le graphique 1 décrit l’évolution des indices de ségrégation des ménages immigrés non-européens entre quartiers à partir des indices de dissimilarité et d’isolement. Ces indices résument deux dimensions clés de la ségrégation spatiale : l’indice de dissimilarité mesure le pourcentage de ménages non-européens qui devraient changer de quartier pour que leur distribution entre quartiers soit identique à celle des natifs. L’indice d’isolement représente la part moyenne de ménages non-européens dans le quartier.

Mesurée au travers de l’indice de dissimilarité, la ségrégation est stable sur la période. Néanmoins, l’indice d’isolement augmente de 11% à 21%. En 2012, l’indice est ainsi trois fois supérieur à la part des immigrés non-européens dans la population qui s’élève à 6,5%. Même si ce niveau n’est pas négligeable, il reste modéré par rapport à celui mesuré aux États-Unis où le niveau d’isolement des immigrés s’élève à 50% tandis que la dissimilarité atteint 44%[7].

Mais ces indices sont des moyennes qui dissimulent des évolutions contrastées dans la population. Le graphique 2 montre comment évolue la distribution des ménages immigrés non-européens entre 7 catégories de quartiers définis selon la part d’immigrés dans la population. Les résultats suggèrent que la stabilité des indices de ségrégation masque une progression forte de la part des immigrés non-européens en quartiers très concentrés où la population se compose de plus de 30% de ménages immigrés, quartiers que, suivant la pratique de la littérature, nous nommerons « enclaves ». La part des immigrés non-européens en enclaves a presque triplé ; elle passe de 12% en 1982 pour plus de 32% en 2012.

Si l’on observe à la loupe les caractéristiques des enclaves, on constate que celles de 2012 sont très différentes de celles de 1982 : en 2012, les enclaves sont toutes caractérisées par une large majorité de leur population en logement social, un niveau de chômage élevé et une proportion relativement faible d’immigrés récemment arrivés. En 1982, les enclaves ressemblaient davantage à des quartiers servant de porte d’entrée pour les immigrés, où la part d’immigrés récents était importante et le logement social résiduel.

Près des grands ensembles, la part des natifs dans les logements privés du quartier a chuté

Pour comprendre pourquoi les grands ensembles ont un tel effet sur la ségrégation des immigrés, nous regardons d’abord s’ils ont accueilli davantage de ménages non-européens que les petits ensembles, ce qui témoignerait d’une ségrégation des immigrés non-européens à l’intérieur du parc social. Pour cela, nous découpons les quartiers en quatre catégories selon la part du logement social dans l’habitat, en distinguant une catégorie pour les grands ensembles. Nous estimons ensuite comment change la population en logement social en réponse à une hausse de 1% de la part d’immigrés dans l’unité urbaine dans le logement social entre ces quartiers[8]. Ainsi, un coefficient proche de 1 indique que la proportion d’immigrés dans le logement social du quartier progresse au même rythme que dans l’unité urbaine, ce qui est neutre pour la ségrégation. Si le coefficient est supérieur ou inférieur à un, alors la part d’immigrés progresse respectivement plus ou moins vite que dans l’unité urbaine, et la ségrégation s’accentue.

Les résultats présentés dans le graphique 3 montrent que pour chaque type de quartier les coefficients sont proches de deux, ce qui implique une progression deux fois plus rapide de la part de ménages non-européens dans les logements sociaux que dans la population de l’unité urbaine. Ainsi, une hausse 1 point de la part de ménages non-européens dans l’unité urbaine se traduit par une progression de leur part de 2 points dans les logements sociaux. Un deuxième résultat important est que l’on n’observe pas de différences statistiquement significatives entre les coefficients estimés pour chaque type de quartiers. L’effet des grands ensembles sur la ségrégation ne provient donc pas d’une progression plus rapide de la part de ménages non-européens par rapport aux petites cités. La croissance de la part des ménages non-européens en logement social s’est faite en moyenne au même rythme dans chaque type d’HLM.

A partir des mêmes catégories, le graphique 4 montre comment change la part d’immigrés en logement privé dans ces quartiers en réponse à un point de pourcentage de croissance de la part de ménages non-européens dans l’unité urbaine. Apparaît ici une claire hiérarchie, avec une faible progression de la part d’immigrés dans les quartiers où la part de logement social est rare. Au contraire, avoir plus de 37% de logement sociaux dans le quartier est associé à une progression 1,4 fois plus rapide des immigrés non-européens en logement privé du quartier.

Au final, ces résultats suggèrent que la progression de la part d’immigrés en petites cités diminue la ségrégation car elle se traduit par une plus grande présence de non-européens dans les quartiers où ils sont rarement en logements privés. D’un autre côté, la croissance de la part d’immigrés en grands ensembles augmente la ségrégation, en partie parce que la part des natifs dans la population dans les logements privés du voisinage s’est raréfiée.

Pour en savoir plus

Verdugo, S. Toma, 2018, Can Public Housing Decrease Segregation ? Lessons and Challenges from Non-European Immigration in France, OFCE Working paper, n°17, à paraître dans Demography.

Autres références citées

Iceland, J. et M. Scopilliti, 2008, Immigrant Residential Segregation in U.S. Metropolitan Areas, 1990-2000, Demography 45, no. 1 (février): 79-94.

Kepel G., 2012, Banlieue de la République: Société, politique et religion à Clichy-sous-Bois et Montfermeil, Paris: Gallimard.

Lapeyronnie, D., 2008, Ghetto Urbain, Paris: Robert Laffont.

Musterd, S. et R. Deurloo, 1997, Ethnic segregation and the role of public housing in Amsterdam, Tijdschrift voor economische en sociale geografie, 88(2), 158-168.

Pan Ké Shon, J.-L. et G. Verdugo, 2015, Forty Years of Immigrant Segregation in France, 1968–2007. How Different Is the New Immigration?, Urban Studies, 52, no. 5 (avril 1): 823-840.

Safi M., 2009, La dimension spatiale de l’intégration : évolution de la ségrégation des populations immigrées en France entre 1968 et 1999, Revue française de sociologie, 50, no. 3: 521.

Verdugo, G., 2016, Public Housing Magnets: Public Housing Supply and Immigrants’ Location Choices, Journal of Economic Geography, 16, no. 1 (janvier 1): 237-265.

Notes

[1] INSEE, Tableaux de l’Economie Française, Edition 2018, consultable à https://www.insee.fr/fr/statistiques/3303358?sommaire=3353488&q=chomage+immigr%C3%A9s

[2] Voir par exemple Lapeyronnie (2008) ou Keppel (2012).

[3] Keppel (2012) décrit les quartiers de Clichy-sous-Bois qui se situent dans les 1% des quartiers ayant la plus forte part d’immigrés en France selon Pan Ké Shon et Verdugo (2015).

[4] Voir par exemple Safi (2009) ou Pan Ké Shon et Verdugo (2015).

[5] Voir Musterd et Deurloo (1997).

[6] Les résultats sont très proches qualitativement si l’analyse est réalisée au niveau individuel.

[7] Voir par exemple Iceland et Scopilliti (2008).

[8] Un biais de causalité inverse peut affecter ces estimations car les arrivées d’immigrés dans une unité urbaine peuvent répondre à la disponibilité du logement social (Verdugo, 2016). Nous répondons à ce défi en créant une variable instrumentale pour les flux d’immigrés basée sur la distribution des groupes par origine nationale en 1968. Nous estimons le modèle par la méthode des doubles moindres carrés à partir de cet instrument.

Département analyse et prévision

Ce texte s’appuie sur les perspectives 2018-2019 pour l’économie mondiale et la zone euro dont une version complète est disponible ici.

La croissance mondiale est restée bien orientée en 2017 permettant la poursuite de la reprise et la réduction du chômage, notamment dans les pays avancés où la croissance a atteint 2,3 % contre 1,6 % l’année précédente. Même s’il reste quelques pays où le PIB n’a pas retrouvé son niveau d’avant-crise, cette embellie permet d’effacer progressivement les stigmates de la Grande Récession qui a frappé l’économie il y a 10 ans. Surtout, l’activité semblait accélérer en fin d’année puisqu’à l’exception du Royaume-Uni, le glissement annuel du PIB continuait de progresser (graphique 1). Pourtant, le retour progressif du taux de chômage vers son niveau d’avant-crise et la fermeture des écarts de croissance, notamment aux Etats-Unis et en Allemagne, qui s’étaient creusés pendant la crise pourraient laisser augurer d’un essoufflement prochain de la croissance. Les premières estimations disponibles de la croissance au premier trimestre 2018 semblent donner du crédit à cette hypothèse.

Après une période d’embellie, la croissance de la zone euro a marqué le pas au premier trimestre 2018, passant de 2,8 % en glissement annuel au quatrième trimestre 2017 à 2,5 %. Si le ralentissement est plus significatif en Allemagne et en France, il est aussi observé en Italie, aux Pays-Bas et dans une moindre mesure, en Espagne (graphique 2). Du côté du Royaume-Uni, le ralentissement se confirme en lien avec la perspective du Brexit mais aussi avec une politique budgétaire plus restrictive que celle des autres pays européens. Au Japon, plus qu’un ralentissement, le PIB – en croissance trimestrielle – a reculé au premier trimestre. Finalement, parmi les principales économiques avancées, seuls les Etats-Unis semblent encore jouir d’une accélération de la croissance avec un PIB en hausse de 2,9 % en glissement annuel au premier trimestre 2018. Le ralentissement témoigne-t-il de la fin du cycle de croissance ? En effet, la fermeture progressive des écarts entre le PIB potentiel et le PIB effectif conduirait progressivement les pays vers leur sentier de croissance de long terme, dont les estimations convergent pour indiquer un niveau plus faible. L’Allemagne ou des Etats-Unis seraient à cet égard représentatifs de cette situation puisque, dans ces pays, le taux de chômage est inférieur à son niveau d’avant-crise. Dans ces conditions, leur croissance serait amenée à ralentir. Force est de constater qu’il n’en n’a rien été aux Etats-Unis. Il faut donc se garder de toute conclusion généralisée. En effet, malgré la baisse du chômage, d’autres indicateurs – le taux d’emploi – apportent un diagnostic plus nuancé sur l’amélioration de la situation sur le marché du travail aux États-Unis. Par ailleurs, dans le cas de la France, cette performance est surtout la conséquence du calendrier fiscal qui a provoqué une baisse du pouvoir d’achat des ménages au premier trimestre et donc un ralentissement de la consommation[1]. Il s’agirait donc plus d’un trou d’air que le signe d’un ralentissement durable de la croissance française.

Surtout, les facteurs qui avaient soutenu la croissance ne vont globalement pas se retourner. La politique monétaire restera effectivement expansionniste même si la normalisation est en cours aux Etats-Unis et devrait être amorcée en 2019 dans la zone euro. Du côté de la politique budgétaire, l’orientation est plus souvent neutre et deviendrait très expansionniste pour les Etats-Unis, ce qui pousserait la croissance au-delà de son potentiel. Enfin, de nombreuses incertitudes entourent les estimations de l’écart de croissance si bien que les marges de manœuvre ne seraient pas forcément épuisées à court terme. De fait, la reprise économique ne s’accompagne toujours pas d’un retour de tensions inflationnistes ou de fortes accélérations des salaires, qui témoigneraient alors d’une surchauffe sur le marché du travail. Nous anticipons le maintien de la croissance dans les pays industrialisés en 2018 et une accélération dans les pays émergents, ce qui porterait la croissance mondiale à 3,7 % en 2018. La croissance atteindrait alors un pic et ralentirait ensuite très légèrement en 2019, revenant à 3,5 %. A court terme, le cycle de croissance ne devrait donc pas s’achever.

[1] Voir « Economie française : ralentissement durable ou passager ? ».

Par Benjamin Montmartin

La France peut être perçue comme un laboratoire d’expérimentation unique en termes de soutien public à l’investissement en R&D. En effet, depuis la réforme du Crédit d’impôt recherche en 2008, notre pays est devenu le plus généreux en matière d’incitations fiscales à la R&D au sein des pays de l’OCDE (OECD, 2018a. Le seul crédit d’impôt représentait en 2014 (MESRI, 2017) une créance de près de 6 milliards d’euros pour l’Etat et le régime spécifique d’imposition des revenus de concession de brevets (15%) coûte à l’état entre 600 et 800 millions d’euros par an. A ces pertes de revenus fiscaux s’ajoutent les différentes mesures de soutien direct à l’innovation (subventions, prêts à taux bonifiés, etc.) financées principalement via la Banque publique d’investissement (BPI), les Pôles de compétitivité, les collectivités locales et la Commission européenne. Ces aides directes représentaient en 2014 environ 3,5 milliards d’euros. Ainsi, aujourd’hui, le coût de l’ensemble de ces mesures de soutien à l’innovation dépasse nettement les 10 milliards d’euros par an, soit près d’un demi-point de PIB.

Si l’innovation est un des principaux moteurs de la croissance, cela n’est pas suffisant pour justifier de telles dépenses publiques. Encore faut-il s’assurer que ces dispositifs atteignent leur objectif. Et de ce point de vue, les études empiriques évaluant les dispositifs de soutien à la R&D et l’innovation apportent des résultats plus que contrastés (Salies, 2018). D’ailleurs, il ne semble pas y avoir de lien direct entre la générosité des Etats et le niveau d’investissement des entreprises en R&D. A ce titre, la simple comparaison entre l’Allemagne et la France est édifiante et ne saurait être uniquement expliquée par des différences sectorielles. En 2015 (OECD, 2018b) les dépenses en R&D du secteur privé en France représentaient 1,44% du PIB contre 2,01% du PIB en Allemagne alors que le financement public de ces dépenses était de l’ordre de 5% en Allemagne contre près de 40% en France.

Dans ce contexte, il apparaît nécessaire de mieux comprendre les performances du policy-mix français sur l’investissement privé en R&D. Une étude récente de l’OFCE (voir le document de travail de l’OFCE) revient sur l’effet des aides publiques sur les dépenses de R&D des entreprises françaises. L’article se distingue des études existantes sur deux éléments principaux. Premièrement, au lieu de nous focaliser sur la capacité d’un instrument en particulier à générer un effet d’additionalité, nous analysons simultanément l’impact du crédit d’impôt et des différentes aides directes selon leur provenance institutionnelle : locale, nationale, ou européenne. Deuxièmement, nous évaluons dans quelle mesure la structuration géographique des activités d’innovation en France peut influencer l’efficacité des politiques de soutien à la R&D. En effet, contrairement à l’Allemagne dont la géographie de l’innovation se caractérise par un continuum de territoires innovants (Commission européenne, 2014), la France semble plus sujette à des effets d’ombre[1] car les territoires les plus innovants (les « hubs ») sont dispersés et souvent entourés de territoires très peu innovants, comme le montre le graphique ci-dessous.

Notre analyse, utilisant des données de firmes agrégées au niveau départemental sur la période 2001-2011 montre clairement l’importance de l’organisation spatiale des activités innovantes sur l’efficacité des politiques d’innovation. En effet, il apparaît que la spécificité de la géographie des investissements en R&D en France engendre une dépendance spatiale négative, c’est-à-dire que les hubs se renforcent au détriment des territoires à la traîne. Ainsi les politiques ne tenant pas compte de cette dépendance devraient conduire à un effet global plus faible.

Et c’est exactement ce que montrent nos résultats. En effet, si nous ne tenons pas compte de cette dépendance spatiale, il apparaît que l’ensemble des instruments étudiés (Crédit d’impôt et les différentes subventions) sont à même de générer un effet d’additionalité significatif sur l’investissement en R&D. En revanche, si nous prenons en compte la dépendance, seules les subventions nationales semble à même de générer un tel effet. En d’autres termes, seules les subventions nationales sont à même de générer des retombées qui profitent à l’ensemble des territoires.

Selon nous, ce résultat s’explique par le fait que les subventions nationales financent davantage de projets collaboratifs impliquant des acteurs de différents territoires et sont donc plus à même de faire jouer des effets de complémentarité. A l’inverse, le crédit d’impôt n’est pas ciblé géographiquement et ne favorise pas particulièrement les projets collaboratifs. Les subventions locales quant à elles financent prioritairement des projets impliquant des acteurs locaux tandis que les subventions européennes favorisent les partenariats avec des acteurs étrangers. Ainsi, ces trois dernières sources de financement sont plus à même d’encourager des effets de concurrence que des effets de complémentarité entre territoires.

D’un point de vue global, nos résultats soulignent donc une efficacité relative du policy-mix français de soutien à la R&D car aucune politique étudiée ne semble générer d’effet d’aubaine significatif. Néanmoins, l’évolution du policy-mix français au cours de cette dernière décennie, marquée par un accroissement très prononcé des politiques non ciblées géographiquement (crédit d’impôt) et dans une moindre mesure des politiques concurrentielles (subventions locales) semble plutôt indiquer une baisse de sa capacité à générer un effet d’additionalité très significatif.

[1] Les effets d’ombre (Shadow effects) renvoient à l’idée que l’attractivité croissante d’un territoire se fait souvent au détriment d’autres territoires notamment par le biais d’effets concurrentiels.

Références

Salies, E., 2018, Impact du Crédit d’impôt recherche : une revue bibliographique des études sur données françaises, Revue de l’OFCE n°154, février 2018.

OECD, 2018a, « R&D Tax inventives: France, 2017 », www.oecd.org/sti/rd-tax-stats-france.pdf, Directorate for Science, Technology and Innovation, avril.

OECD, 2018b, «  OECD time-series estimates of government tax relief for business R&D »,  http://www.oecd.org/sti/rd-tax-stats-tax-expenditures.pdf, avril.

MESRI, 2017, «  Le crédit d’impôt recherche en 2014 », http://cache.media.enseignementsup-recherche.gouv.fr/file/Chiffres_CIR/79/1/CIR_2017_chiffres2014_maquette_816791.pdf

European Commission, 2014, «  Innovation performance: EU Member States, International Competitors and European Regions compared », Memo, http://europa.eu/rapid/press-release_MEMO-14-140_en.htm, Figure 6.

par Céline Antonin

Alors que les Caisses d’épargne célèbrent en 2018 le bicentenaire de leur création, le gouvernement a décidé de modifier la méthode de calcul du taux de rémunération du livret A. Cette mesure concerne un grand nombre d’épargnants : en effet, malgré un taux de détention en baisse[1] en 2016, essentiellement lié à l’application de la loi Eckert[2], le livret A reste populaire et son encours atteint le record historique de 249 milliards d’euros en février 2018. Ce n’est certes pas la première modification de cet ordre : ne serait-ce qu’au début des années 2000, le mode de calcul du taux de rémunération a été modifié à trois reprises[3]. Le projet de réforme présenté le 19 avril 2018 est clairement défavorable aux détenteurs du livret A. Il traduit notamment la volonté de détourner les ménages de l’épargne défiscalisée et de les inciter à investir dans des placements de long-terme dédiés à l’investissement productif ; en cela, il est cohérent avec la réforme de la fiscalité du capital et l’instauration d’une flat tax à 30 %.

Quel changement par rapport au mode de calcul antérieur ?

Selon l’arrêté de novembre 2016, le taux de rémunération du livret A est égal au chiffre le plus élevé entre :

1. a) la moyenne arithmétique entre la moyenne semestrielle de l’EONIA[4] (Euro Overnight Index Average) et l’inflation en France mesurée par la moyenne semestrielle de la variation sur les douze derniers mois connus de l’indice des prix à la consommation hors tabac de l’ensemble des ménages ;
2. b) l’inflation mentionnée au a), majorée d’un quart de point sauf si l’écart entre le taux monétaire et l’inflation mentionnés au a) est supérieur à un quart de point.

À partir de 2020, la réforme proposée par le gouvernement est la suivante : le taux du livret A sera égal à la moyenne semestrielle du taux d’inflation hors tabac et des taux interbancaires à court terme (EONIA), arrondie à 0,1 point le plus proche. Par ailleurs, un taux plancher de 0,5 % est instauré. Dans l’intervalle, entre novembre 2017 et le 31 janvier 2020, le taux du livret A sera maintenu à 0,75 %.

Les raisons qui motivent cette décision

Le premier argument mis en exergue pour motiver ce changement de calcul est le creusement problématique de l’écart de taux entre d’une part les taux courts négatifs liés à la politique monétaire expansionniste de la BCE, et d’autre part une inflation restée positive. Le creusement de cet écart rend la rémunération du livret A plus coûteuse pour la Caisse des dépôts et consignations et pour les banques, alors même que les taux à court terme sont négatifs.

Par ailleurs, les encours collectés par les banques sont centralisés par la Caisse des dépôts afin de servir au financement du logement social. Or, la nécessité de maintenir un niveau de rémunération plus élevé pour les épargnants que le taux à court terme renchérit le coût de financement du secteur du logement social. Ainsi, le gouvernement avance que les charges financières du secteur du logement social devraient être réduites de 675 millions d’euros par an grâce à la réforme.

Une autre volonté affichée par le gouvernement est d’inciter les épargnants à délaisser les livrets défiscalisés et à diriger leurs économies vers l’investissement productif. Notons que si la baisse des taux incite les épargnants à se détourner du livret A, cela déplace le problème vers la question du financement du logement social (Levasseur, 2013).

Mauvaise nouvelle pour le détenteur du livret A

Par rapport à la situation actuelle, la réforme de 2020 est défavorable aux détenteurs d’un livret A. Elle entraîne en effet la disparition de la garantie de rémunération supérieure à l’inflation. Comme le montre le tableau, le mode de calcul est plus avantageux sous le régime actuel dans tous les cas, sauf lorsque l’inflation est inférieure aux taux courts minorés d’un quart de point, auquel cas la réforme ne change rien.

Or, depuis 2010, l’inflation est systématiquement supérieure ou égale au niveau des taux courts (graphique 1). Par conséquent, si le mode de calcul avait été celui proposé par cette réforme, les épargnants auraient été désavantagés depuis 2010. Par exemple, en mars 2018, avec une moyenne semestrielle des taux EONIA de -0,35 % et une moyenne semestrielle du taux de variation sur douze mois de l’IPC hors tabac à 1,09 %, le taux moyen de rémunération serait de 0,37 %, soit 0,4 %. L’instauration d’un taux plancher permettrait de porter ce taux à 0,5 %, mais le taux serait néanmoins deux fois plus faible que si l’on applique le mode de calcul actuel (1 % en l’occurrence). Ainsi, sur l’année 2017, le taux de rendement du livret A, hors mouvements de dépôts ou de retrait, est de 0,8 % avec la formule de calcul théorique actuelle ; il aurait été de 0,5 % avec la formule de calcul applicable à partir de 2020. Sur longue période (2010-2017), le taux de rendement aurait été de 7,9 % avec la formule actuelle, contre 5,9 % après réforme.

Le graphique 2 permet de comparer comment le taux de rémunération du livret A aurait évolué historiquement si la réforme de 2020 avait été mise en place dès 2000. Ainsi, on compare le taux théorique que l’on obtiendrait en appliquant le calcul avec la législation actuelle au taux théorique que l’on obtiendrait en appliquant les modalités de la réforme. Sur la période 2000-2009, les taux courts étant plus élevés que l’inflation, la réforme n’aurait pas eu d’impact. En revanche, entre 2010 et 2014, la réforme prévue aurait conduit à un taux de rémunération plus faible. En 2015 et 2016, période d’inflation très faible, l’instauration d’un taux plancher aurait permis d’éviter que le taux du livret A ne tombe en dessous de 0,5 %, et se serait révélé donc plus favorable que le calcul actuel. Par contre, dès que le spectre de la déflation s’éloigne, en 2017, le taux post-réforme redevient désavantageux pour l’épargnant.

Notons également que jusqu’à présent, la formule théorique de calcul des taux a servi de point de départ à la fixation du taux légal, mais que le législateur s’en est quasi systématiquement écarté, dans un sens toujours plus favorable aux épargnants. Cela a notamment permis de ne jamais avoir un taux inférieur à 0,75 %, point bas historique.

Au total, la réforme prévue pour 2020 est désavantageuse pour l’épargnant :

• Le fait de geler à 0,75 % le taux du livret A jusqu’en janvier 2020, alors que nous prévoyons une progression de l’IPC de 1,1 % en 2018 et de 1,5 % en 2019, va entraîner un rendement réel négatif pour l’épargnant pendant cette période de transition, car la remontée des taux courts devrait être lente ;
• Par ailleurs, avec la suppression de la référence aux taux d’inflation comme taux plancher après la réforme de 2020, le rendement réel de l’épargne pourrait rester négatif si les taux courts sont inférieurs au taux d’inflation ;
• Si le gouvernement souhaite appliquer à la lettre la formule théorique de calcul du taux de livret A, cela devrait également être défavorable aux épargnants, qui bénéficiaient jusqu’à présent d’un coup de pouce lié à un taux toujours plus favorable que la stricte formule de calcul.Seule l’instauration d’un taux plancher permettra d’éviter que le taux de rémunération du livret A ne tombe en dessous de 0,5 %. Cependant, comme le montre le graphique 1, il est très rare que l’inflation soit durablement aussi faible en dehors de périodes exceptionnelles. L’idée est donc de détourner les épargnants du livret A et de rendre d’autres types de placements plus attractifs, aidés en cela par la mise en place de la flat tax à 30 %[5]. Pour l’instant, l’annonce du maintien du taux au niveau historiquement bas de 0,75 % en novembre 2017 n’a pas empêché l’encours du livret A de progresser mensuellement de 5 % en glissement annuel (graphique 3), pour atteindre le record historique de 249 milliards d’euros en février 2018.

Etant donné la forte concentration de l’épargne défiscalisée, une potentielle substitution dépendra essentiellement du comportement des « gros déposants » dont les dépôts sur le livret A sont proches des plafonds (supérieurs à 19 125 euros) et qui représentent près de la moitié des encours du livret A en 2016. Or, ces « gros déposants » étant les plus sensibles aux variations du taux de l’épargne réglementée (Levasseur, 2013), le réajustement pourrait s’avérer brutal.

[1] Le taux de détention d’un livret A par les personnes physiques est passé de 91,7 % en 2015 à 83,4 % en 2016 (Rapport annuel pour 2016 de l’Observatoire de l’épargne réglementée).

[2] La loi Eckert oblige depuis le 1^er janvier 2016 les banques à recenser les comptes bancaires inactifs et à les transférer à la Caisse des dépôts et consignations au bout d’un certain délai.

[3] Le texte de référence pour le calcul des taux est le règlement du Comité de la réglementation bancaire n° 86-13 du 14 mai 1986 relatif à la rémunération des fonds reçus par les établissements de crédit.

[4] L’EONIA désigne le taux de référence moyen pondéré des dépôts interbancaires au jour le jour.

[5] Voir Aparisi de Lannoy et Madec, Fiscalité du capital mobilier, quel impact du prélèvement forfaitaire unique?, 2017, Policy brief, OFCE.